CN113160093B - 一种图像的自适应宽动态模式调节方法 - Google Patents

一种图像的自适应宽动态模式调节方法 Download PDF

Info

Publication number
CN113160093B
CN113160093B CN202110564208.6A CN202110564208A CN113160093B CN 113160093 B CN113160093 B CN 113160093B CN 202110564208 A CN202110564208 A CN 202110564208A CN 113160093 B CN113160093 B CN 113160093B
Authority
CN
China
Prior art keywords
mode
wide dynamic
image
interval
dynamic mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110564208.6A
Other languages
English (en)
Other versions
CN113160093A (zh
Inventor
陈凯
黄俊斌
黄磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Nationalchip Science & Technology Co ltd
Original Assignee
Hangzhou Nationalchip Science & Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Nationalchip Science & Technology Co ltd filed Critical Hangzhou Nationalchip Science & Technology Co ltd
Priority to CN202110564208.6A priority Critical patent/CN113160093B/zh
Publication of CN113160093A publication Critical patent/CN113160093A/zh
Application granted granted Critical
Publication of CN113160093B publication Critical patent/CN113160093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Studio Devices (AREA)
  • Exposure Control For Cameras (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像的自适应宽动态模式调节方法。现有方法采用传统的固定式的调节，对场景适应性不好。本发明方法首先通过对所需分析的图像亮度域进行亮度统计，得到直方图区间，然后对直方图的数据进行场景分析，得到对于场景判断的各项调整系数；最后根据各个调整系数进行两次判断，可以有效的保证算法的鲁棒性。本发明方法能够有效地对当前场景的复杂度进行分析，识别当前场景所需动态范围，从而控制摄像机进行宽动态与非宽动态之间的模式切换。

