CN119012006B - 一种感兴趣区域自动聚焦方法及聚焦系统 - Google Patents

Abstract

本发明提供一种感兴趣区域自动聚焦方法及聚焦系统，属于图像处理技术领域，首先识别并划分出感兴趣区域与非感兴趣区域，并基于区块的对比度和距离中心点的远近，为各区块分配综合权重，通过融合对比度权重与距离权重，确保感兴趣区域在聚焦过程中获得更高的优先级，随后，利用这些权重加权计算图像的整体清晰度，并据此调整聚焦参数，本申请的聚焦方法不仅提高了图像聚焦的精准度，还实现了对特定区域的优先处理，从而优化了图像拍摄和处理的效率与效果，从而避免了手动设置ROI模板的繁琐步骤和存储空间占用问题。

Description

一种感兴趣区域自动聚焦方法及聚焦系统

技术领域

本发明涉及图像处理技术领域，尤其涉及一种感兴趣区域自动聚焦方法及聚焦系统。

背景技术

随着成像技术的不断发展，自动聚焦技术在各种电子设备中得到了广泛应用，如视频监控系统、手持摄像机、智能手机等。这些设备在拍摄图像或视频时，需要将图像聚焦清晰，以确保目标物在图像传感器上成像清晰，从而提高图像的整体质量。然而，传统的自动聚焦方法往往存在一些问题，特别是在处理复杂场景或具有特定关注区域(ROI，Regionof Interest)的图像时，其聚焦效果往往不够理想。

目前已经存在多种自动聚焦技术，但大多数方法都是基于全局图像信息进行处理，无法针对用户特别关注的区域进行精准聚焦。此外，一些方法虽然支持用户手动设置感兴趣区域(ROI)，但这种方法需要用户预先设定并存储ROI模板，不仅操作繁琐，而且占用了大量的存储空间。

因此，有必要提供一种感兴趣区域自动聚焦方法及聚焦系统解决上述技术问题。

发明内容

为解决上述技术问题，本发明提供一种感兴趣区域自动聚焦方法及聚焦系统，能够自动识别和计算感兴趣区域，并根据该区域的特征进行精准聚焦，从而避免了手动设置ROI模板的繁琐步骤和存储空间占用问题。

本发明提供了一种感兴趣区域自动聚焦方法，所述聚焦方法包括以下步骤：

S1：对目标图像进行均匀分割，得到感兴趣区块和非感兴趣区块，其中，所述目标图像内预划分有感兴趣区域和非感兴趣区域；

S2：读取各个区块的对比度，并根据所述感兴趣区域内的所有区块的对比度和所述非感兴趣区域内的所有区块的对比度，计算得到所述感兴趣区域的第一权重和所述非感兴趣区域的第二权重；

S3：以所述感兴趣区域的中心为原点建立直角坐标系，并基于各个区块的中心距离原点的直线距离为各个区块分配距离权重；

S4：对于所述感兴趣区域，融合所述第一权重和距离权重，得到所述感兴趣区域内的所有区块的第三权重；

对于所述非感兴趣区域，融合所述第二权重和距离权重，得到所述非感兴趣区域内的所有区块的第四权重，并对所述第三权重和第四权重进行归一化处理；

S5：根据归一化后的所述第三权重和第四权重，以及各个区块的清晰度计算所述目标图像的归一化整体清晰度，并根据所述归一化整体清晰度对感兴趣区域进行自动聚焦。

优选的，步骤S1包括以下步骤：

S101：在所述目标图像中识别并确定所述感兴趣区域和非感兴趣区域；

S102：根据预设的分割尺寸将所述目标图像均匀划分为多个等大的区块；

S103：基于感兴趣区域的边界，将位于所述感兴趣区域内的区块标记为感兴趣区块，并将位于非感兴趣区域内的区块标记为非感兴趣区块。

优选的，步骤S2包括以下步骤：

S201：计算每个区块的对比度；

S202：根据所述感兴趣区域内的所有区块的对比度和非感兴趣区域内的所有区块的对比度来分别计算第一权重和第二权重，其中，所述第一权重的计算公式为：

所述第二权重的计算公式为：

其中，C_i表示感兴趣区域内的第i个区块，C_j表示非感兴趣区域内的第j个区块，ω₁表示第一权重，ω₂表示第二权重，m表示感兴趣区域内的所有区块的集合，n表示非感兴趣区域内的所有区块的集合。

