CN111770285A - 一种曝光亮度控制方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明公开了一种曝光亮度控制方法、装置、电子设备和存储介质，用于解决相关技术中由于图像采集装置的曝光亮度未经过正确的调整导致拍摄效果受到极大影响的问题。本公开实施例，通过对同一目标图像的不同图像块的亮度分布特征进行分析，来得到目标图像所属的场景类别，然后根据场景类别确定出适用于当前场景类别的曝光亮度。也即，选择了适用于当前实际情况(即场景类别)的曝光亮度来实现曝光控制，使得曝光亮度的控制能够自适应不同的场景类别。该方法能够在实现自动调整曝光亮度的同时，相对于单纯的依赖图像的全局照度值来确定曝光亮度而言，尽量的减少甚至避免采集的图像曝光过度或严重曝光不足的情况。

Description

一种曝光亮度控制方法、装置、电子设备和存储介质

技术领域

本发明涉及摄像机图像技术领域，特别涉及一种曝光亮度控制方法、装置、电子设备和存储介质。

背景技术

随着监控摄像机的应用愈加广泛，所需要监控的场景环境不仅复杂多样，还需要对场景进行全天候的监控，在面对不同天气环境及时间段的监控场景时，监控摄像机多存在的问题是：

第一：一些监控摄像机首先不具备自适应曝光方式，需要人为参与，且不适用于监控如部分亮暗区这种复杂多变的环境。

第二：常见的自适应曝光方式多参考图像的全局照度值后进行自适应曝光，然而这种曝光方式很容易使监控摄像机出现曝光过度或严重曝光不足的画面，影响监控效果。

发明内容

本公开的目的是提供一种曝光亮度控制方法。用于解决以下问题中的至少一种：一是监控摄像机可以自适应曝光，二是能有效适用于长时间的监控中，在面对复杂多变的环境时可以自适应的调整曝光亮度，得到效果优良的监控画面。

第一方面，本公开实施例提供了一种曝光亮度控制方法，包括：

获取目标图像，将所述目标图像分割成多个图像块；

根据各图像块的亮度特征识别所述目标图像所属的场景类别；

根据所述目标图像的场景类别确定图像采集装置的曝光亮度。

第二方面，本公开实施例还提供了一种曝光亮度控制的装置，其包括：

图像获取模块，用于获取目标图像，将所述目标图像分割成多个图像块；

场景类别识别模块，用于根据各图像块的亮度分布特征识别所述目标图像所属的场景类别；

控制模块，用于根据所述目标图像的场景类别确定图像采集装置的曝光亮度。

在一个实施例中，所述场景类别识别模块，还包括：

离散程度确定单元，用于根据各图像块的所述亮度均值，确定不同图像块的亮度分布的离散程度；

场景类别确定单元，用于根据所述亮度分布的离散程度，确定所述目标图像所属的场景类别。

在一个实施例中，所述离散程度确定单元，用于根据以下公式确定所述亮度分布的离散程度：

其中，ΔY表示所述亮度分布的离散程度；Y_Avg表示所述目标图像中图像块的平均亮度值；Y_[i,j]表示第[i,j]个图像块的亮度均值；[i,j]用于唯一标识一个图像块。

在一个实施例中，所述场景类别确定单元，用于比较所述亮度分布的离散程度与预设阈值，若所述亮度分布的离散程度小于预设阈值，则确定所述场景类别为表示亮度均匀的第一类别；

若所述亮度分布的离散程度大于或等于所述预设阈值，则分别统计预设暗区内图像块数量和预设亮区内图像块数量；

若所述预设暗区内图像块数量大于暗区阈值，且所述预设亮区内图像块数量小于亮区阈值则确定所述场景类别为表示整体偏暗的第二类别；

若所述预设暗区内图像块数量大于所述暗区阈值，且所述预设亮区内图像块数量大于所述亮区阈值则确定所述场景类别为表示宽动态图像的第三类别；

若所述预设暗区内图像块数量小于所述暗区阈值，且所述预设亮区内图像块数量大于所述亮区阈值则确定所述场景类别为表示存在过曝区域的第四类别；

若所述预设暗区内图像块数量小于所述暗区阈值，且预设亮区内图像块数量小于所述亮区阈值则确定所述场景类别为表示亮度均匀的第一类别。

在一个实施例中，场景类别确定单元确定所述场景类别之后，若所述目标图像的场景类别为所述第二类别、所述第三类别以及所述第四类别中的任一种，则从所述目标图像中裁剪出感兴趣区域，所述感兴趣区域包括至少一个图像块，且所述感兴趣区域内的每个图像块均为所述预设暗区内的图像块，或者，所述感兴趣区域内的每个图像块均为所述预设亮区内的图像块；

