從圖4(a)、(b)、(c)中可以看出，相對于B、C兩個聚焦區域，聚焦區域A的評價函數曲線在聚焦點附近仍保持了很高的靈敏度，而C區域的函數曲線圖4(c)與A、B兩個區域的函數曲線圖4(a)、(b)相比，不僅不能滿足單峰性，而且靈敏度低，還有很多局部“峰值”，可見C區域明顯不能滿足調焦曲線函數的要求。由圖4(d)可知，A區域正焦圖為第33幅，與系統給定的正焦圖片一樣，選擇A區域作為聚焦區域可以達到正確對焦的效果。而B區域正焦圖為第35幅，所選聚焦區域已經造成了誤對焦，而且B區域的評價函數曲線還出現了不少局部“峰值”。
由于圖像噪聲近似為高斯白噪聲，噪聲點分布也是隨機的，所以不同聚焦區域的選擇總會引入一些噪聲，對無明顯邊緣信息的C窗口，調焦評價函數曲線出現隨機波動，受噪聲的影響比較大；對于邊緣豐富的A窗口，調焦評價函數曲線單峰值尖銳。由此可以看到，在同樣引入了噪聲的情況下，聚焦窗口圖像邊緣能量[5]信噪比越高，對噪聲的抑制能力越強，評價函數曲線性能越好。從而證明了細節豐富的聚焦區域具有更好的調焦特征曲線。因此，選擇細節豐富的區域進行調焦，對提高精度十分有利。
　為了分析既定的聚焦區域位置、不同大小的聚焦窗口對調焦評價函數曲線造成的影響，本研究選用A區域中(300×380)像素點為中心，分別繪出如圖3所示的不同大小的正方形，分別為10×10、50×50、100×100、120×120、150×150大小的窗口，得到調焦評價函數曲線分別如圖5、圖6所示。

　分析圖5可以得出：當聚焦區域太小、包含的紅外圖像的信息太少時，調焦評價函數性能會變差或不能用于自動調焦(如圖5(d))；當聚焦區域為50×50大小時，出現了局部峰值，不滿足單峰性，會干擾自動調焦；當聚焦區域進一步縮小為10×10大小時(如圖5(a))，這時的區域內所包含的紅外圖像信息被大幅度消減，曲線出現大幅波動，已不符合調焦評價函數的選取要求。
　分析圖5和圖6可以得出：選用更大面積的聚焦區域不一定能使評價函數性能更好，如圖6(c)所示，150×150區域在第32幅圖的時候就已經基本達到了最大值，100×100、120×120區域窗口的調焦評價函數曲線的靈敏度均要好于150×150區域窗口的評價函數曲線。

　通過以上的分析可知，聚焦區域選擇的重要原則是：盡可能選擇邊緣豐富的圖像區域，減少無邊緣的背景區域的選入，以避免引入更多的噪聲；當所選聚焦區域太小，則調焦評價函數性能會變差或不能用于自動調焦，應盡可能選擇大的窗口以保持評價函數的穩定性，但是越大的聚焦窗口評價函數性能未必就越好，反而可能引入越多無關的背景，因此，應該盡可能少地引入無關的背景以保證評價函數的單峰性。
參考文獻
[1] ZHU K F. An effective focusing algorithm based on non-uniform Sampling[C]. IEEE VLSI’ 2005 Suzhou， 2005： 276-278.
[2] 陳琛.圖像式三坐標測量儀大范圍快速自動調焦策略的研究[D].上海：上海交通大學，2008.
[3] 麻恒闊，魏國強.基于圖像處理自動調焦方法的穩定性研究[J].航空精密制造技術，2007，43(2)：34-35.
[4] 李奇，徐之海.數字成像系統自動對焦區域設計[J].光子學報，2002，31(1)：64-65.
[5] 周賢.基于圖像邊緣能量的自動聚焦算法[J].光學技術，2006，32(2)：213-217.