CN101808200A - 一种基于感兴趣区域的相机测光方法 - Google Patents

Abstract

本发明公开了一种基于感兴趣区域的相机测光方法。它是将输入图像分割成若干正方形图像块，即最小编码单元，对最小编码单元进行二维离散余弦变换，得到频率分量分布矩阵F，对频率分量分布矩阵F滤波，得到滤波后的频率分量分布矩阵F’，对滤波后的频率分量分布矩阵F’各项进行累加，得出最小编码单元的显著度W，根据最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度大于等于Th，就是感兴趣区域，将感兴趣区域内像素的亮度值累加，除以感兴趣区域所包含的像素个数，得出平均亮度值E。本发明能在背光或拍摄主体不在预设区域的情况下实现较好的测光效果，还具有运算量低的优点。

Description

一种基于感兴趣区域的相机测光方法

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于感兴趣区域的相机测光方法。

背景技术

相机的测光是为曝光控制服务的，它为曝光控制提供依据。最基本的相机测光方法是平均测光。它通过计算整幅图像的亮度均值来估计图像的亮度水平。该方法在背景与主体亮度相差不大的情况下有着较好的性能。但当背景的平均亮度与主体的平均亮度相差较大时，该方法获得的参数受到背景亮度的严重影响，因而会导致被拍摄主体过曝光或欠曝光。

为了解决上述问题，目前使用的大多数方法都对上述方法做出了相应的改进。

有一类测光方法采用分区加权的方式，对于图像中不同的部分给予不同的权重。中央重点平均测光是这类方法中比较典型的一种。中央重点平均测光是一种普遍运用于当前数码相机中的测光方法。这种模式的测光重点放在画面中央(约占画面的60％)，同时兼顾画面边缘。它可大大减少画面曝光不佳的现象，是目前单镜头反光照相机主要的测光模式。但是这种测光方法仍然有灵活性方面的不足。由于在智能车辆的机器视觉应用中，自动摄像设备并不总是如人类摄影师一样将摄影主体放置在镜头的中央区域中，这一特点使得这种方法在可移动平台上的机器视觉应用中受到较大的限制。也就是说，当拍摄主体不在画面的中央区域时，该方法无法进行准确的测光。此外，该方法在背光条件下也无法进行成功的测光。

还有一类测光方法采用固定的模板。这类方法有点测光和中央部分测光。

点测光是使用图像中央4％的区域来评价其曝光水平，测光元件仅测量画面中心很小的范围。摄影时把照相机镜头多次对准被摄主体的各部分，逐个测出其亮度，最后由摄影者根据测得的数据决定曝光参数。而中央部分测光则是对画面中心处约占画面12％的范围进行测光。

这种方法对于鱼眼镜头，或是固定位置的监视摄像机有较好的效果，但是几乎谈不上灵活性。拍摄主体只要偏离预先设定的区域就无法进行正常的测光。

发明内容

本发明的目的是为了解决现有测光方法在背光或拍摄主体不在预设区域的情况下，其测光效果欠佳的问题，提供一种基于感兴趣区域的相机测光方法。该方法不仅可以解决上述技术问题，而且充分利用当今大多数数码相机将图片压缩为JPEG格式这一特点，利用压缩运算过程的中间结果进行测光，实现了与图像压缩过程的运算共享，从而降低了相机内部微处理器的运算负担。

本发明为解决其技术问题所采用的技术方案步骤如下。

基于感兴趣区域的相机测光方法包括如下步骤：

1)将系统输入的图像分割成若干N×N像素大小的正方形图像块，每个N×N像素大小的正方形图像块叫做最小编码单元，N取2～100，对每个最小编码单元进行二维离散余弦变换，变换结果为频率分量分布矩阵F；

2)对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’；

3)对滤波后的频率分量分布矩阵F’各项进行累加，得出每一块最小编码单元的显著度W；

4)根据每一块最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度小于Th，那么最小编码单元所对应的图像区域就是不感兴趣区域；如果最小编码单元的显著度大于等于Th，就是感兴趣区域，由此可确定感兴趣区域的范围；