对所述感兴趣区域采用图像信号处理技术进行处理，将所述感兴趣区域的像素值转换到HSV模型，获取所述感兴趣区域在所述HSV模型中的明度和饱和度；

若所述感兴趣区域在所述HSV模型中的明度小于预设暗区明度阈值且饱和度小于预设暗区饱和度阈值，则修正所述目标图像的场景类别为表示亮度均匀的第一类别；

若所述感兴趣区域在所述HSV模型中的明度大于所述预设亮区明度阈值且饱和度大于预设亮区饱和度阈值，则修正所述目标图像的场景类别为表示亮度均匀的第一类别；

若所述感兴趣区域在所述HSV模型中的明度与明度阈值比较结果或饱和度与饱和度阈值比较结果为指定结果，则所述目标图像的场景类别保持不变，其中，所述指定结果为以下结果中的任一种：

所述感兴趣区域在所述HSV模型中的明度小于所述预设暗区明度阈值且饱和度不小于预设暗区饱和度阈值；

所述感兴趣区域在所述HSV模型中的明度不小于所述预设暗区明度阈值且饱和度小于预设暗区饱和度阈值；

所述感兴趣区域在所述HSV模型中的明度大于所述预设亮区明度阈值且饱和度不大于预设亮区饱和度阈值；

所述感兴趣区域在所述HSV模型中的明度不大于所述预设亮区明度阈值且饱和度大于预设亮区饱和度阈值。

在一个实施例中，所述控制模块，用于获取曝光亮度的至少一种影响参数，根据各种影响参数与曝光亮度之间的预设关系，确定曝光亮度；

所述影响参数包括以下参数中的至少一种，快门的比例系数、增益的比例系数、所述目标图像所属的场景类别对应的系数、预设目标图像亮度阈值；

其中，各所述影响参数和曝光亮度的关系均为正相关；

当所述快门值的变化率越大时，所述快门值变化的比例系数越大；

当所述增益的变化率越大时，所述增益变化的比例系数越小。

在一个实施例中，所述根据各种影响参数与曝光亮度之间的预设关系，确定曝光亮度用于在曝光亮度或白平衡发生改变后，更新所述影响参数。

第三方面，本公开另一实施例还提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例提供的任一曝光亮度控制方法。

第四方面，本公开另一实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行本公开实施例提供的任一曝光亮度控制方法。

本公开实施例，通过根据被分割各图像块的亮度特征识别所述目标图像所述的场景类别，再根据场景类别确定图像采集装置的曝光亮度，实现自适应曝光。相对参考全区照度值后进行自适应曝光的曝光方式，能够减少甚至避免由于场景类别改变，目标图像出现曝光过度或严重曝光不足的情况。相对于需要人为参与的曝光方式，能够避免不必要的人力损耗。本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本公开一个实施例的应用环境的示意图；

图2为根据本公开一个实施例的曝光亮度控制流程示意图；

图2A为根据本公开一个实施例的目标图像分割示意图；

图2B为根据本公开一个实施例的目标图像与亮度分布图示意图；

图2C为根据本公开一个实施例的HSV模型示意图；

图2D为根据本公开一个实施例中部分色彩的HSV参数示意图；

图2E为根据本公开一个实施例中感兴趣区域判断的示意图；

图3为根据本公开一个实施例的曝光亮度控制流程示意图；

图4为根据本公开一个实施例的曝光亮度控制流程示意图；

图5为根据本公开一个实施例的曝光亮度控制流程另一示意图；

图6为根据本公开一个实施例的曝光亮度控制流程再一示意图。

具体实施方式

为进一步说明本公开实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本公开实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本公开实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。

显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。本公开实施例中术语“多个”是指两个或两个以上，其它量词与之类似应当理解，此处所描述的优选实施例仅用于说明和解释本公开，并不用于限定本公开，并且在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在基于摄像机曝光亮度的技术领域，监控摄像机的曝光亮度调整主要面临着两大问题，第一缺点是一些监控摄像机首先不具备自适应曝光方式，这种需要人为参与的手动曝光方式在面对监控场景需要被全天候的监控时显得极为不便。第二缺点是自适应曝光方式多参考全局照度值后进行自适应曝光，这种曝光方式很容易使监控摄像机出现过亮或过暗的画面，影响监控效果。

