基于散焦图像的测距方法(DFD)是近年来机器视觉领域的研究热点之一。该方法最早是由Pentland在1987年提出的，最少只需要不同镜头参数所摄得的两幅图像，即可计算出物体到镜头间的距离信息。由于该方法属于单眼视觉，避开了目前仍未能有效解决的立体视觉特征点匹配问题，因此相对于立体视觉，该方法在很多领域更具有实际应用价值。 本文以Subbarao提出的算法为基础，首先简要介绍了散焦测距的基础原理，然后对两种测距方法进行了研究。一种算法把S变换应用于图像处理中，假设散焦图像在空间小区域内满足三阶多项式分布，并将点扩散函数的参数定义为归一化点扩散函数的二阶矩，得到了非常简单的扩散参数。本文指出S变换中简单的空域运算与纹理变化无关，并通过实验验证，测距结果也与物体纹理变化无关。另一种方法在Subbarao的算法的基础上，改变以往调焦的方式，采用调节光圈的方式获取图像。采用动态参照技术，使检测结果与物体表面纹理的变化无关，且算法计算量小，只需标定一个K值。 应用基于虚拟仪器的机器视觉系统对两种算法进行实验验证，给出的实验结果及分析图表表明了算法的有效性以及一定的局限性。采用调节镜头光圈的方法获得实验用图像，可以避免了用调焦方法获得图像所存在的放大率不同的问题。