專(zhuān)利名稱(chēng)：基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種數(shù)字成像技術(shù)領(lǐng)域的方法，具體來(lái)講，是一種基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法。
背景技術(shù)：
現(xiàn)在，數(shù)字成像技術(shù)日新月異，但其基本原理相對(duì)以前并未發(fā)生根本性的改變，比如曝光方法。曝光作為成像設(shè)備最重要的成像因素之一，是衡量數(shù)碼圖像質(zhì)量最主要指標(biāo)中的一個(gè)。在數(shù)碼相機(jī)中，以機(jī)內(nèi)中央處理器控制電子光圈及電子快門(mén)，代替原來(lái)的機(jī)械快門(mén)及光圈。以CCD電子耦合元件代替膠卷，但曝光過(guò)程仍與原來(lái)相同?？梢园l(fā)現(xiàn)，控制光圈大小與快門(mén)速度是影響曝光量的關(guān)鍵所在，而其依據(jù)是人眼觀察或借助相機(jī)自動(dòng)測(cè)光系統(tǒng)。其中人眼觀察需要豐富的攝影經(jīng)驗(yàn)為基礎(chǔ)，只在專(zhuān)業(yè)領(lǐng)域有所應(yīng)用。目前絕大多數(shù)數(shù)碼相機(jī)都具備相當(dāng)?shù)淖詣?dòng)曝光功能，其原理就是借助自動(dòng)測(cè)光系統(tǒng)獲得數(shù)碼圖像的最佳曝光依據(jù)，再自動(dòng)配置光圈及快門(mén)來(lái)進(jìn)行拍攝。一般情況下，拍攝者只需簡(jiǎn)單的按下快門(mén)即可獲得質(zhì)量不錯(cuò)的圖像。然而，自動(dòng)曝光并非每次都能達(dá)到最佳的曝光效果，原因就是測(cè)光系統(tǒng)不能完全適應(yīng)千變?nèi)f化的光照環(huán)境，尤其是對(duì)那些背光的或復(fù)雜明暗條件下的場(chǎng)景。因此現(xiàn)在絕大部分的數(shù)碼相機(jī)又添加了曝光補(bǔ)償功能，然而，這一類(lèi)手動(dòng)曝光補(bǔ)償需要相當(dāng)?shù)呐臄z經(jīng)驗(yàn)作為基礎(chǔ)，對(duì)于一般使用者而言，在拍攝過(guò)程中，如何選擇一個(gè)恰當(dāng)?shù)钠毓庋a(bǔ)償值始終是個(gè)難題，一旦使用了錯(cuò)誤的曝光補(bǔ)償值，結(jié)果常常導(dǎo)致畫(huà)面中亮部細(xì)節(jié)或者暗部細(xì)節(jié)的更大損失，反映到人眼中即為過(guò)曝光或欠曝光，這樣不但不能起到提高圖像美觀度的目的，反而適得其反。
經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，中國(guó)專(zhuān)利公開(kāi)號(hào)CN1510497A，
公開(kāi)日為2004年7月7日，發(fā)明名稱(chēng)可以告知拍照不當(dāng)?shù)臄?shù)碼相機(jī)及其控制方法。該發(fā)明在進(jìn)行拍照時(shí)，由數(shù)字信號(hào)處理部分分析由拍照得到的圖像數(shù)據(jù)，以確定曝光量的合適程度，如不合適，告知使用者有關(guān)曝光量的信息。其判斷曝光量是否合適的依據(jù)為圖像整體亮度均值及標(biāo)準(zhǔn)差，對(duì)于均值大于某個(gè)值且標(biāo)準(zhǔn)差小于某個(gè)值的圖像，則判為過(guò)曝光或欠曝光。