5)将感兴趣区域内所有像素的亮度值累加，除以感兴趣区域所包含的总的像素个数，得出感兴趣区域的平均亮度值E，以亮度值为横坐标，以亮度值等于横坐标的像素的个数为纵坐标，对感兴趣区域进行直方图统计，可获得图像修正过的亮度直方图。

所述的对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’步骤包括：规定频率分量分布矩阵F的行号和列号分别按照从上到下和从左到右的方向从0开始递增，先将频率分量分布矩阵F中第u列第v行这个元素所在的行号和列号除以2N分别得到X和Y，再将X和Y求平方并加和得到K，对K开平方就得到频率分量分布矩阵F中第X行第Y列这个分量所对应的归一化频率值f(u，v)，依次扫描频率分量分布矩阵F中的每一个元素并对其进行上述操作，如果f(u，v)属于0.03到0.25，则在一个与频率分量分布矩阵F具有相同行数和列数的零矩阵的对应位置上写1，反之写0，这样就得到带通滤波矩阵B，查询每一块最小编码单元的频率分量分布矩阵F中每一个元素在带通滤波矩阵B中对应位置上的值，如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为1，则这个元素通过滤波器并被输出到滤波后的频率分量分布矩阵F’；如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为0，则这个元素被滤除，滤波器在滤波后的频率分量分布矩阵F’的相应位置上输出0。

所述的根据每一块最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度小于Th，那么最小编码单元所对应的图像区域就是不感兴趣区域；如果最小编码单元的显著度大于等于Th，就是感兴趣区域，由此可确定感兴趣区域的范围步骤包括：

(1)以X₀为直方图横坐标轴的起始坐标，以Δx为步长，将直方图横坐标轴划分为连续若干个统计区间，依次扫描所有的最小编码单元的显著度W，如果该值落在直方图第i个统计区间内，则N(i)增加1，N(i)表示落在第i个区间内的最小编码单元的个数。由于最小编码单元的总数是有限的，因此i是有限的，我们假设i的最大值是M；

(2)找出M个N(i)中的最大值，假设是N(m)，它所在的区间为第m个区间，从第m个区间向i增大的方向扫描，直到找到第一个N(i)小于δN(m)的区间为止，δ取0.1，假设这个区间是第m+k个区间，继续扫描N(m+k+1)和N(m+k+2)，如果N(m+k+1)和N(m+k+2)的值都小于δN(m)，则阈值Th＝X₀+(m+k-1)×Δx；如果N(m+k+1)和N(m+k+2)的值不都小于δN(m)，就继续扫描，直到找到这样一个区间满足上述条件；

(3)依次将每一块最小编码单元的显著度W与阈值Th比较，如果一个最小编码单元的显著度W小于Th，那么这个最小编码单元所对应的图像区域就是不感兴趣区域；如果一个最小编码单元的显著度W大于等于Th，那么这个最小编码单元所对应的图像区域就是感兴趣区域。

本发明与现有技术相比具有的有益效果是：

1)本发明能在背光或正面强光的情况下实现较好的测光效果；

2)本发明能在拍摄主体不在画面预设区域的情况下实现较好的测光效果；

3)本发明所得的测光结果能客观的反映人眼关心区域或拍摄主体的亮度值；

4)利用压缩运算过程的中间结果进行测光，运算量低。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是基于感兴趣区域的相机测光方法的流程图；

图2是系统输入的一幅图像；

图3是图2所对应的感兴趣区域图；

图4是图2采用平均测光的原始亮度直方图；

图5是图2采用本发明修正后的亮度直方图。

具体实施方式

如图1所示，基于感兴趣区域的相机测光方法包括如下步骤：

1)将系统输入的图像分割成若干N×N像素大小的正方形图像块，每个N×N像素大小的正方形图像块叫做最小编码单元，N取2～100，对每个最小编码单元进行二维离散余弦变换，变换结果为频率分量分布矩阵F；

2)对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’；

3)对滤波后的频率分量分布矩阵F’各项进行累加，得出每一块最小编码单元的显著度W；

4)根据每一块最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度小于Th，那么最小编码单元所对应的图像区域就是不感兴趣区域；如果最小编码单元的显著度大于等于Th，就是感兴趣区域，由此可确定感兴趣区域的范围；

