CogImageSharpnessTool工具的功能原理
利用CogImageSharpnessTool工具可以测量图像的清晰度，在取像设备的焦距调整时非常有用。此工具每执行一次，就会返回一次代表图像清晰度的分数值，分数越高说明图像越清晰，在保持其他参数不变的情况下，调整焦距，并连续测量图像的清晰度，通过这种方法，你可以很方便的将焦距调整到最佳值。
CogImageSharpnessTool工具提供四种方法来衡量图像的清晰度，分别是：带通、自相关、绝对差异、梯度能量。
带通
图像的灰度模型可以用频率来描述，锐利的边缘具有较高的频率，模糊边缘具有较低的频率。
图1 高频和低频边缘
此种方式下，CogImageSharpnessTool工具通过查找指定频率的边缘来对图像进行分析，可以指定一个频率范围，范围之外的被忽略，清晰度得分根据频率范围内的进行计算。含有噪声的图像一般有较高的频率，通过排除高频段，可以排除噪声对图像清晰度的影响。选择这种方式的时候你需要同时设定频率范围。
自相关
自相关方式通过计算图像的模糊度来反映图像的清晰度，图像的模糊程度通过图像和图像的一部分的偏移的标准自相关系数来确定，自相关系数越高，图像越模糊。
图2 标准自相关系数来反映图像清晰度
绝对差异
绝对差异方式通过计算像素点的像素值与模糊偏移量的像素点的像素值的差值来衡量图像的清晰度，差值越大图像越清晰。
图3 通过像素差值来反映图像清晰度
梯度能量
此方式下，CogImageSharpnessTool工具利用一个3 像素的核来求取图像的能量梯度。能量梯度越大图像越清晰。
图4 3像素核