但由于其判斷不適當(dāng)曝光的依據(jù)僅僅限于某個(gè)臨界值而不包含圖像各個(gè)部分的具體信息，對(duì)很多計(jì)算結(jié)果接近臨界值且本身亮度相差不大的圖像判斷結(jié)果卻差別巨大，這必然導(dǎo)致判斷結(jié)果的不穩(wěn)定性與不精確性。此外該方法將整幅圖像作為一個(gè)整體來(lái)考慮，忽視了畫(huà)面不同部分的光線(xiàn)分布及重要程度問(wèn)題，比如在人像拍攝中，人的整體亮度及重要程度與背景都有巨大差異，因此對(duì)于某些圖像構(gòu)成復(fù)雜的畫(huà)面判斷結(jié)果差強(qiáng)人意。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法。本發(fā)明集成了新的測(cè)光方法的自動(dòng)曝光辦法，它具有曝光自動(dòng)比較及判斷功能，能通過(guò)特有的自動(dòng)曝光模塊對(duì)不同曝光度下的圖像進(jìn)行比較，由于使用了不同的判斷途徑，使曝光效果有明顯提高，與專(zhuān)業(yè)攝影師的肉眼判斷結(jié)果也更加接近。
本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明為一種基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，根據(jù)人臉膚色在顏色空間YCbCr中的分布特點(diǎn)，及高斯數(shù)學(xué)模型，對(duì)數(shù)碼圖像進(jìn)行區(qū)域分割，將圖像分割成基于人體的6大區(qū)域，又根據(jù)圖像曝光情況與其灰度直方圖分布的對(duì)應(yīng)關(guān)系，通過(guò)統(tǒng)計(jì)直方圖在靠近灰度值0及255的某個(gè)鄰域內(nèi)的象素?cái)?shù)量進(jìn)行求和計(jì)算，以其結(jié)果val(i)來(lái)表征各個(gè)區(qū)域的曝光評(píng)價(jià)值，其值越小，曝光效果則更佳，并引入模糊邏輯系統(tǒng)，綜合各個(gè)區(qū)域的灰度信息，得到每個(gè)區(qū)域不同的權(quán)重值w(i)，最后計(jì)算得到res(s)值來(lái)獲得整個(gè)畫(huà)面的自動(dòng)曝光判斷結(jié)果。
本發(fā)明針對(duì)數(shù)碼圖像以人物肖像為主的特點(diǎn)，首先利用人體膚色模型，在不同顏色空間YCbCR及HSV中，對(duì)人臉進(jìn)行檢測(cè)，利用高斯模型檢測(cè)出以人臉為灰度依據(jù)的二值圖像，其中人臉以白色表示，背景則以黑色代替，此后以其位置為基礎(chǔ)進(jìn)行圖像分割，首先找到的人臉區(qū)域?yàn)楹诵膮^(qū)域①，根據(jù)人體比例因素，將寬度為區(qū)域①的1.5倍的下方區(qū)域定為區(qū)域③，區(qū)域②為胸部以上包括頭部周?chē)糠直尘暗沫h(huán)形區(qū)域，區(qū)域②上方為天頂區(qū)域⑥，區(qū)域④及區(qū)域⑤分別位于兩側(cè)，此過(guò)程中若未能檢測(cè)到人臉，則以中央?yún)^(qū)域?yàn)橹攸c(diǎn)，按一定比例，同樣將圖像分成6個(gè)區(qū)域。
在研究數(shù)碼圖像與其灰度直方圖的關(guān)系之后，發(fā)現(xiàn)圖像曝光度與其灰度直方圖中象素的分布特點(diǎn)存在直接的對(duì)應(yīng)相互關(guān)系，根據(jù)這個(gè)規(guī)律，運(yùn)用數(shù)學(xué)統(tǒng)計(jì)手段對(duì)每個(gè)分區(qū)的直方圖信息進(jìn)行獨(dú)立統(tǒng)計(jì)，具體是將靠近直方圖邊緣部分的象素?cái)?shù)根據(jù)其灰度進(jìn)行加權(quán)合成。