优选的，步骤S3包括以下步骤：

S301：确定所述感兴趣区域的中心坐标，并以所述感兴趣区域的中心坐标为中心建立直角坐标系；

S302：读取所述目标图像中每个区块的中心坐标，并计算到所述直角坐标系原点的直线距离，所述直线距离的计算公式为：

其中，D_i表示直线距离，(x_i，y_i)表示第i个区块的中心坐标；

S303：根据每个区块的直线距离，计算得到每个区块的距离权重，其中，所述距离权重的计算公式为：

其中，ω_D(i)表示第i区块的距离权重，exp(·)表示自然指数函数，α表示正数，用于控制距离权重随距离增加而减少的速度。

优选的，步骤S4包括以下步骤：

S401：对所述第一权重、第二权重和距离权重进行缩放处理，得到处于同一量级下的所述第一权重、第二权重和距离权重；

S402：对于所述感兴趣区域的所有区块：

对缩放处理后的所述第一权重和距离权重进行求和，得到所述感兴趣区域内的所有区块的第三权重，所述第三权重的求和公式为：

ω₃＝ω₁+ω_D(i)

其中，ω₃表示第三权重；

具体地对于所述非感兴趣区域的所有区块：

对缩放处理后的所述第二权重和距离权重进行求和，得到所述非感兴趣区域内的所有区块的第四权重，所述第四权重的求和公式为：

ω₄＝ω₂+ω_D(i)

其中，ω₄表示第四权重；

S403：对所述第三权重和第四权重进行归一化处理。

优选的，步骤S5包括以下步骤：

S501：分别按照相应的归一化处理后的所述第三权重和第四权重对各个区块的清晰度进行加权计算；

S502：对各个区块加权计算后的清晰度进行求和计算获得整体清晰度；

S503：对所有的第三权重和第四权重进行求和计算，得到权重和；

S504：将所述整体清晰度除以所述权重和得到所述归一化整体清晰度。

本发明还提供了一种感兴趣区域自动聚焦系统，用于所述的一种感兴趣区域自动聚焦方法，所述聚焦系统包括：

图像分割模块，用于对目标图像进行均匀分割，得到感兴趣区块和非感兴趣区块，其中，所述目标图像内预划分有感兴趣区域和非感兴趣区域；

对比度权重计算模块，用于读取各个区块的对比度，并根据所述感兴趣区域内的所有区块的对比度和所述非感兴趣区域内的所有区块的对比度，计算得到所述感兴趣区域的第一权重和所述非感兴趣区域的第二权重；

距离权重计算模块，用于以所述感兴趣区域的中心为原点建立直角坐标系，并基于各个区块的中心距离原点的直线距离为各个区块分配距离权重；

权重融合模块，用于对于所述感兴趣区域，融合所述第一权重和距离权重，得到所述感兴趣区域内的所有区块的第三权重；

对于所述非感兴趣区域，融合所述第二权重和距离权重，得到所述非感兴趣区域内的所有区块的第四权重，并对所述第三权重和第四权重进行归一化处理；

聚焦模块，用于根据归一化后的所述第三权重和第四权重，以及各个区块的清晰度计算所述目标图像的归一化整体清晰度，并根据所述归一化整体清晰度对感兴趣区域进行自动聚焦。

与相关技术相比较，本发明提供的一种感兴趣区域自动聚焦方法及聚焦系统具有如下有益效果：

本发明能够自动识别和计算感兴趣区域，并根据该区域的特征进行精准聚焦，从而避免了手动设置ROI模板的繁琐步骤和存储空间占用问题。

附图说明

图1为本发明提供的一种感兴趣区域自动聚焦方法的流程图；

图2为本发明提供的一种感兴趣区域自动聚焦系统的模块结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以互相组合。