有鉴于此，本公开提出了一种曝光亮度控制方法、装置、电子设备和存储介质，用于解决上述问题。

本公开的发明构思为：通过对同一目标图像的不同图像块的亮度分布特征进行分析，来得到目标图像所属的场景类别，然后根据场景类别确定出适用于当前场景类别的曝光亮度。也即，选择了适用于当前实际情况(即场景类别)的曝光亮度来实现曝光控制，使得曝光亮度的控制能够自适应不同的场景类别。该方法相对于单纯的依赖图像的全局照度值来确定曝光亮度而言，本公开能够参考目标图像的多个图像块的亮度分布特征来实现曝光亮度的调整，使得曝光亮度的控制更加符合实际场景的需求，故此，能够在实现自动调整曝光亮度的同时，尽量的减少甚至避免采集的图像曝光过度或严重曝光不足的情况。

除此之外，本公开在确定目标图像所属场景类别之后，还提供了判断目标图像中的过暗或过亮的感兴趣区域是否是由于曝光亮度不合适导致的，从而实现对场景类别的进一步分析确认，以便于提高场景类别识别的准确性，进而采用合适的曝光亮度。

下面结合附图对本公开实施例中的曝光亮度控制方法进行详细说明。

参见图1，为根据本公开一个实施例的应用环境的示意图。

如图1所示，该应用环境中例如可以包括网络10、服务器20、至少一种监控设备30、终端设备40以及数据库50。其中：

监控设备30用于采集监控范围内的图像，并通过网络10将采集的图像发送给服务器20，由服务器20将图像存储至数据库50中。

终端设备40可发送监控图像获取请求给服务器20，服务器20响应该监控图像获取请求，从数据库50中获取相应的图像返回给终端设备40显示出来。

在本公开中，为了能够实现曝光亮度控制，通过图像分析技术能够确定采集的目标图像的亮度分布特征，然后根据亮度分布特征识别出目标图像所属的场景类别，由此实现基于场景类别的曝光亮度控制。

在图1所示的应用场景中，场景类别的识别可以由监控设备30各自执行，当监控设备由于各种原因处理性能不足时，可以由监控设备30采集得到目标图像，然后将目标图像通过网络10发送给服务器，由服务器集中实现场景类别的识别，并控制监控设备调整曝光亮度。

本公开中的描述中仅就单个服务器或终端设备加以详述，但是本领域技术人员应当理解的是，示出的监控设备30、终端设备40、服务器20和数据库50旨在表示本公开的技术方案涉及的监控设备、终端设备、服务器以及存储系统的操作。对单个服务器和存储系统加以详述至少为了说明方便，而非暗示对终端设备和服务器的数量、类型或是位置等具有限制。应当注意，如果向图示环境中添加附加模块或从其中去除个别模块，不会改变本公开的示例实施例的底层概念。另外，虽然为了方便说明而在图1中示出了从数据库50到服务器20的双向箭头，但本领域技术人员可以理解的是，上述数据的收发也是需要通过网络10实现的。

需要说明的是，本公开实施例中的存储系统例如可以是缓存系统、也可以是硬盘存储、内存存储等等。

此外，本公开提供的监控设备30获取监控画面，通过网络10传递给服务器20，服务器20调用数据库50中的存储数据进行统计计算，将得到的曝光亮度通过网络10返还给监控设备30，从而实现自适应曝光的。

本公开提出的曝光亮度控制方法不仅适用于图1所示的监控系统，还适用于任何能够进行图像采集的图像采集装置，例如，智能终端的相机。

图2示出了本公开一个实施例提供的曝光亮度控制方法的流程示意图，包括：

步骤201：获取目标图像，将目标图像分割成多个图像块；

在一个实施例中，把监控画面等分分成Row行，Col列，分割后得到了大小一致的Row*Col块图像块，其中Row行和Col列的宽度可根据摄像机的分辨率来设置不同的值。分割示意图如图2A所示，将目标图像分割成Row行，Col列。

步骤202：根据各图像块的亮度分布特征识别目标图像所属的场景类别；

在一些可能的实施例中，在完成图像分割后，获取各图像块的亮度均值并计算得到该亮度分布的离散程度。将目标图像分割后。为了能判断目标图像所属的场景类别，本公开可采用各图像块的亮度分布的离散程度进行判断，且离散程度具有方向性(即基于离散程度能判断出目标图像整体处于平均亮度均值上，还是平均亮度均值之下)。然后根据亮度分布的离散程度与阈值的大小，可以得出该目标图像所属的场景类别。下面，将对如何确定离散程度以及如何识别场景类别分别进行说明，包括以下两部分：

部分1：关于采用亮度均值确定离散程度

本公开提供如下两种确定离散程度的实施方式，包括：

方式1：在一个实施例中，根据各图像块的亮度均值，确定亮度分布的离散程度，包括：

根据需求将目标图像等分分割成Row行Col列的图像块(Row和Col均为正整数)，则被分割的图像块总数为Row*Col块；将分割得到的各图像块的亮度均值Y_[i][j]统计求和并除以图像块总数得到全部图像块的亮度总和Y_total，计算方式可如公式(1)所示：