5)将感兴趣区域内所有像素的亮度值累加，除以感兴趣区域所包含的总的像素个数，得出感兴趣区域的平均亮度值E，以亮度值为横坐标，以亮度值等于横坐标的像素的个数为纵坐标，对感兴趣区域进行直方图统计，可获得图像修正过的亮度直方图。

所述的对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’步骤包括：规定频率分量分布矩阵F的行号和列号分别按照从上到下和从左到右的方向从0开始递增，先将频率分量分布矩阵F中第u列第v行这个元素所在的行号和列号除以2N分别得到X和Y，再将X和Y求平方并加和得到K，对K开平方就得到频率分量分布矩阵F中第X行第Y列这个分量所对应的归一化频率值f(u，v)，依次扫描频率分量分布矩阵F中的每一个元素并对其进行上述操作，如果f(u，v)属于0.03到0.25，则在一个与频率分量分布矩阵F具有相同行数和列数的零矩阵的对应位置上写1，反之写0，这样就得到带通滤波矩阵B，查询每一块最小编码单元的频率分量分布矩阵F中每一个元素在带通滤波矩阵B中对应位置上的值，如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为1，则这个元素通过滤波器并被输出到滤波后的频率分量分布矩阵F’；如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为0，则这个元素被滤除，滤波器在滤波后的频率分量分布矩阵F’的相应位置上输出0。

所述的根据每一块最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度小于Th，那么最小编码单元所对应的图像区域就是不感兴趣区域；如果最小编码单元的显著度大于等于Th，就是感兴趣区域，由此可确定感兴趣区域的范围步骤包括：

(1)以X₀为直方图横坐标轴的起始坐标，以Δx为步长，将直方图横坐标轴划分为连续若干个统计区间，依次扫描所有的最小编码单元的显著度W，如果该值落在直方图第i个统计区间内，则N(i)增加1，N(i)表示落在第i个区间内的最小编码单元的个数。由于最小编码单元的总数是有限的，因此i是有限的，我们假设i的最大值是M；

(2)找出M个N(i)中的最大值，假设是N(m)，它所在的区间为第m个区间，从第m个区间向i增大的方向扫描，直到找到第一个N(i)小于δN(m)的区间为止，δ取0.1，假设这个区间是第m+k个区间，继续扫描N(m+k+1)和N(m+k+2)，如果N(m+k+1)和N(m+k+2)的值都小于δN(m)，则阈值Th＝X₀+(m+k-1)×Δx；如果N(m+k+1)和N(m+k+2)的值不都小于δN(m)，就继续扫描，直到找到这样一个区间满足上述条件；

(3)依次将每一块最小编码单元的显著度W与阈值Th比较，如果一个最小编码单元的显著度W小于Th，那么这个最小编码单元所对应的图像区域就是不感兴趣区域；如果一个最小编码单元的显著度W大于等于Th，那么这个最小编码单元所对应的图像区域就是感兴趣区域。

实施例：

需要在前面加以说明的是，由于JPEG压缩过程所使用的图像分块的大小是8×8像素，所以若想发挥本发明运算量低的优点，则必须采用8×8像素的分块大小。本实施例就以最典型的8×8分块大小为例，来阐述本方法的整个流程。

步骤1)将系统输入的图像图2分割成若干8×8像素大小的正方形图像块，每个N×N像素大小的正方形图像块叫做最小编码单元。对每个最小编码单元进行二维离散余弦变换(DCT)，变换结果为频率分量分布矩阵F；

本系统中使用的8×8二维离散余弦变换的定义式为：

$F(u,v)=\frac{2}{N}C\left(u\right)C\left(v\right)\underset{x=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\cos \left[\frac{(2x+1)\mathrm{u\π}}{2N}\right]\cos \left[\frac{(2y+1)\mathrm{v\π}}{2N}\right]$

其中：N＝8且

C(ω)＝1，1≤ω≤N-1

由于直接进行二维DCT变换不可避免会进行多次浮点数的多重积分，严重影响到算法的效率。为解决此问题，针对本系统中每次进行DCT变换的数据量固定为8×8点的特点，可采用经过优化的8×8点快速离散余弦变换蝶形算法(FastDiscrete Cosine Transform，FDCT)。快速离散余弦变换蝶形算法为公知的离散余弦变换的等效运算手段，故具体运算流程在此不再赘述。