另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序地处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

本发明提供了一种感兴趣区域自动聚焦方法，参考图1所示，所述聚焦方法包括以下步骤：

S1：对目标图像进行均匀分割，得到感兴趣区块和非感兴趣区块，其中，所述目标图像内预划分有感兴趣区域和非感兴趣区域。

在本实施例中，首先，将目标图像根据预设的尺寸均匀分割成多个等大的区块，这些区块可以是但不限于方形；接着，根据预先确定的感兴趣区域(ROI)和非感兴趣区域(non-ROI)，将位于感兴趣区域内的区块标记为感兴趣区块，位于非感兴趣区域内的区块标记为非感兴趣区块。

通过均匀分割，可以有效地将大图像分解为较小的区块，便于后续处理，同时，标记感兴趣区块和非感兴趣区块，有助于后续步骤中对不同区块进行不同的权重分配。

S2：读取各个区块的对比度，并根据所述感兴趣区域内的所有区块的对比度和所述非感兴趣区域内的所有区块的对比度，计算得到所述感兴趣区域的第一权重和所述非感兴趣区域的第二权重。

在本实施例中，对于每个区块，计算其对比度，这可以通过计算区块内像素值的标准差来实现；然后根据感兴趣区块和非感兴趣区块的对比度，计算第一权重和第二权重，第一权重反映感兴趣区域的重要性，第二权重反映非感兴趣区域的重要性。

该步骤通过对比度计算，可以突出图像中的重要细节，通过第一权重和第二权重的计算，可以量化不同区域的重要程度。

S3：以所述感兴趣区域的中心为原点建立直角坐标系，并基于各个区块的中心距离原点的直线距离为各个区块分配距离权重。

在本实施例中，确定感兴趣区域的中心坐标，并以此为中心建立直角坐标系；对于每个区块，计算其中心到感兴趣区域中心的直线距离，并根据该距离计算距离权重，距离权重随着距离的增加而减少。

通过距离权重可以反映区块与感兴趣区域中心的距离对其重要性的潜在影响，同时，距离权重可以帮助实现从感兴趣区域到非感兴趣区域的平滑过渡，使得最终的聚焦效果更加自然。

S4：对于所述感兴趣区域，融合所述第一权重和距离权重，得到所述感兴趣区域内的所有区块的第三权重；

对于所述非感兴趣区域，融合所述第二权重和距离权重，得到所述非感兴趣区域内的所有区块的第四权重，并对所述第三权重和第四权重进行归一化处理。

在本实施例中，将第一权重和距离权重相加，得到感兴趣区域内每个区块的第三权重；将第二权重和距离权重相加，得到非感兴趣区域内每个区块的第四权重；接着，对第三权重和第四权重进行归一化处理，确保所有区块的权重之和为1。

通过融合对比度权重和距离权重，可以综合考虑区块的对比度和位置信息，同时，通过归一化处理，确保所有区块的权重在一个合理的范围内，避免某些区块的权重过大或过小。

S5：根据归一化后的所述第三权重和第四权重，以及各个区块的清晰度计算所述目标图像的归一化整体清晰度，并根据所述归一化整体清晰度对感兴趣区域进行自动聚焦。

在本实施例中，根据各个区块的清晰度和对应的归一化后的所述第三权重和第四权重，计算目标图像的归一化整体清晰度，然后根据归一化整体清晰度，调整感兴趣区域的焦点，使整体清晰度最大化。

通过对整体清晰度的计算，可以优化图像的清晰度，提高图像质量，同时，通过自动聚焦可以在保持图像整体清晰度的同时，突出显示感兴趣区域，从而达到增强视觉效果的目的。

具体地，步骤S1包括以下步骤：

S101：在所述目标图像中识别并确定所述感兴趣区域和非感兴趣区域。

在本实施例中，首先，在目标图像上识别并确定感兴趣区域(ROI)和非感兴趣区域(non-ROI)，可以通过包括但不限于手动标注和使用自动检测算法来完成，示例性的，可以使用机器学习方法如支持向量机(SVM)或深度学习方法如卷积神经网络(CNN)来自动检测ROI。