将全部图像块的亮度总和Y_total除以图像块总数，求得该目标图像中图像块的平均亮度值Y_Avg，计算方式可如公式(2)所示：

Y_Avg＝Y_total/(Row*Col) (2)

并根据全部图像块的亮度总和Y_total与该目标图像中图像块的平均亮度值Y_Avg确定亮度分布的离散程度，计算方式可如公式(3)所示：

其中，[i][j]表示被分割图像块所在的行数和列数，i和j共同唯一标识一个图像块，[i][j]各自的取值范围在0到Row与0到Col之间。n次幂为了判断ΔY的正负(n∈奇数)。该方式1确定亮度分布的离散程度的优点在于，取n次幂的方式可判断ΔY的正负，ΔY的值为正则说明目标图像曝光过度，ΔY的值为负则说明目标图像曝光不足。

方式2：在另一个实施例中，方差分析的原理适用于体现两个及两个以上样本均数差别的显著性检验。故此，本公开中还可以采用各图像块的亮度均值的方差来确定目标图像中亮度分布的离散程度。使用方差表示离散程度，能够直观的体现出目标图像中亮度分布的离散程度。

需要说明的是，只要能够确定目标图像中亮度分布的离散程度的方法均适用于本公开实施例。

部分2：关于基于离散程度确定场景类别

本公开提供如下两种确定目标图像场景类别的实施方式，包括：

方式1可实施为：

预设一个图像亮度分布的离散程度阈值△_THR，将通过计算得到的该亮度分布的离散程度ΔY与△_THR相比较，若亮度分布的离散程度ΔY小于预设阈值△_THR，则确定目标场景亮度分布均匀，无需对摄像机进行特殊的调整曝光亮度处理，为描述方便，后文将表示亮度均匀的场景类别可称之为第一类别。

若亮度分布的离散程度ΔY大于或等于预设阈值△_THR，则确定目标图像所属的场景当前亮度分布不均匀，所得到的目标图像画质不佳。则统计各图像块的亮度值的分布状态得到分布图。在分布图中，以亮度值为横坐标，将亮度值等分成N份，分别为A₁～A_(N)。将A₁～A_(1/4N)区域作为预设暗区，A_(1/4N)～A_(3/4N)区域作为亮度均匀区，A_(3/4N)～A_(N)区域看作为预设亮区。可设置暗区阈值△_{THR_dark}以及亮区阈值△_{THR_brigh}。分别统计预设暗区内图像块数量和预设亮区内图像块数量(如图2B所示，为正常画质和画质不佳的目标图像及对应亮度分布图)并和相应的阈值进行比较，根据比较结果确定场景类别。

若预设暗区内图像块数量大于暗区阈值△_{THR_dark}，且预设亮区内图像块数量小于亮区阈值△_{THR_brigh}则确定目标图像整体偏暗，此时需要适当提高目标图像曝光亮度改善画质。在该比较结果下，目标图像所属的场景类别为表示整体偏暗的第二类别；

若预设暗区内图像块数量大于暗区阈值△_{THR_dark}，且预设亮区内图像块数量大于亮区阈值△_{THR_brigh}则确定目标图像存在局部过亮，且存在局部过暗的场景，为宽动态场景，此时应根据产品设计需求，改变曝光亮度使画质得到改善，目标图像所属的场景类别为表示宽动态图像的第三类别；

若预设暗区内图像块数量小于暗区阈值△_{THR_dark}，且预设亮区内图像块数量大于亮区阈值△_{THR_brigh}则确定目标图像亮度整体偏亮，此时需要适当降低目标图像亮度来减少过曝情况，目标图像所属的场景类别为表示存在过曝区域的第四类别；

若预设暗区内图像块数量小于暗区阈值△_{THR_dark}，且预设亮区内图像块数量小于亮区阈值△_{THR_brigh}则确定目标图像亮度分布均匀，无需对摄像机进行特殊的调整曝光亮度处理，目标图像所属的场景类别为表示亮度均匀的第一类别。

进一步的，在一个实施例中，为了能够便于准确的识别出场景类别，在依据前述的两个阈值(即△_{THR_dark}阈值和△_{THR_brigh}阈值)确定该目标图像所属的场景类别之后，还可以对一些场景类别做进一步的分析，可实施为：