对每一块8×8最小编码单元按照上述方法进行处理，可得出频率分量分布矩阵F：

步骤2)对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’步骤包括：

规定频率分量分布矩阵F的行号和列号分别按照从上到下和从左到右的方向从0开始递增，先将频率分量分布矩阵F中第u列第v行这个元素所在的行号和列号除以2N，其中N＝8，分别得到X和Y，再将X和Y求平方并加和得到K，对K开平方就得到频率分量分布矩阵F中第X行第Y列这个分量所对应的归一化频率值f(u，v)，即

$f(u,v)=\sqrt{{\left(\frac{u}{2N}\right)}^2+{\left(\frac{v}{2N}\right)}^2}$

在本实施例中N＝8，即

$f(u,v)=\sqrt{{\left(\frac{u}{16}\right)}^2+{\left(\frac{v}{16}\right)}^2}$

依次扫描频率分量分布矩阵F中的每一个元素并对其进行上述操作，如果f(u，v)属于0.03到0.25，则在一个与频率分量分布矩阵F具有相同行数和列数的零矩阵的对应位置上写1，反之写0，这样就得到带通滤波矩阵B

$\left[\begin{array}{cccccccc}0& 1& 1& 1& 1& 0& 0& 0\\ 1& 1& 1& 1& 0& 0& 0& 0\\ 1& 1& 1& 0& 0& 0& 0& 0\\ 1& 1& 0& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]$

查询每一块最小编码单元的频率分量分布矩阵F中每一个元素在带通滤波矩阵B中对应位置上的值，如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为1，则这个元素通过滤波器并被输出到滤波后的频率分量分布矩阵F’；如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为0，则这个元素被滤除，滤波器在滤波后的频率分量分布矩阵F’的相应位置上输出0，由此得到滤波后的频率分量分布矩阵F’。

需要注意的是，带通滤波矩阵B具有固定不变的特点，因此仅需在系统初始化时进行一次运算，以后每次使用带通滤波矩阵B时，只需反复使用第一次运算的结果即可。

步骤3)对滤波后的频率分量分布矩阵F’各项进行累加，得出每一块最小编码单元的显著度W

步骤4)确定划分感兴趣区域和非感兴趣区域的阈值Th，并确定感兴趣区域的范围。

(1)以X₀为直方图横坐标轴的起始坐标，以Δx为步长，将直方图横坐标轴划分为连续若干个统计区间，依次扫描所有的最小编码单元的显著度W，如果该值落在直方图第i个统计区间内，则N(i)增加1，N(i)表示落在第i个区间内的最小编码单元的个数。由于最小编码单元的总数是有限的，因此i是有限的，我们假设i的最大值是M；

(2)找出M个N(i)中的最大值，假设是N(m)，它所在的区间为第m个区间，从第m个区间向i增大的方向扫描，直到找到第一个N(i)小于δN(m)的区间为止，δ取0.1，假设这个区间是第m+k个区间，继续扫描N(m+k+1)和N(m+k+2)，如果N(m+k+1)和N(m+k+2)的值都小于δN(m)，则阈值Th＝X₀+(m+k-1)×Δx；如果N(m+k+1)和N(m+k+2)的值不都小于δN(m)，就继续扫描，直到找到这样一个区间满足上述条件；

(3)依次将每一块最小编码单元的显著度W与阈值Th比较，如果一个最小编码单元的显著度W小于Th，那么这个最小编码单元所对应的图像区域就是不感兴趣区域；如果一个最小编码单元的显著度W大于等于Th，那么这个最小编码单元所对应的图像区域就是感兴趣区域，本实施例生成的感兴趣区域如图3所示；

步骤5)将感兴趣区域内所有像素的亮度值累加，除以感兴趣区域所包含的总的像素个数，得出感兴趣区域的平均亮度值E，以亮度值为横坐标，以亮度值等于横坐标的像素的个数为纵坐标，对感兴趣区域进行直方图统计，可获得图2采用本发明修正后的亮度直方图图5。通过图5和图4的对比，可以说明本发明的有益效果。

Claims (3)