通过识别并确定感兴趣区域和非感兴趣区域，可以确保后续步骤能够针对特定区域进行处理，从而提高图像处理的针对性和效率。

S102：根据预设的分割尺寸将所述目标图像均匀划分为多个等大的区块。

在本实施例中，根据预设的分割尺寸，将目标图像均匀划分为多个等大的区块，通过将目标图像分割成多个等大的区块，可以有效地将大图像分解为较小的单元，便于后续步骤中对每个区块进行独立处理，提高了图像处理的灵活性和效率。

S103：基于感兴趣区域的边界，将位于所述感兴趣区域内的区块标记为感兴趣区块，并将位于非感兴趣区域内的区块标记为非感兴趣区块。

在本实施例中，根据步骤S101中确定的感兴趣区域和非感兴趣区域的边界，将位于感兴趣区域内的区块标记为感兴趣区块，位于非感兴趣区域内的区块标记为非感兴趣区块。

通过将区块标记为感兴趣区块或非感兴趣区块，可以在后续步骤中对不同类型的区块进行不同的权重分配，有助于突出感兴趣区域，同时减少非感兴趣区域的影响。

具体地，步骤S2包括以下步骤：

S201：计算每个区块的对比度。

在本实施例中，对于每个区块，计算其对比度，具体可以通过计算区块内像素值的标准差来实现，通过计算对比度，可以量化每个区块内的细节丰富程度。

S202：根据所述感兴趣区域内的所有区块的对比度和非感兴趣区域内的所有区块的对比度来分别计算第一权重和第二权重，其中，所述第一权重的计算公式为：

所述第二权重的计算公式为：

其中，C_i表示感兴趣区域内的第i个区块，C_j表示非感兴趣区域内的第j个区块，ω₁表示第一权重，ω₂表示第二权重，m表示感兴趣区域内的所有区块的集合，n表示非感兴趣区域内的所有区块的集合。

在本实施例中，根据感兴趣区块和非感兴趣区块的对比度，计算第一权重和第二权重，可以量化不同区域的重要程度，第一权重较高意味着感兴趣区域内的区块通常具有更高的对比度，因此更值得关注，第二权重则反映了非感兴趣区域内的区块的重要程度，帮助确定非感兴趣区域的相对重要性。

具体地，步骤S3包括以下步骤：

S301：确定所述感兴趣区域的中心坐标，并以所述感兴趣区域的中心坐标为中心建立直角坐标系。

在本实施例中，首先，计算感兴趣区域的中心坐标，这可以通过计算感兴趣区域边界框的几何中心来实现，示例性的，如果感兴趣区域的左上角坐标为(x₁，y₁)，右下角坐标为(x₂，y₂)，那么中心坐标为接着，以这个中心坐标作为直角坐标系的原点建立直角坐标系。

S302：读取所述目标图像中每个区块的中心坐标，并计算到所述直角坐标系原点的直线距离，所述直线距离的计算公式为：

其中，D_i表示直线距离，(x_i，y_i)表示第i个区块的中心坐标。

在本实施例中，对于每个区块，计算其中心坐标，然后根据直线距离的计算公式计算区块中心坐标到直角坐标系原点的直线距离，通过计算各个区块中心到感兴趣区域中心的直线距离，可以量化各个区块与感兴趣区域中心的相对距离。

S303：根据每个区块的直线距离，计算得到每个区块的距离权重，其中，所述距离权重的计算公式为：

其中，ω_D(i)表示第i区块的距离权重，exp(·)表示自然指数函数，α表示正数，用于控制距离权重随距离增加而减少的速度。

在本实施例中，根据每个区块的直线距离，计算距离权重，通过计算距离权重，可以反映各个区块与感兴趣区域中心的距离对其重要性的潜在影响，距离越近的区块具有更高的权重，反之亦然。