最后引入模糊邏輯，首先計(jì)算剛才劃分的6個(gè)分區(qū)各自的亮度信息，再結(jié)合灰度直方圖的數(shù)學(xué)統(tǒng)計(jì)結(jié)果，運(yùn)用兩條模糊規(guī)則進(jìn)行自適應(yīng)判斷，使數(shù)碼圖像的曝光值能適應(yīng)于各種光照條件下的曝光要求。
本發(fā)明的效果通過(guò)基于膚色模型的區(qū)域分割、直方圖統(tǒng)計(jì)及模糊邏輯系統(tǒng)對(duì)數(shù)碼圖像的曝光情況進(jìn)行更好的分析和判斷。首先根據(jù)畫(huà)面的直方圖信息，通過(guò)基于數(shù)碼圖像成像特點(diǎn)的圖像分割及模糊邏輯對(duì)各種不同明暗條件下的曝光適當(dāng)與否進(jìn)行判斷，這樣對(duì)于那些較為常用的人像攝影及復(fù)雜明暗條件下的曝光判別都具有較好的適應(yīng)性，同時(shí)還能夠?qū)ν粓?chǎng)景下不同曝光補(bǔ)償值拍攝的圖像進(jìn)行比較，其實(shí)現(xiàn)過(guò)程也相當(dāng)簡(jiǎn)單，只需用戶(hù)變換曝光補(bǔ)償值再進(jìn)行一次上述判斷即可，經(jīng)過(guò)與有經(jīng)驗(yàn)的攝影師的肉眼評(píng)判結(jié)果比較，發(fā)現(xiàn)對(duì)于那些構(gòu)圖復(fù)雜或者奇異曝光的圖像大大提高了判斷的準(zhǔn)確性和穩(wěn)定性，且速度快捷，操作簡(jiǎn)單。本發(fā)明可以廣泛應(yīng)用于數(shù)碼照相機(jī)，數(shù)碼攝像機(jī)、醫(yī)用或工業(yè)用探頭等數(shù)字成像領(lǐng)域


圖1A為本發(fā)明中數(shù)碼圖像曝光量合適時(shí)所對(duì)應(yīng)亮度直方圖；圖1B為本發(fā)明中數(shù)碼圖像曝光過(guò)度時(shí)所對(duì)應(yīng)亮度直方圖；圖1C為本發(fā)明中數(shù)碼圖像曝光不足時(shí)所對(duì)應(yīng)亮度直方圖；圖2為本發(fā)明實(shí)施例的區(qū)域分割圖；圖3為本發(fā)明中曝光判斷方法的流程圖；具體實(shí)施方式
以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
實(shí)施例中使用的人臉圖像來(lái)自于自行拍攝的人臉圖像庫(kù)。其過(guò)程如下(1)針對(duì)數(shù)碼圖像以人物肖像為主的特點(diǎn)，首先利用人體膚色模型，在不同顏色空間中，對(duì)人臉進(jìn)行檢測(cè)，在檢測(cè)出人臉的位置后，以其位置為基礎(chǔ)進(jìn)行圖像分割，若未能檢測(cè)到人臉，則以中央?yún)^(qū)域?yàn)橹攸c(diǎn)，同樣分成6個(gè)區(qū)域。
發(fā)明中，步驟(1)首先是對(duì)數(shù)碼圖像進(jìn)行分區(qū)，其依據(jù)主要是人臉的位置，因?yàn)榇蠖鄶?shù)圖像仍是以人像為主體，根據(jù)人臉對(duì)畫(huà)面進(jìn)行區(qū)域分割，可以得到最好的權(quán)重比例。
由于人體膚色的特殊性，雖然不同人的皮膚顏色可能相差很大，但它們?cè)谏壬系牟町愡h(yuǎn)小于亮度上的差異，因此可以根據(jù)膚色模型進(jìn)行判斷。人體膚色在YCbCr(Y為亮度信號(hào)，Cb，Cr分別為色差信號(hào)B-Y，R-Y)顏色空間中分布較為集中且易于辨認(rèn)，其整體分布域類(lèi)似一個(gè)紡錘體，不同的膚色在此空間中具有相同的2D Gaussian模型G(m，v2)m=(Cr,‾Cb‾)]]>Cr‾=1NΣi=1NCri]]>Cb=1NΣi=1NCbi]]>V=σCr,CrσCr,CbσCb,CrσCb,Cb]]>其中， 為Cr，Cb相應(yīng)的平均值，V為協(xié)方差矩陣。