若该目标图像的场景类别为第二类别、第三类别以及第四类别中的任一种时，则从目标图像中裁剪出感兴趣区域，其中，该感兴趣区域包括至少一个图像块，且该感兴趣区域内的每个图像块均为预设暗区内的图像块，或者，该感兴趣区域内的每个图像块均为预设亮区内的图像块。

例如，将目标图像划分为9*9个图像块后，若每个图像块的面积过小，导致单个图像块面积对目标图像的画质产生影响甚微，所以感兴趣区域可以适当增大一些，本公开采用相邻的多个图像块构成一个感兴趣区域，来对目标图像的场景类别做进一步分析。

得到感兴趣区域后，将处于该感兴趣区域内的各像素点的RGB值作为该感兴趣区域的颜色平均值。然后将感兴趣区域的颜色平均值转换到HSV模型，获取该感兴趣区域在HSV模型中的明度和饱和度；

其中，如图2C所示，HSV(HSV模型色调(H,Hue)，饱和度(S,Saturation)，明度(V,Value))是一种直观的颜色模型，H表示了模型色调，不同角度的值表示了不同的色彩，如0表示红色，120°表示绿色等；V代表了图像的明度，0表示暗(如黑色)，1表示亮(如白色)；S表示了图像的饱和度，0表示饱和度低，1表示饱和度高。如图2D所示，表中展示了部分色彩的HSV参数。因此可以结合HSV的3个参数，对该感兴趣区域内各图像块在HSV模型中得到的明度和饱和度进行色彩判断，可以实现暗区和亮区的真实性判断。

利用暗区和亮区的真实性判断来进一步确认目标图像的场景类别，即是否需要进行亮度调节。通过获取该感兴趣区域在HSV模型中的明度和饱和度，根据实际需求预设暗区明度阈值、暗区饱和度阈值、亮区明度阈值、亮区饱和度阈值，判断方式如下：

若判断目标图像当前的明度V小于预设暗区明度阈值，且饱和度S小于预设暗区饱和度阈值，判断为黑色区域，黑色区域即为感兴趣区域内存在真实亮度过低的物体，并非由于目标图像曝光亮度不正确而导致画质不佳；

若判断目标图像当前的明度V大于预设亮区明度阈值，且饱和度S小于预设亮区饱和度阈值，判断为白色区域，白色区域即为感兴趣区域内存在真实亮度过高的物体，并非由于目标图像曝光亮度不正确而导致画质不佳；

若不满足于黑色区域或白色区域的判断为彩色区域，彩色区域即为由于目标图像曝光亮度不正确而导致画质不佳。

其中，感兴趣区域在HSV模型中的明度和饱和度经判断后若为黑色区域或白色区域则该感兴趣区域不作为曝光亮度的影响参数获取区域，若判断为彩色区域则需对该感兴趣区域进行曝光补偿和图像处理。其优点在于通过计算目标图像亮度分布的离散程度与预设阈值△_THR的判断条件能够快速简便的判断出标图像该所属的场景类别，再根据HSV模型的判断，使目标图像所属的场景类别结果精准，如图2E所示，根据HSV模型可以最终筛选出左侧和右侧的显示器为真实的黑色物体，而绿色植物处被判定为彩色区域，因此存在真实的黑色物体的感兴趣区域不作为曝光亮度的影响参数获取区域，提高了摄像机自适应性调节曝光亮度的稳定性。

方式2：在另一个实施例中，利用神经网络的分类功能特别适用于模式识别与分类应用的特点，能够简单有效的识别出目标图像的场景类别，且神经网络能够随着处理图像的数量的增加，而进一步优化。

采用神经网络的方式需要大量的样本和复杂的训练方法。实施时，本公开实施例可提供一种较为简便的识别场景类别的方式，该方案可实施为：通过获取大量的不同目标图像样本，并标注该目标图像样本的所属场景类别进行训练。

步骤203：根据目标图像的场景类别确定图像采集装置的曝光亮度；

在一个实施例中，目标图像的场景类别确定图像采集装置的曝光亮度，可实施为：根据需求将目标图像分割成各图像块后，将分割目标图像时记录的被分割各图像块的亮度均值、快门值、增益值统计并计算目标图像中影响曝光亮度的影响参数。

其中，影响参数包括以下参数中的至少一种，目标图像的快门值变化的比例系数、增益值变化的比例系数、目标画面场景的判断系数、预设目标图像亮度阈值；

为防止实时统计影响图像信号处理的功耗和性能，未有曝光或白平衡发生时，将各图像块中获取到的影响参数保存到内存中，用于在曝光或白平衡发生改变后调用和计算影响参数。

图像采集装置的曝光亮度控制，是受曝光亮度Ytar控制，Ytar越大，说明需要把提高亮度，Ytar越小，说明需要降低亮度。需要根据不同的场景类别判断，可预设曝光亮度Ytar的阈值Ytar_{_default}，根据曝光亮度Ytar与曝光亮度Ytar的预设阈值Ytar_{_default}、随增益值变化的比例系数、随快门值变化的比例系数、目标图像所属的场景类别的判断系数成正比的关系得到Ytar数值，以此得到曝光目标亮度。利用自动曝光AE算法实现图像采集装置自适应性调节曝光亮度调节。