具体地，步骤S4包括以下步骤：

S401：对所述第一权重、第二权重和距离权重进行缩放处理，得到处于同一量级下的所述第一权重、第二权重和距离权重。

在本实施例中，为了确保第一权重、第二权重和距离权重处于同一量级，需要对它们进行缩放处理。这是因为第一权重、第二权重和距离权重来自不同的计算方式，其数值范围可能不同，通过缩放处理，可以确保第一权重、第二权重和距离权重处于同一量级，这有助于在后续步骤中进行权重融合时避免因量级差异而导致的偏移。

S402：对于所述感兴趣区域的所有区块：

对缩放处理后的所述第一权重和距离权重进行求和，得到所述感兴趣区域内的所有区块的第三权重，所述第三权重的求和公式为：

ω₃＝ω₁+ω_D(i)

其中，ω₃表示第三权重。

通过求和第一权重和距离权重，可以综合考虑区块的对比度和位置信息，从而得到每个区块的第三权重。

具体地对于所述非感兴趣区域的所有区块：

对缩放处理后的所述第二权重和距离权重进行求和，得到所述非感兴趣区域内的所有区块的第四权重，所述第四权重的求和公式为：

ω₄＝ω₂+ω_D(i)

其中，ω₄表示第四权重。

通过求和第二权重和距离权重，可以综合考虑区块的对比度和位置信息，从而得到每个区块的第四权重。

S403：对所述第三权重和第四权重进行归一化处理。

在本实施例中，通过归一化处理，可以确保所有区块的权重之和为1，避免某些区块的权重过大或过小，从而保证了权重的平衡性和一致性。

具体地，步骤S5包括以下步骤：

S501：分别按照相应的归一化处理后的所述第三权重和第四权重对各个区块的清晰度进行加权计算。

在本实施例中，对于每个区块，根据其清晰度和相应的归一化权重进行加权计算，其中，对于感兴趣区域内的区块，使用第三权重；对于非感兴趣区域内的区块，使用第四权重，清晰度可以使用包括但不限于边缘检测来计算。

通过加权计算清晰度，可以确保每个区块的清晰度与其重要性相结合，从而更好地反映整个图像的清晰度分布情况。

S502：对各个区块加权计算后的清晰度进行求和计算获得整体清晰度。

在本实施例中，对所有区块的加权清晰度进行求和，得到整个图像的整体清晰度，通过求和所有区块的加权清晰度，可以获得一个量化的目标图像整体清晰度指标，这有助于后续步骤中根据清晰度对感兴趣区域进行自动聚焦。

S503：对所有的第三权重和第四权重进行求和计算，得到权重和。

在本实施例中，对所有区块的归一化权重进行求和，得到权重和，可以确保后续步骤中的归一化整体清晰度计算更加准确。

S504：将所述整体清晰度除以所述权重和得到所述归一化整体清晰度。

在本实施例中，将整体清晰度除以权重和，得到归一化整体清晰度，通过归一化处理，可以确保整体清晰度的数值与权重和相关联，从而更准确地反映图像的质量，归一化整体清晰度可用于后续步骤中调整感兴趣区域的焦点，以实现自动聚焦的效果。

本发明提供的一种感兴趣区域自动聚焦方法的工作原理如下：

首先，对目标图像进行预处理，识别出图像中的感兴趣区域(ROI)和非感兴趣区域(Non-ROI)，随后，根据预设的分割尺寸，将整个目标图像均匀划分为多个等大的区块，并根据它们与ROI的位置关系，将这些区块标记为感兴趣区块或非感兴趣区块。

接下来，计算每个区块的对比度，以反映区块内图像内容的细节丰富程度，基于这些对比度值，分别为ROI和Non-ROI内的所有区块分配权重，权重计算考虑了区域内所有区块的对比度平均值，使得对比度较高的区域获得更高的权重，从而在聚焦过程中获得更多关注。

为了进一步优化聚焦过程，还引入了距离权重，通过以ROI中心为原点建立直角坐标系，计算每个区块中心到原点的直线距离，并根据该距离为每个区块分配距离权重。距离越近，权重越高，这意味着在聚焦时，靠近ROI中心的区域会获得更高的优先级。