通過(guò)膚色模型，將彩色圖像轉(zhuǎn)換為灰度圖，灰度值對(duì)應(yīng)于該點(diǎn)屬于皮膚區(qū)域的可能性，通過(guò)選取適當(dāng)?shù)拈撝担梢詫⒒叶葓D進(jìn)一步轉(zhuǎn)換為二值圖，從而得到皮膚區(qū)域。
而在HSV(色調(diào)H、飽和度S，亮度V)空間中，體現(xiàn)了人眼辨別顏色的特點(diǎn)，較適合于描述和分析顏色區(qū)域，可以對(duì)YCbCr空間進(jìn)行補(bǔ)充。因此本發(fā)明結(jié)合了這兩個(gè)顏色空間來(lái)判斷人臉位置。
在確定人臉位置后，即可對(duì)畫(huà)面進(jìn)行分區(qū)，首先找到的人臉區(qū)域?yàn)楹诵膮^(qū)域①，根據(jù)人體比例因素，將寬度為區(qū)域①的1.5倍的下方區(qū)域定為區(qū)域③，區(qū)域②為胸部以上包括頭部周?chē)糠直尘暗沫h(huán)形區(qū)域，區(qū)域②上方為天頂區(qū)域⑥，區(qū)域④及區(qū)域⑤分別位于兩側(cè)。
若未能找到人臉區(qū)域，仍可將畫(huà)面按比例分割成類(lèi)似的六個(gè)區(qū)域，只需適當(dāng)增加中央?yún)^(qū)域的權(quán)重即可。
(2)在分區(qū)完成后，根據(jù)圖像曝光度與其灰度直方圖分布之間的相互關(guān)系，對(duì)每個(gè)分區(qū)的直方圖信息進(jìn)行獨(dú)立統(tǒng)計(jì)，具體是將靠近直方圖邊緣部分的象素?cái)?shù)加權(quán)合成。
在研究畫(huà)面的曝光情況及其灰度直方圖時(shí)發(fā)現(xiàn)，數(shù)碼圖像發(fā)生欠曝光時(shí)，它對(duì)應(yīng)的灰度直方圖中，像素大量集中在灰度值為0的一端，并且有明顯的溢出現(xiàn)象，而在灰度值靠近255的一端，則很少甚至沒(méi)有。相反圖像發(fā)生過(guò)曝光時(shí)，則像素大量集中在灰度高的區(qū)域并有溢出現(xiàn)象，而在灰度低的區(qū)域很少出現(xiàn)。最后，當(dāng)圖像曝光量適當(dāng)時(shí)，像素分布較為均勻，并主要集中在靠近中央的區(qū)域，在靠近0及255處出現(xiàn)的像素?cái)?shù)量較少。分別見(jiàn)附圖1-A，1-B，1-C。本發(fā)明根據(jù)這種特點(diǎn)，得到了一種判斷方法，通過(guò)對(duì)圖像直方圖靠近0及255處兩個(gè)鄰域內(nèi)的像素?cái)?shù)量進(jìn)行統(tǒng)計(jì)，并加權(quán)求和，val(i)＝x1·m(1)+x2·m(2)+Λxk·m(k)+x255-k+1m(255-k+1)，其值越小，則該數(shù)+x255-k+2m(255-k+2)+Λx255m(255)碼圖像的曝光量就更合適。
其中x(i)表示整幅圖像中灰度值為i的象素個(gè)數(shù)，m(i)則表示灰度值為i的象素的權(quán)重值。
對(duì)畫(huà)面進(jìn)行分區(qū)后，對(duì)每個(gè)區(qū)域獨(dú)立進(jìn)行這樣的灰度統(tǒng)計(jì)，得到6個(gè)區(qū)域各自的曝光評(píng)價(jià)值val(1)、val(2)、val(3)……val(6)。
(3)最后在模糊系統(tǒng)中根據(jù)各個(gè)分區(qū)的亮度分布特點(diǎn)運(yùn)用兩條模糊規(guī)則進(jìn)行自適應(yīng)判斷，并得到最終結(jié)果。