1.一种基于感兴趣区域的相机测光方法，其特征在于包括如下步骤：

1)将系统输入的图像分割成若干N×N像素大小的正方形图像块，每个N×N像素大小的正方形图像块叫做最小编码单元，N取2～100，对每个最小编码单元进行二维离散余弦变换，变换结果为频率分量分布矩阵F；

2)对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’；

3)对滤波后的频率分量分布矩阵F’各项进行累加，得出每一块最小编码单元的显著度W；

4)根据每一块最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度小于Th，那么最小编码单元所对应的图像区域就是不感兴趣区域；如果最小编码单元的显著度大于等于Th，就是感兴趣区域，由此可确定感兴趣区域的范围；

5)将感兴趣区域内所有像素的亮度值累加，除以感兴趣区域所包含的总的像素个数，得出感兴趣区域的平均亮度值E，以亮度值为横坐标，以亮度值等于横坐标的像素的个数为纵坐标，对感兴趣区域进行直方图统计，可获得图像修正过的亮度直方图。

2.根据权利要求1所述的一种基于感兴趣区域的相机测光方法，其特征在于所述的对每一个频率分量分布矩阵F进行滤波，使得频率分量分布矩阵F中归一化频率值属于0.03到0.25的分量通过，其余分量被滤除，由此得到滤波后的频率分量分布矩阵F’步骤包括：

规定频率分量分布矩阵F的行号和列号分别按照从上到下和从左到右的方向从0开始递增，先将频率分量分布矩阵F中第u列第v行这个元素所在的行号和列号除以2N分别得到X和Y，再将X和Y求平方并加和得到K，对K开平方就得到频率分量分布矩阵F中第X行第Y列这个分量所对应的归一化频率值f(u，v)，依次扫描频率分量分布矩阵F中的每一个元素并对其进行上述操作，如果f(u，v)属于0.03到0.25，则在一个与频率分量分布矩阵F具有相同行数和列数的零矩阵的对应位置上写1，反之写0，这样就得到带通滤波矩阵B，查询每一块最小编码单元的频率分量分布矩阵F中每一个元素在带通滤波矩阵B中对应位置上的值，如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为1，则这个元素通过滤波器并被输出到滤波后的频率分量分布矩阵F’；如果频率分量分布矩阵F中某一个元素在B中对应位置上的值为0，则这个元素被滤除，滤波器在滤波后的频率分量分布矩阵F’的相应位置上输出0。

3.根据权利要求1所述的一种基于感兴趣区域的相机测光方法，其特征在于所述的根据每一块最小编码单元的显著度W的分布，确定划分感兴趣区域和非感兴趣区域的阈值Th，如果最小编码单元的显著度小于Th，那么最小编码单元所对应的图像区域就是不感兴趣区域；如果最小编码单元的显著度大于等于Th，就是感兴趣区域，由此可确定感兴趣区域的范围步骤包括：

(1)以X₀为直方图横坐标轴的起始坐标，以Δx为步长，将直方图横坐标轴划分为连续若干个统计区间，依次扫描所有的最小编码单元的显著度W，如果该值落在直方图第i个统计区间内，则N(i)增加1，N(i)表示落在第i个区间内的最小编码单元的个数。由于最小编码单元的总数是有限的，因此i是有限的，我们假设i的最大值是M；

(2)找出M个N(i)中的最大值，假设是N(m)，它所在的区间为第m个区间，从第m个区间向i增大的方向扫描，直到找到第一个N(i)小于δN(m)的区间为止，δ取0.1，假设这个区间是第m+k个区间，继续扫描N(m+k+1)和N(m+k+2)，如果N(m+k+1)和N(m+k+2)的值都小于δN(m)，则阈值Th＝X₀+(m+k-1)×Δx；如果N(m+k+1)和N(m+k+2)的值不都小于δN(m)，就继续扫描，直到找到这样一个区间满足上述条件；

(3)依次将每一块最小编码单元的显著度W与阈值Th比较，如果一个最小编码单元的显著度W小于Th，那么这个最小编码单元所对应的图像区域就是不感兴趣区域；如果一个最小编码单元的显著度W大于等于Th，那么这个最小编码单元所对应的图像区域就是感兴趣区域。

Images