随着科学技术的迅速发展，自动聚焦作为数字成像系统中的关键技术之一，目前已广泛应用于日常生活中的很多领域，如数码照相、视频监控、医学成像、显微成像、卫星导航、计算机视觉等。　　 自动聚焦的整个过程如下:首先，利用成像设备对待聚焦场景进行不同聚焦程度的拍摄取样，将得到的图像序列进行模数转换后送入计算机中;然后，计算机通过聚焦评价函数对图像序列特定的区域进行计算，评价其聚焦程度;最后，采用极点搜索算法获取聚焦图像，即评价函数值最大的那幅图像，拍摄并将该图像保存到成像设备中。　　 由自动聚焦的过程可知，自动聚焦主要由聚焦窗口选择、聚焦评价函数研究以及极点搜索算法三个模块组成。其中，聚焦窗口选择模块主要是用来决定聚焦评价的计算区域。理论上，对整幅图像做聚焦评价是最准确的，但是所有的像素都参与运算会占用大量的计算机资源，浪费时间。因此，如何选择目标景物的主要像素进行聚焦评价是聚焦窗口选择的关键问题。聚焦评价函数模块主要是对图像质量进行评价，判断图像清晰程度，为镜头的移动方向提供判断依据。图像聚焦处和离焦处评价函数的值相差越大，成像设备越能成功地获取聚焦位置。因此，评价函数的选择直接影响着聚焦的准确性。极点搜索模块的主要工作是迅速并精确的找出图像序列中评价函数值最大的图像，即为聚焦图像。　　 聚焦区域选择方面，本文论述了传统取窗方法—中心取窗、多点取窗、非均匀采样取窗等的优缺点。对于普通任一图像，尤其是主体目标偏离中心的图像，传统的聚焦窗口或包含了大量背景信息，导致评价函数有多个极值，使聚焦失败，或计算量很大，加大了聚焦时间，降低了实时性。针对这些局限性，提出了基于群智能优化算法的聚焦窗口选择方法。本文采用量子粒子群算法搜索前景和后景的最佳分割阈值，并分割得到前景区域图像，然后选取前景图像中边缘细节较为丰富的区域作为聚焦窗口。实验表明，不论目标景物是否偏离图像中心，基于量子粒子群算法的取窗方法都能动态地、自适应地选取目标图像区域作为聚焦窗口，减小了背景对评价函数的影响，有利于提高聚焦精确度，而且有较好的抗噪性能。　　 聚焦评价函数能否准确的判断图像的清晰度是自动聚焦的关键，而极点搜索算法的速度和准确性也影响着聚焦的速度和精度，为了提高自动聚焦的实时性与精确度，本文提出了一种评价函数与搜索算法相结合的新的聚焦算法。该算法根据当前聚焦评价函数的梯度值来选用不同的评价函数和镜头移动步长，综合了改进的灰度差分法的速度快和小波变换法的精度高的优点，并且实现了镜头从大步长快速粗扫过渡到小步长精确细调的过程。实验证明，与传统的聚焦算法相比，该算法不仅具有较好的灵敏度，而且计算时间短，因此能快速准确的完成自动聚焦。　　 综上所述，本文提出的基于量子粒子群算法的聚焦窗口选择算法和结合了不同的评价函数配合不同的极点搜索步长的新的聚焦算法，都能提高自动聚焦的速度和精度，是非常有效的自动聚焦算法。