然后，将对比度权重和距离权重进行融合，为ROI和Non-ROI内的每个区块分别计算出一个综合权重，在此之前，需要对各种权重进行缩放处理，以确保它们处于同一量级，便于后续的计算和比较，融合后的权重既考虑了区块的对比度特性，又考虑了其位置关系，从而能够更准确地反映每个区块在聚焦过程中的重要性。

最后，基于归一化后的综合权重，计算目标图像的归一化整体清晰度，这一指标反映了整个图像在聚焦状态下的清晰度，特别是考虑了ROI的优先级，根据归一化整体清晰度的变化，调整聚焦参数(如镜头位置)，以实现对感兴趣区域的自动聚焦。

综上所述，本发明的自动聚焦方法通过综合考虑图像的对比度、区块位置以及用户定义的感兴趣区域，实现了对目标图像中特定区域的优先聚焦，提高了图像拍摄和处理的效率和效果。

实施例二

本发明还提供了一种感兴趣区域自动聚焦系统，用于所述的一种感兴趣区域自动聚焦方法，参考图2所示，所述聚焦系统包括：

图像分割模块，用于对目标图像进行均匀分割，得到感兴趣区块和非感兴趣区块，其中，所述目标图像内预划分有感兴趣区域和非感兴趣区域；

对比度权重计算模块，用于读取各个区块的对比度，并根据所述感兴趣区域内的所有区块的对比度和所述非感兴趣区域内的所有区块的对比度，计算得到所述感兴趣区域的第一权重和所述非感兴趣区域的第二权重；

距离权重计算模块，用于以所述感兴趣区域的中心为原点建立直角坐标系，并基于各个区块的中心距离原点的直线距离为各个区块分配距离权重；

权重融合模块，用于对于所述感兴趣区域，融合所述第一权重和距离权重，得到所述感兴趣区域内的所有区块的第三权重；

对于所述非感兴趣区域，融合所述第二权重和距离权重，得到所述非感兴趣区域内的所有区块的第四权重，并对所述第三权重和第四权重进行归一化处理；

聚焦模块，用于根据归一化后的所述第三权重和第四权重，以及各个区块的清晰度计算所述目标图像的归一化整体清晰度，并根据所述归一化整体清晰度对感兴趣区域进行自动聚焦。

本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-On ly Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器，或者能够用于携带或存储数据的计算机可读的任何其他介质。

还需要说明的是，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者还是包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

Claims (5)

1.一种感兴趣区域自动聚焦方法，其特征在于，所述聚焦方法包括以下步骤：

S1：对目标图像进行均匀分割，得到感兴趣区块和非感兴趣区块，其中，所述目标图像内预划分有感兴趣区域和非感兴趣区域；

S2：读取各个区块的对比度，并根据所述感兴趣区域内的所有区块的对比度和所述非感兴趣区域内的所有区块的对比度，计算得到所述感兴趣区域的第一权重和所述非感兴趣区域的第二权重；

步骤S2包括以下步骤：

S201：计算每个区块的对比度；

S202：根据所述感兴趣区域内的所有区块的对比度和非感兴趣区域内的所有区块的对比度来分别计算第一权重和第二权重，其中，所述第一权重的计算公式为：

所述第二权重的计算公式为：

其中，C_i表示感兴趣区域内的第i个区块，C_j表示非感兴趣区域内的第j个区块，ω₁表示第一权重，ω₂表示第二权重，m表示感兴趣区域内的所有区块的集合，n表示非感兴趣区域内的所有区块的集合；

S3：以所述感兴趣区域的中心为原点建立直角坐标系，并基于各个区块的中心距离原点的直线距离为各个区块分配距离权重；

S4：对于所述感兴趣区域，融合所述第一权重和距离权重，得到所述感兴趣区域内的所有区块的第三权重；

对于所述非感兴趣区域，融合所述第二权重和距离权重，得到所述非感兴趣区域内的所有区块的第四权重，并对所述第三权重和第四权重进行归一化处理；

S401：对所述第一权重、第二权重和距离权重进行缩放处理，得到处于同一量级下的所述第一权重、第二权重和距离权重；

S402：对于所述感兴趣区域的所有区块：

对缩放处理后的所述第一权重和距离权重进行求和，得到所述感兴趣区域内的所有区块的第三权重，所述第三权重的求和公式为：

ω₃＝ω₁+ω_D(i)