這步是本發(fā)明的核心，通過(guò)模糊邏輯系統(tǒng)對(duì)各個(gè)區(qū)域的統(tǒng)計(jì)值進(jìn)行賦權(quán)，再加權(quán)求和，得到最終結(jié)果，相機(jī)或成像設(shè)備根據(jù)這個(gè)值來(lái)配置曝光飽償值。
其中的模糊邏輯系統(tǒng)，最先是一種數(shù)學(xué)概念，現(xiàn)在則被越來(lái)越多的用于計(jì)算機(jī)人工智能領(lǐng)域。
模糊邏輯概念的核心及它的基礎(chǔ)是模糊集合，它是一種不同于一般數(shù)學(xué)概念的集合，舉例如普通數(shù)學(xué)概念中，元素a與集合A之間只存在兩種概念，屬于或者不屬于。但在模糊邏輯中，元素a與集合A之間存在更多的從屬關(guān)系，元素a可以50％屬于集合A，另50％屬于集合B。通過(guò)模糊邏輯，數(shù)學(xué)邏輯不再那么清晰明確，使得計(jì)算機(jī)在進(jìn)行條件判斷時(shí)，出現(xiàn)更多更豐富的選擇，這種“模糊”性使得計(jì)算機(jī)出現(xiàn)人工智能化的趨勢(shì)。
在本發(fā)明中，運(yùn)用模糊邏輯系統(tǒng)，將各個(gè)區(qū)域的灰度平均值劃分到幾個(gè)集合中去。并運(yùn)用如下的邏輯規(guī)則a.當(dāng)①區(qū)平均亮度與③區(qū)相近，而與②區(qū)差距較大時(shí)，區(qū)域①及區(qū)域③將被賦予較大的權(quán)重。
b.當(dāng)6個(gè)區(qū)域的總平均亮度偏小，而其最亮區(qū)域的亮度偏大時(shí)，較暗的區(qū)域?qū)⒈毁x予較大權(quán)重。
規(guī)則a指在拍攝過(guò)程中，最為常見(jiàn)的曝光異常是背光，即被攝對(duì)象背對(duì)光源，而相機(jī)對(duì)著被攝對(duì)象正面進(jìn)行拍攝，這種情況通常會(huì)造成背景過(guò)于明亮而主體偏暗的曝光異常。因此可以看到，剛才通過(guò)膚色模型找到的區(qū)域①，即圖中的人形曲線(xiàn)所表征的虛擬人體，正處在背光下，區(qū)域①及區(qū)域③由于光線(xiàn)被遮擋，亮度都相對(duì)較低并相近，而區(qū)域②因?yàn)榘嗣髁恋谋尘安糠?，因此亮度要更大一些，與區(qū)域①及③拉開(kāi)距離。此時(shí)作為畫(huà)面主體的人像對(duì)整體曝光質(zhì)量影響更大，應(yīng)適當(dāng)增加區(qū)域①和③的權(quán)重。
規(guī)則b指人眼的感光特點(diǎn)，往往更注意暗部細(xì)節(jié)的損失。當(dāng)6個(gè)區(qū)域的總平均亮度偏小，畫(huà)面的整體亮度也較低，但最亮區(qū)域的亮度偏大，則說(shuō)明畫(huà)面對(duì)比度較大，此時(shí)暗部細(xì)節(jié)顯得更加重要，類(lèi)似于背光的情況，應(yīng)當(dāng)增加亮度較低區(qū)域的權(quán)重。
此模糊邏輯系統(tǒng)中，首先需要確定輸入、輸出量的隸屬函數(shù)，在隸屬函數(shù)中，以y值代表輸入量對(duì)某個(gè)集合的隸屬度，以x值代表輸入量的值。
在模糊規(guī)則a中，輸入量X1＝V2/V1，X2＝V3/V1，因其是相互對(duì)稱(chēng)的輸入量，因此它們有相同的隸屬函數(shù)。其中Vi代表區(qū)域i的平均灰度。
這兩個(gè)輸入量的值域?yàn)?br> ，在其值域內(nèi)劃分出5個(gè)模糊集合，分別為zd、zx、zh、fx、fd，用于表征V2與V1，V3與V1之間的大小關(guān)系。