根据以下公式(4)确定曝光亮度Ytar：

Ytar＝Ytar_{_default}*Gain_{_ratio}*Shutter_{_ratio}*Area_{_ratio}； (4)

其中，Ytar_{_default}为预设曝光亮度Ytar的阈值，可根据实际需求更改Ytar_{_default}的大小。Gain_{_ratio}为随增益值变化的比例系数，默认增益的变化率越大，该值设置越小，当监控画面越来越暗时，增益会越来越大，此时监控画面的噪点也会变大，为了保证监控场景的噪点和监控画面的亮度，可以适当降低Gain_{_ratio}的比例系数，使Ytar减小，保证在亮度合适的情况下噪点达到最小。

Shutter_{_ratio}为随快门值变化的比例系数，默认快门的变化率较小时，该值设置越小，当画面越来越亮时，此时增益已达到最小为0，如果快门值再急剧变小的话，说明此时监控画面很亮，所以当快门值达到较小的阈值后，就降低Shutter_{_ratio}的比例系数，减弱监控场景画面过曝的情况。

Area_{_ratio}为根据场景类别的判断，计算得到的值，该值会随场景变化而变化。

为便于理解本公开提供的曝光亮度控制方法，下面以图像采集装置为监控设备为例进行说明。如图3所示，包括以下步骤：

在步骤301中，根据各图像块的亮度均值确定目标图像亮度分布的离散程度；

在步骤302中,将目标图像亮度分布的离散程度与预设阈值△_THR作比较，根据比较结果确定目标图像所属的场景类别；

在确定目标图像所属的场景类别后，若场景类别为第一类别则无需进行场景类别确认，若场景类别为第二类别、第三类别、第四类别则需要执行步骤303，通过HSV模型进行场景类别确认。

根据场景类别判断来调节曝光亮度的流程示意图，如图4所示，包括以下步骤：

在步骤401中，根据所确定的目标图像所属的场景类别来调整目标图像所属场地类型的参数(Area_{_ration})；

其中，若确定目标图像所属的场景类别为亮度分布均匀的第一类别则Area_{_ration}取值为1.0；

若确定目标图像所属的场景类别为整体偏暗的第二类别则需将Area_{_ration}增大；若确定目标图像所属的场景类别为宽动态图像的第三类别则需根据需求调整Area_{_ration}；

若确定目标图像所属的场景类别为训在过曝区域的第四类别则需将Area_{_ration}降低。

在步骤402中，通过获取各曝光影响参数的值来计算目标亮度Ytar；

在步骤403中，根据所得到的曝光亮度Ytar来调整曝光亮度。

基于相同的的发明构思，本公开还提供一种曝光亮度控制装置500，如图5所示，该装置包括：

图像获取模块501，用于获取目标图像，将所述目标图像分割成多个图像块；

场景类别识别模块502，用于根据各图像块的亮度特征识别所述目标图像所属的场景类别；

控制模块503，用于根据所述目标图像的场景类别调节图像采集装置的曝光亮度；

在一个实施例中，所属场景类别识别模块包括：

离散程度确定单元，用于根据各图像块的所述亮度均值，确定不同图像块的亮度分布的离散程度；

场景类别确定单元，用于根据所述亮度分布的离散程度，确定所述目标图像所属的场景类别。

在一个实施例中，所述离散程度确定单元，用于根据以下公式确定所述亮度分布的离散程度：

其中，ΔY表示所述亮度分布的离散程度；Y_Avg表示所述目标图像中图像块的平均亮度值，Y_[i,j]表示第[i,j]个图像块的亮度均值，[i,j]用于唯一标识一个图像块。

在一个实施例中，所述场景类别确定单元，用于比较所述亮度分布的离散程度与预设阈值，若所述亮度分布的离散程度小于预设阈值，则确定所述场景类别为表示亮度均匀的第一类别；

