相機的自動對焦要求相機根據拍攝環境和場景的變化，通過相機內部的微型驅動馬達，自動調節相機鏡頭和CCD之間的距離，保證像平面正好投影到CCD的成像表面上。這時候物體的成像比較清晰，圖像細節信息豐富。
相機自動對焦的過程，其實就是對成像清晰度評價的過程，對焦不准確，拍攝出來的圖像清晰度低，視覺效果模糊，如果是在工業檢測測量領域，對焦不准導致的后果可能是致命的；對焦准確的圖像清晰度較高，層次鮮明，對比度高。
圖像清晰度評價算法有很多種，在空域中，主要思路是考察圖像的領域對比度，即相鄰像素間的灰度特征的梯度差；在頻域中，主要思路是考察圖像的頻率分量，對焦清晰的圖像高頻分量較多，對焦模糊的圖像低頻分量較多。
這里實現3種清晰度評價方法，分別是Tenengrad梯度方法、Laplacian梯度方法和方差方法。
Tenengrad梯度方法
Tenengrad梯度方法利用Sobel算子分別計算水平和垂直方向的梯度，同一場景下梯度值越高，圖像越清晰。以下是具體實現，這里衡量的指標是經過Sobel算子處理后的圖像的平均灰度值，值越大，代表圖像越清晰。
1 #include <highgui/highgui.hpp>
2 #include <imgproc/imgproc.hpp>
3
4 using namespace std; 5 using namespace cv; 6
7 int main() 8 { 9 Mat imageSource = imread("2.jpg"); 10 Mat imageGrey; 11
12 cvtColor(imageSource, imageGrey, CV_RGB2GRAY); 13 Mat imageSobel; 14 Sobel(imageGrey, imageSobel, CV_16U, 1, 1); 15
16 //圖像的平均灰度
17 double meanValue = 0.0; 18 meanValue = mean(imageSobel)[0]; 19
20 //double to string
21 stringstream meanValueStream; 22 string meanValueString; 23 meanValueStream << meanValue; 24 meanValueStream >> meanValueString; 25 meanValueString = "Articulation(Sobel Method): " + meanValueString; 26 putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2); 27 imshow("Articulation", imageSource); 28 waitKey(); 29 }
使用三張測試圖片模擬不同對焦。第一張最清晰，得分最高，第二三張越來越模糊，得分依次降低。
Laplacian梯度方法：
Laplacian梯度是另一種求圖像梯度的方法，在上例的OpenCV代碼中直接替換Sobel算子即可。
1 #include <highgui/highgui.hpp>
2 #include <imgproc/imgproc.hpp>
3
4 using namespace std; 5 using namespace cv; 6
7 int main() 8 { 9 Mat imageSource = imread("1.jpg"); 10 Mat imageGrey; 11
12 cvtColor(imageSource, imageGrey, CV_RGB2GRAY); 13 Mat imageSobel; 14
15 Laplacian(imageGrey, imageSobel, CV_16U); 16 //Sobel(imageGrey, imageSobel, CV_16U, 1, 1); 17
18 //圖像的平均灰度
19 double meanValue = 0.0; 20 meanValue = mean(imageSobel)[0]; 21
22 //double to string
23 stringstream meanValueStream; 24 string meanValueString; 25 meanValueStream << meanValue; 26 meanValueStream >> meanValueString; 27 meanValueString = "Articulation(Laplacian Method): " + meanValueString; 28 putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2); 29 imshow("Articulation", imageSource); 30 waitKey(); 31 }
用同樣的三張測試圖片測試，結果一致，隨着對焦模糊得分降低：
方差方法：
方差是概率論中用來考察一組離散數據和其期望（即數據的均值）之間的離散（偏離）成都的度量方法。方差較大，表示這一組數據之間的偏差就較大，組內的數據有的較大，有的較小，分布不均衡；方差較小，表示這一組數據之間的偏差較小，組內的數據之間分布平均，大小相近。
對焦清晰的圖像相比對焦模糊的圖像，它的數據之間的灰度差異應該更大，即它的方差應該較大，可以通過圖像灰度數據的方差來衡量圖像的清晰度，方差越大，表示清晰度越好。
1 #include <highgui/highgui.hpp>
2 #include <imgproc/imgproc.hpp>
3
4 using namespace std; 5 using namespace cv; 6
7 int main() 8 { 9 Mat imageSource = imread("2.jpg"); 10 Mat imageGrey; 11
12 cvtColor(imageSource, imageGrey, CV_RGB2GRAY); 13 Mat meanValueImage; 14 Mat meanStdValueImage; 15
16 //求灰度圖像的標准差
17 meanStdDev(imageGrey, meanValueImage, meanStdValueImage); 18 double meanValue = 0.0; 19 meanValue = meanStdValueImage.at<double>(0, 0); 20
21 //double to string
22 stringstream meanValueStream; 23 string meanValueString; 24 meanValueStream << meanValue*meanValue; 25 meanValueStream >> meanValueString; 26 meanValueString = "Articulation(Variance Method): " + meanValueString; 27
28 putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2); 29 imshow("Articulation", imageSource); 30 waitKey(); 31 }
方差數值隨着清晰度的降低逐漸降低：
在工業應用中，最清晰的對焦拍攝出來的圖像不一定是最好的，有可能出現摩爾紋（水波紋）現象，一般需要在最清晰對焦位置附件做一個微調。