1.一种基于改进的Retinex算法的图像清晰度判定方法，其特征在于：该方法采用工业摄像机作为待测物图片采集装置，三维位移台作为待测物载体，计算机作为图像数据处理以及待测物载体的控制装置，工业摄像机通过数据线与计算机连接，将采集的图片数据传送到计算机的存储器中，用于对图片进行分析和处理，计算机通过数据线连接三维位移台的驱动端口，计算机中安装好驱动三维位移台的驱动程序，由此控制三维位移台的位移，实现待测物在工业摄像机下方的移动。

2.根据权利要求1所述的基于改进的Retinex算法的图像清晰度判定方法，其特征在于：在所述工业摄像机与待测物载体之间水平设置一环形光源。

3.根据权利要求2所述的基于改进的Retinex算法的图像清晰度判定方法，其特征在于：环形光源将被测物照亮，工业摄像机拍摄被照亮的被测物，图像数据通过数据线传输至计算机，计算机通过串口通信控制高精度电动三维位移台移动，对被测物垂直扫描，采集图像，图像清晰度判定步骤如下：(1)计算机控制三维位移台垂直运动，以500um大步进垂直扫描被测物，确定图像由不清晰到清晰，再到不清晰的起点与终点；

(2)控制位移台回到测量起点，以100um大步进垂直扫描被测物至终点，计算每100um步进采集到图像的清晰度值，找出清晰度值最大所在图像位置A；

(3)从位置A向两端以20um小步进垂直扫描被测物，分别走5个步进，计算每20um步进采集到图像的清晰度值，比较清晰度值，最大值所在位置是摄像机对焦清晰的位置；

(4)图像光照信息估计：采用均值滤波获取图像光照近似信息；

(5)图像边缘细节提取：采用canny算子提取图像集中每幅图像的边缘细节，每幅图像canny算子中的参数k计算如下：k＝1-(0.8*ε)       式1-1

公式1-1中ε为每幅图像归一化后的梯度值α，α由公式1-3求得；

采用Tenengrad算法求得图像梯度值，采用Sobel算子分别提取水平和垂直方向的梯度值：清晰度计算公式定义如下：

D(x，y)＝∑y∑x|G(x，y)| (G(x，y)＞T)    式1-3T是个设定好的边缘检测阈值，G(x，y)的形式如下：

Gh和Gy分别是点(x，y)基于Sobel算子水平和垂直方向的卷积，使用公式1-2的模板来检测边缘；

(6)生成融合图像：将边缘细节图中灰度值为255的像素点，找到原图光照近似图像中相应位置，将该像素点的灰度值设为150，生成融合了光照近似信息和边缘细节的融合图像，见图4a至图4e，为5张垂直位移间隔200um的融合图像；

(7)Retinex算法：该算法的中心思想就是从原始图像S(x,y)中，通过一种近似的估计方法降低或去除入射分量L(x,y)带给图像的影响，达到保留物体本身的信息，进而得到反射图像R(x,y)，即增强图像，相机所采集到图像S(x,y)可以理解为是由被测物的反射分量R(x,y)与入射光分量L(x,y)相乘得到的，该过程可由公式1-1表示：S(x，y)＝R(x，y)*L(x，y)      式1-5

将公式1-5两边取对数得到：

log(R(x，y))＝log(S(x，y))-log(L(x，y))    式1-6分别取图4a至图4e中的融合图像为L(x,y)，可分别得到图5a至图5e图像增强结果；

(8)清晰度值计算：采用式1-3计算每幅增强图像，求得清晰度值，由此完成图像清晰度判定。