若所述亮度分布的离散程度大于或等于所述预设阈值，则分别统计预设暗区内图像块数量和预设亮区内图像块数量；

若所述预设暗区内图像块数量大于暗区阈值，且所述预设亮区内图像块数量小于或等于亮区阈值则确定所述场景类别为表示整体偏暗的第二类别；

若所述预设暗区内图像块数量大于所述暗区阈值，且所述预设亮区内图像块数量大于所述亮区阈值则确定所述场景类别为表示宽动态图像的第三类别；

若所述预设暗区内图像块数量小于或等于所述暗区阈值，且所述预设亮区内图像块数量大于所述亮区阈值则确定所述场景类别为表示存在过度曝光区域的第四类别；

若所述预设暗区内图像块数量小于或等于所述暗区阈值，且预设亮区内图像块数量小于或等于所述亮区阈值则确定所述场景类别为表示亮度均匀的第一类别。

在一个实施例中，场景类别确定单元确定所述场景类别之后，若所述目标图像的场景类别为所述第二类别、所述第三类别以及所述第四类别中的任一种，则从所述目标图像中裁剪出感兴趣区域，所述感兴趣区域包括至少一个图像块，且所述感兴趣区域内的每个图像块均为所述预设暗区内的图像块，或者，所述感兴趣区域内的每个图像块均为所述预设亮区内的图像块；

对所述感兴趣区域采用图像信号处理技术进行处理，将所述感兴趣区域的像素值转换到HSV模型，获取所述感兴趣区域在所述HSV模型中的明度和饱和度；

若所述感兴趣区域在所述HSV模型中的明度小于预设暗区明度阈值且饱和度小于预设暗区饱和度阈值，则修正所述目标图像的场景类别为表示亮度均匀的第一类别；

若所述感兴趣区域在所述HSV模型中的明度大于所述预设亮区明度阈值且饱和度大于预设亮区饱和度阈值，则修正所述目标图像的场景类别为表示亮度均匀的第一类别；

若所述感兴趣区域在所述HSV模型中的明度与明度阈值比较结果或饱和度与饱和度阈值比较结果为指定结果，则所述目标图像的场景类别保持不变，其中，所述指定结果为以下结果中的任一种：

所述感兴趣区域在所述HSV模型中的明度小于所述预设暗区明度阈值且饱和度不小于预设暗区饱和度阈值；

所述感兴趣区域在所述HSV模型中的明度不小于所述预设暗区明度阈值且饱和度小于预设暗区饱和度阈值；

所述感兴趣区域在所述HSV模型中的明度大于所述预设亮区明度阈值且饱和度不大于预设亮区饱和度阈值；

所述感兴趣区域在所述HSV模型中的明度不大于所述预设亮区明度阈值且饱和度大于预设亮区饱和度阈值。

在一个实施例中，所述控制模块，用于获取曝光亮度的至少一种影响参数，根据各种影响参数与曝光亮度之间的预设关系，确定曝光亮度；

所述影响参数包括以下参数中的至少一种，快门的比例系数、增益的比例系数、所述目标图像所属的场景类别对应的系数、预设目标图像亮度阈值；

其中，各所述影响参数和曝光亮度的关系均为正相关；

当所述快门值的变化率越大时，所述快门值变化的比例系数越大；

当所述增益的变化率越大时，所述增益变化的比例系数越小。

在一个实施例中，所述根据各种影响参数与曝光亮度之间的预设关系，确定曝光亮度用于在曝光或白平衡发生改变后，更新所述影响参数。

关于曝光亮度控制中各操作的实施以及有益效果可参见前文方法中的描述，此处不再赘述。

在介绍了本公开示例性实施方式的曝光亮度控制方法和装置之后，接下来，介绍根据本公开的另一示例性实施方式的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的曝光亮度控制方法中的步骤。例如，处理器可以执行如曝光亮度控制方法中的步骤。

下面参照图6来描述根据本公开的这种实施方式的电子设备130。图6显示的电子设备130仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。

总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。

存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

在一些可能的实施方式中，本公开提供的一种曝光亮度控制方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的一种曝光亮度控制中的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本公开的实施方式的用于曝光亮度控制的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和/或方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本公开的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本公开范围的所有变更和修改。

显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims (12)

1.一种曝光亮度控制方法，其特征在于，所述方法包括：

获取目标图像，将所述目标图像分割成多个图像块；

根据各图像块的亮度分布特征识别所述目标图像所属的场景类别；

根据所述目标图像的场景类别确定图像采集装置的曝光亮度。

2.根据权利要求1所述的方法，其特征在于，所述根据各图像块的亮度分布特征识别所述目标图像所属的场景类别，包括：

根据各图像块的亮度均值，确定不同图像块的亮度分布的离散程度；

根据所述亮度分布的离散程度，确定所述目标图像所属的场景类别。

3.根据权利要求2所述的方法，其特征在于，所述根据各图像块的所述亮度均值，确定目标图像亮度分布的离散程度，包括：

根据以下公式确定所述目标图像亮度分布的离散程度：

其中，ΔY表示所述亮度分布的离散程度，Y_Avg表示所述目标图像中所有图像块的平均亮度值，Y_[i,j]表示第[i,j]个图像块的亮度均值，[i,j]用于唯一标识一个图像块。