其中，ω₃表示第三权重；

具体地，对于所述非感兴趣区域的所有区块：

对缩放处理后的所述第二权重和距离权重进行求和，得到所述非感兴趣区域内的所有区块的第四权重，所述第四权重的求和公式为：

ω₄＝ω₂+ω_D(i)

其中，ω₄表示第四权重；

S403：对所述第三权重和第四权重进行归一化处理；

S5：根据归一化后的所述第三权重和第四权重，以及各个区块的清晰度计算所述目标图像的归一化整体清晰度，并根据所述归一化整体清晰度对感兴趣区域进行自动聚焦。

2.根据权利要求1所述的一种感兴趣区域自动聚焦方法，其特征在于，步骤S1包括以下步骤：

S101：在所述目标图像中识别并确定所述感兴趣区域和非感兴趣区域；

S102：根据预设的分割尺寸将所述目标图像均匀划分为多个等大的区块；

S103：基于感兴趣区域的边界，将位于所述感兴趣区域内的区块标记为感兴趣区块，并将位于非感兴趣区域内的区块标记为非感兴趣区块。

3.根据权利要求2所述的一种感兴趣区域自动聚焦方法，其特征在于，步骤S3包括以下步骤：

S301：确定所述感兴趣区域的中心坐标，并以所述感兴趣区域的中心坐标为中心建立直角坐标系；

S302：读取所述目标图像中每个区块的中心坐标，并计算到所述直角坐标系原点的直线距离，所述直线距离的计算公式为：

其中，D_i表示直线距离，(x_i，y_i)表示第i个区块的中心坐标；

S303：根据每个区块的直线距离，计算得到每个区块的距离权重，其中，所述距离权重的计算公式为：

其中，ω_D(i)表示第i区块的距离权重，exp(·)表示自然指数函数，α表示正数，用于控制距离权重随距离增加而减少的速度。

4.根据权利要求3所述的一种感兴趣区域自动聚焦方法，其特征在于，步骤S5包括以下步骤：

S501：分别按照相应的归一化处理后的所述第三权重和第四权重对各个区块的清晰度进行加权计算；

S502：对各个区块加权计算后的清晰度进行求和计算获得整体清晰度；

S503：对所有的第三权重和第四权重进行求和计算，得到权重和；

S504：将所述整体清晰度除以所述权重和得到所述归一化整体清晰度。

5.一种感兴趣区域自动聚焦系统，用于执行如权利要求1至4任意一项所述的一种感兴趣区域自动聚焦方法，其特征在于，所述聚焦系统包括：

图像分割模块，用于对目标图像进行均匀分割，得到感兴趣区块和非感兴趣区块，其中，所述目标图像内预划分有感兴趣区域和非感兴趣区域；

对比度权重计算模块，用于读取各个区块的对比度，并根据所述感兴趣区域内的所有区块的对比度和所述非感兴趣区域内的所有区块的对比度，计算得到所述感兴趣区域的第一权重和所述非感兴趣区域的第二权重；

距离权重计算模块，用于以所述感兴趣区域的中心为原点建立直角坐标系，并基于各个区块的中心距离原点的直线距离为各个区块分配距离权重；

权重融合模块，用于对于所述感兴趣区域，融合所述第一权重和距离权重，得到所述感兴趣区域内的所有区块的第三权重；

对于所述非感兴趣区域，融合所述第二权重和距离权重，得到所述非感兴趣区域内的所有区块的第四权重，并对所述第三权重和第四权重进行归一化处理；

聚焦模块，用于根据归一化后的所述第三权重和第四权重，以及各个区块的清晰度计算所述目标图像的归一化整体清晰度，并根据所述归一化整体清晰度对感兴趣区域进行自动聚焦。