以輸入量X1為例，其中，集合zd表示V2遠(yuǎn)小于V1的區(qū)域，fd標(biāo)V2遠(yuǎn)大于V1的區(qū)域，它們以1為中心互相對(duì)稱(chēng)，因此有Zd:y=1(0<x≤0.2)=-1.25x+1.25(0.2<x≤1)]]>Fd:y=1.25-1.25/x(1≤x<5)=1(x≥5)]]>同理，zx與fx也以1為中心互相對(duì)稱(chēng)，其隸屬函數(shù)表達(dá)式為Zx:y=4x-2(0.5≤x<0.75)=-4x+4(0.75≤x≤1)]]>Fx:y=4x-4(1≤x<1.25)=-4x+6(1.25≤x≤1.5)]]>最后，集合zh的隸屬函數(shù)本身也相對(duì)軸x＝1對(duì)稱(chēng)，其函數(shù)表達(dá)式Zh:y=4x-3(0.75≤x<1)=-4x+5(1≤x≤1.25)]]>確定了輸入量的隸屬函數(shù)后，來(lái)看輸出量Output的隸屬函數(shù)，其值域?yàn)閇-2，2]，其值越大，對(duì)于規(guī)則a的相符程度越高，再據(jù)此調(diào)整各區(qū)域的權(quán)重。
Output的值域被劃分為5個(gè)模糊集合，U1，U2，U3(U4)，U5，U6，它們的隸屬函數(shù)分別為
U1:y=1(-2≤x≤-1.5)=-2x+2(-1.5≤x≤-1)]]>U2:y=2x+3(-1.5≤x<-1)=1(-1≤x<-0.5)=-2x(-0.5≤x≤0)]]>U3(U4):y=2x+1(-0.5≤x<0)=-2x+1(0≤x≤0.5)]]>U5:y=2x(0≤x<0.5)=1(0.5≤x<1)=-2x+3(1≤x≤1.5)]]>U6:y=2x-2(1≤x<1.5)=1(1.5≤x≤2)]]>根據(jù)模糊規(guī)則a，輸入量X1與X2的模糊集合與輸出量output的模糊集合之間存在如下表所示的對(duì)應(yīng)關(guān)系

同理，模糊規(guī)則b也包含了兩個(gè)輸入量及一個(gè)輸出量，分別為X3，X4及Output2，其中X3為六個(gè)區(qū)域各自平均灰度中的最大值，X4為六個(gè)區(qū)域各自平均灰度再取平均值，Output2則用來(lái)表征數(shù)碼圖像實(shí)際情況相對(duì)規(guī)則b的相符程度，它的值越大，對(duì)規(guī)則b的相符程度就越高，再據(jù)此調(diào)整各區(qū)域的權(quán)重。
由于量綱一致，輸入量X3與X4共用相同的隸屬函數(shù)，其值域?yàn)?br> ，被劃分為3個(gè)模糊集合，分別為x，zh，d，其函數(shù)表達(dá)式如下
x:y=1(0≤x<75)=-0.02x+2.5(75≤x≤125)]]>zh:y=0.02x-1.5(75≤x<125)=-0.02x+3.5(1255≤x≤175)]]>d:y=0.02x+2.5(100≤x<175)=1(175≤x≤255)]]>輸出量Output2的值域?yàn)?br> ，劃分為5個(gè)模糊集合，分別為V1，V2，V3，V4，V5，它們的隸屬函數(shù)表達(dá)式如下V1:y=1(0≤x<0.2)=-5x+2(0.2≤x≤0.4)]]>V2:y=(10/3)x-2/3(0.2≤x<0.5)=-(10/3)x+8/3(0.5≤x≤0.8)]]>V3:y=2.5x-1.5(0.6≤x<1)=-2.5x+3.5(1≤x≤1.4)]]>V4:y=(10/3)x-4(1.2≤x<1.5)=-(10/3)x+6(1.5≤x≤1.8)]]>V5:y=5x-8(1.6≤x<1.8)=1(1.8≤x≤2)]]>根據(jù)模糊規(guī)則b，輸入量X3與X4的模糊集合與輸出量Output2的模糊集合之間存在如下表所示的對(duì)應(yīng)關(guān)系