4.根据权利要求2所述的方法，其特征在于，根据各图像块的亮度特征识别所述目标图像所属的场景类别，包括：

比较所述亮度分布的离散程度与预设阈值，若所述亮度分布的离散程度小于预设阈值，则确定所述场景类别为表示亮度均匀的第一类别；

若所述亮度分布的离散程度大于或等于所述预设阈值，则分别统计预设暗区内图像块数量和预设亮区内图像块数量；

若所述预设暗区内图像块数量大于暗区阈值，且所述预设亮区内图像块数量小于或等于亮区阈值则确定所述场景类别为表示整体偏暗的第二类别；

若所述预设暗区内图像块数量大于所述暗区阈值，且所述预设亮区内图像块数量大于所述亮区阈值则确定所述场景类别为表示宽动态图像的第三类别；

若所述预设暗区内图像块数量小于或等于所述暗区阈值，且所述预设亮区内图像块数量大于所述亮区阈值则确定所述场景类别为表示存在过度曝光区域的第四类别；

若所述预设暗区内图像块数量小于或等于所述暗区阈值，且预设亮区内图像块数量小于或等于所述亮区阈值则确定所述场景类别为表示亮度均匀的第一类别。

5.根据权利要求4中所述的方法，其特征在于，所述确定所述目标图像所属的场景类别之后，所述方法还包括：

若所述目标图像的场景类别为所述第二类别、所述第三类别以及所述第四类别中的任一种，则从所述目标图像中裁剪出感兴趣区域，所述感兴趣区域包括至少一个图像块，且所述感兴趣区域内的每个图像块均为所述预设暗区内的图像块，或者，所述感兴趣区域内的每个图像块均为所述预设亮区内的图像块；

对所述感兴趣区域采用图像信号处理技术进行处理，将所述感兴趣区域的像素值转换到HSV模型，获取所述感兴趣区域在所述HSV模型中的明度和饱和度；

若所述感兴趣区域的明度和饱和度满足预设条件，则将所述目标图像的场景类别修正为所述第一类别；

若所述感兴趣区域的明度和饱和度不满足所述预设条件，则所述目标图像的场景类别保持不变；

其中，所述预设条件为：

所述感兴趣区域的明度小于预设暗区明度阈值且所述感兴趣区域的饱和度小于预设暗区饱和度阈值；或者，

所述感兴趣区域的明度大于预设亮区明度阈值且所述感兴趣区域的饱和度大于预设亮区饱和度阈值。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像的场景类别确定图像采集装置的曝光亮度，包括：

获取曝光亮度的至少一种影响参数，根据各种影响参数与曝光亮度之间的预设关系，确定曝光亮度；

所述影响参数包括以下参数中的至少一种，快门的比例系数、增益的比例系数、所述目标图像所属的场景类别对应的系数、预设目标图像亮度阈值；

其中，各所述影响参数和曝光亮度的关系均为正相关；

当所述快门值的变化率越大时，所述快门值变化的比例系数越大；

当所述增益的变化率越大时，所述增益变化的比例系数越小。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在曝光亮度或白平衡发生改变后，更新所述影响参数。

8.一种曝光亮度控制的装置，其特征在于，所述装置包括：

图像获取模块，用于获取目标图像，将所述目标图像分割成多个图像块；

场景类别识别模块，用于根据各图像块的亮度分布特征识别所述目标图像所属的场景类别；

控制模块，用于根据所述目标图像的场景类别确定图像采集装置的曝光亮度。

9.根据权利要求8所述的装置，其特征在于，所述场景类别识别模块，

包括：

离散程度确定单元，用于根据各图像块的所述亮度均值，确定不同图像块的亮度分布的离散程度；

场景类别确定单元，用于根据所述亮度分布的离散程度，确定所述目标图像所属的场景类别。

10.根据权利要求9所述的装置，其特征在于，所述离散程度确定单元，用于根据以下公式确定所述亮度分布的离散程度：

其中，ΔY表示所述亮度分布的离散程度；Y_Avg表示所述目标图像中图像块的平均亮度值，Y_[i,j]表示第[i,j]个图像块的亮度均值，[i,j]用于唯一标识一个图像块。

11.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1-7中任何一项所述的方法。

12.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行根据权利要求1-7任何一项所述的方法。

Images