由模糊邏輯得到Output及Output2的值后，將其代入權(quán)重計(jì)算式得到6個(gè)區(qū)域各自對(duì)應(yīng)的權(quán)重值，w(1)、w(2)……w(6)。
最后，結(jié)合上面得到的每個(gè)區(qū)域曝光評(píng)價(jià)值val(i)與w(i)，得到最后結(jié)果res(s)=w(1)×val(1)+w(2)×val(2)+w(3)×val(3)+w(4)×val(4)+w(5)×val(5)+w(6)×val(6)w(1)+w(2)+w(3)+w(4)+w(5)+w(6)]]>res值越小，那么圖像的曝光效果就越好。
權(quán)利要求
1.一種基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，其特征在于，根據(jù)人臉膚色模型及高斯模型，對(duì)數(shù)碼圖像進(jìn)行區(qū)域分割，將圖像分割成基于人體的6大區(qū)域；又根據(jù)圖像曝光情況與其灰度直方圖分布的對(duì)應(yīng)關(guān)系，通過(guò)統(tǒng)計(jì)直方圖在靠近灰度值0及255的某個(gè)鄰域內(nèi)的象素?cái)?shù)量進(jìn)行求和計(jì)算，以其結(jié)果val(i)來(lái)表征各個(gè)區(qū)域的曝光評(píng)價(jià)值，并引入模糊邏輯系統(tǒng)，綜合各個(gè)區(qū)域的灰度信息，得到每個(gè)區(qū)域不同的權(quán)重值w(i)，最后計(jì)算得到res(s)值來(lái)獲得整個(gè)畫(huà)面的自動(dòng)曝光判斷結(jié)果。
2.根據(jù)權(quán)利要求1所述的多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，其特征是，所述的根據(jù)人臉膚色模型及高斯模型，對(duì)數(shù)碼圖像進(jìn)行區(qū)域分割，具體為人體膚色在YCbCr顏色空間中分布較為集中且易于辨認(rèn)，其整體分布域類(lèi)似一個(gè)紡錘體，不同的膚色在此空間中具有相同的2D Gaussian模型G(m，v2)，通過(guò)膚色模型，將彩色圖像轉(zhuǎn)換為灰度圖，灰度值對(duì)應(yīng)于該點(diǎn)屬于皮膚區(qū)域的可能性，通過(guò)選取閾值，將灰度圖進(jìn)一步轉(zhuǎn)換為二值圖，從而得到皮膚區(qū)域，以皮膚區(qū)域?yàn)榛A(chǔ)，將圖像進(jìn)行分割。
3.根據(jù)權(quán)利要求1所述的多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，其特征是，所述的將圖像分割成基于人體的6大區(qū)域，具體為首先找到的人臉區(qū)域?yàn)楹诵膮^(qū)域①，根據(jù)人體比例因素，將寬度為區(qū)域①的1.5倍的下方區(qū)域定為區(qū)域③，區(qū)域②為胸部以上包括頭部周?chē)糠直尘暗沫h(huán)形區(qū)域，區(qū)域②上方為天頂區(qū)域⑥，區(qū)域④及區(qū)域⑤分別位于兩側(cè)。
4.根據(jù)權(quán)利要求1所述的基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，其特征是，所述的通過(guò)統(tǒng)計(jì)直方圖在靠近灰度值0及255的某個(gè)鄰域內(nèi)的象素?cái)?shù)量進(jìn)行求和計(jì)算，以其結(jié)果val(i)來(lái)表征各個(gè)區(qū)域的曝光評(píng)價(jià)值，是指通過(guò)對(duì)圖像直方圖靠近0及255處兩個(gè)鄰域σ內(nèi)的像素?cái)?shù)量進(jìn)行統(tǒng)計(jì)，并加權(quán)求和val(i)＝x1·m(1)+x2·m(2)+Λxk·m(k)+x255-k+1m(255-k+1)，val(i)值越小，則+x255-k+2m(255-k+2)+Λx255m(255)該數(shù)碼圖片的曝光效果越好；其中x(i)表示整幅圖像中灰度值為i的象素個(gè)數(shù)，m(i)則表示灰度值為i的象素的權(quán)重值。
5.根據(jù)權(quán)利要求1所述的基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，其特征是，所述的引入模糊邏輯系統(tǒng)，具體為運(yùn)用模糊邏輯系統(tǒng)，將各個(gè)區(qū)域的灰度平均值劃分到幾個(gè)集合中去，并運(yùn)用如下的邏輯規(guī)則，a.當(dāng)核心區(qū)域①平均亮度與③區(qū)相近，而與②區(qū)差距較大時(shí)，區(qū)域①及區(qū)域③將被賦予較大的權(quán)重；b.當(dāng)6個(gè)區(qū)域的總平均亮度偏小，而其最亮區(qū)域的亮度偏大時(shí)，較暗的區(qū)域?qū)⒈毁x予較大權(quán)重；得到6個(gè)區(qū)域各自的權(quán)重值w(1)、w(2)……w(6)。
6.根據(jù)權(quán)利要求1所述的基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，其特征是，所述的res(s)值，由以下公式得到res(s)=w(1)×val(1)+w(2)×val(2)+w(3)×val(3)+w(4)×val(4)+w(5)×val(5)+w(6)×val(6)w(1)+w(2)+w(3)+w(4)+w(5)+w(6)]]>其中w(i)表示6個(gè)區(qū)域各自的權(quán)重值，val(i)則表示每個(gè)區(qū)域基于直方圖統(tǒng)計(jì)的曝光評(píng)價(jià)值；最終結(jié)果為res(s)，其值越小，那么曝光效果越好。
全文摘要
一種基于多區(qū)域分割及模糊邏輯的自動(dòng)曝光方法，屬于數(shù)字成像技術(shù)領(lǐng)域。本發(fā)明根據(jù)人臉膚色模型及高斯模型，對(duì)數(shù)碼圖像進(jìn)行區(qū)域分割，將圖像分割成基于人體的6大區(qū)域；又根據(jù)圖像曝光情況與其灰度直方圖分布的對(duì)應(yīng)關(guān)系，通過(guò)統(tǒng)計(jì)直方圖在靠近灰度值0及255的某個(gè)鄰域內(nèi)的象素?cái)?shù)量進(jìn)行求和計(jì)算，以其結(jié)果val(i)來(lái)表征各個(gè)區(qū)域的曝光評(píng)價(jià)值，并引入模糊邏輯系統(tǒng)，綜合各個(gè)區(qū)域的灰度信息，得到每個(gè)區(qū)域不同的權(quán)重值w(i)，最后計(jì)算得到res(s)值來(lái)獲得整個(gè)畫(huà)面的自動(dòng)曝光判斷結(jié)果。本發(fā)明大大提高了準(zhǔn)確性和穩(wěn)定性，且速度快捷，操作簡(jiǎn)單，具有實(shí)用性。
文檔編號(hào)H04N5/235GK1997113SQ200610148208
公開(kāi)日2007年7月11日 申請(qǐng)日期2006年12月28日 優(yōu)先權(quán)日2006年12月28日
發(fā)明者趙群飛, 周杰, 孫明, 余佳, 袁坤, 張森 申請(qǐng)人:上海交通大學(xué)