Description

一种图像的自适应宽动态模式调节方法
技术领域
本发明属于图像处理技术领域，具体涉及一种图像的自适应宽动态模式调节方法。
背景技术
由于监控摄像机安装位置相对固定，不可避免地会遇到强光问题，过强的光线会导致图像丢失有效信息，解决或者处理强光是一个无法避免的问题。目前，摄像机在图像采集的过程中，通过调整摄像机的曝光、动态范围、宽动态模式来提升图像的动态范围。
传统的宽动态调节的方法是：一，根据设置固定的时间进行宽动态和非宽动态之间的模式切换。由于目标场景会根据季节、天气等变化因素而改变，故该方法无法根据实际情况进行调节，进而影响图像的质量。二，对单一摄像机设置为单一的宽动态或非宽动态模式。由于场景光线在不断的变化，故此方法不适用于光线变化的场景。三，根据摄像机增益进行模式调整。该方法受限于对增益的判断，由于宽动态模式下，需要多帧进行融合，在增益的判断上，可能增益变化而导致图像模式调整，导致图像过曝、欠曝的情况。
发明内容
本发明的目的是提供一种图像的自适应宽动态模式调节方法，考虑到场景、光线的多元化场景下，对不同情况下得到高质量的图像。
本发明方法首先进行直方图统计，然后进行数据分析，最后进行模式调节。
本发明方法具体是：
步骤(1)对采集的图像的亮度域进行亮度统计，具体方法是：
(1-1)提取图像的亮度域，得到亮度域图像；
(1-2)对亮度域图像进行像素值的个数统计，统计出K＝2p个灰度级，得到K段直方图统计集合G[k]，k＝0,1,2,…,(K-1)，p∈[8,10,12]。
步骤(2)对直方图统计集合G[k]进行直方图的数据分析，得到有效像素区间的亮度均值M和各区间亮区与暗区的像素数的欧氏距离集合R[m]，具体方法是：
(2-1)对G[k]进行筛选，删除最亮部分的直方图统计，以减少亮区造成影响，得到有效像素区间的集合G[i]，其中i＝0,1,2,…,q。
q为由用户配置，
Figure BDA0003080263920000021
配置的q值越大，亮区参与度越高，对亮区的敏感度越低，局部亮区的影响性越小。q值取0.7×(K-1)～0.8×(K-1)为优选筛选方案。
(2-2)对G[i]进行均值计算，得到有效像素区间的亮度均值
Figure BDA0003080263920000022
(2-3)对G[i]进行区间划分，得到n个有效像素区间像素个数统计
Figure BDA0003080263920000023
j＝0,1,2,…,(n-1)，T[j]为第j个有效像素区间的划分阈值。
n为偶数，由用户进行配置，4≤n≤10，配置的n值越大，精度越高；
区间划分阈值采用从零开始，以
Figure BDA0003080263920000024
为等差数列的固定分布，即T[0]＝0，
Figure BDA0003080263920000025
Figure BDA0003080263920000026
…，T[n]＝q。
(2-4)计算得到各有效像素区间的亮区与暗区的像素数的欧氏距离集合R[m]：
Figure BDA0003080263920000027
步骤(3)对有效像素区间的亮度均值M和各区间的亮区与暗区的像素数的欧氏距离集合R[m]进行数据分析，最终得到宽动态模式切换结果；具体方法是：
(3-1)设定低动态场景划分阈值L和高动态场景划分阈值W，L和W均为用户的设定阈值，0＜W＜L＜K；
(3-2)若当前模式为非宽动态模式，则判断是否需要切换到宽动态模式：如果M≥W，则无需进行模式切换；如果M＜W，则进行模式切换分析。
若当前模式为宽动态模式，则判断是否需要切换到非宽动态模式：如果M≤L，则无需进行模式切换；如果M＞L，则进行模式切换分析。
(3-3)模式切换分析的方法为：如果
Figure BDA0003080263920000031
则进行模式切换；如果
Figure BDA0003080263920000032
则不进行模式切换；其中，l＝0,1,…,(m-1)，α为用户设定阈值，α＝1.0～1.5。
本发明方法充分考虑了光线、场景多元化的复杂场景的情况，保证该方法可以在不同的光源、场景场景下，自适应的进行宽动态与非宽动态模式之间的切换，避免了需要手动调节等传统手动配置从而造成特定场景下图像模式不适配带来的过曝、过暗等情况。在通过对图像的直方图的数据分析以后，可以有效地对当前场景的复杂度进行分析，识别当前场景需要什么样的模式进行适配，从而对摄像机的宽动态模式进行调节，使得当前场景的动态范围得到有效的提高。通过此本发明方法，可以根据摄像机的实际使用场景，进行自适应的宽动态模式调节。
附图说明
图1为本发明方法的流程图；
图2为实施例中有效像素区间示意图示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明，具体实施方式是示例性的，仅用于解释本发明而不能作为对本发明的限制。
如图1，一种图像的自适应宽动态模式调节方法，首先进行直方图统计，然后进行数据分析，最后进行模式调节。
首先，对采集的图像的亮度域进行亮度统计，具体方法是：
提取图像的亮度域，得到亮度域图像；对亮度域图像进行像素值的个数统计，统计出K＝2p个灰度级，得到K段直方图统计集合G[k]，k＝0,1,2,…,(K-1)，p∈[8,10,12]。本实施例采用p＝8，统计共256个灰度级，每个灰度级的像素出现的个数，得到256段直方图统计集合G[k]，k＝0,1,2,…,255。
然后，对直方图统计集合G[k]进行直方图的数据分析，具体是：
对G[k]进行筛选，删除最亮部分的直方图统计，以减少亮区造成影响，得到有效直方图区间集合G[i]，i＝0,1,2,…,q。
q为由用户配置，
Figure BDA0003080263920000041
配置的q值越大，亮区参与度越高，对亮区的敏感度越低，局部亮区的影响性越小。
本实施例选择q＝230，得到有效直方图区间集合为G[i]，其中，i＝0,1,2,…,230，如图2所示。
对G[i]进行均值计算，得到有效像素区间的亮度均值
Figure BDA0003080263920000042
对G[i]进行区间划分，区间划分阈值采用从零开始，以
Figure BDA0003080263920000043
为等差数列的固定分布，即T[0]＝0，
Figure BDA0003080263920000044
n为偶数，由用户进行配置，4≤n≤10，配置的n值越大，精度越高，本实施例中，n＝4。
得到四个有效像素区间像素个数统计
Figure BDA0003080263920000045
j＝0,1,2,3。
计算得到各有效像素区间的亮区与暗区的像素数的欧氏距离集合R[m]：
Figure BDA0003080263920000046
对有效像素区间的亮度均值M和各区间的亮区与暗区的像素数的欧氏距离集合R[m]进行数据分析，最终得到宽动态模式切换结果；具体是：
设定低动态场景划分阈值L和高动态场景划分阈值W，L和W均为用户的设定阈值，本实施例中选择W＝100，L＝180。
若当前模式为非宽动态模式，则判断是否需要切换到宽动态模式：如果M≥W，则无需进行模式切换；如果M＜W，则进行模式切换分析。
若当前模式为宽动态模式，则判断是否需要切换到非宽动态模式：如果M≤L，则无需进行模式切换；如果M＞L，则进行模式切换分析。
模式切换分析的方法为：如果
Figure BDA0003080263920000051
则进行模式切换；如果
Figure BDA0003080263920000052
则不进行模式切换；其中，l＝0,1，α为用户设定阈值，α＝1.0～1.5，本实施例中α＝1.2。
本发明方法充分考虑了光线、场景多元化的复杂场景的情况，保证该方法可以在不同的光源、场景场景下，自适应的进行宽动态与非宽动态模式之间的切换，避免了需要手动调节等传统手动配置从而造成特定场景下图像模式不适配带来的过曝、过暗等情况。
在通过对图像的直方图的数据分析以后，可以有效地对当前场景的复杂度进行分析，识别当前场景需要什么样的模式进行适配，从而对摄像机的宽动态模式进行调节，使得当前场景的动态范围得到有效的提高。通过此本发明方法，可以根据摄像机的实际使用场景，进行自适应的宽动态模式调节。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (3)

1.一种图像的自适应宽动态模式调节方法，其特征在于，该方法具体是：
步骤(1)对采集的图像的亮度域进行亮度统计：
(1-1)提取图像的亮度域，得到亮度域图像；
(1-2)对亮度域图像进行像素值的个数统计，统计出K＝2p个灰度级，得到K段直方图统计集合G[k]，k＝0,1,2,…,(K-1)，p∈[8,10,12]；
步骤(2)对直方图统计集合G[k]进行直方图的数据分析：
(2-1)对G[k]进行筛选，删除最亮部分的直方图统计，得到有效像素区间的集合G[i]，i＝0,1,2,…,q；q为由用户配置，
Figure FDA0003080263910000011
(2-2)对G[i]进行均值计算，得到有效像素区间的亮度均值
Figure FDA0003080263910000012
(2-3)对G[i]进行区间划分，得到n个有效像素区间像素个数统计
Figure FDA0003080263910000013
j＝0,1,2,…,(n-1)，T[j]为第j个有效像素区间的划分阈值；n为偶数，4≤n≤10；
区间划分阈值采用从零开始，以
Figure FDA0003080263910000014
为等差数列的固定分布，即T[0]＝0，
Figure FDA0003080263910000015
Figure FDA0003080263910000016
…，T[n]＝q；
(2-4)计算得到各有效像素区间的亮区与暗区的像素数的欧氏距离集合R[m]：
Figure FDA0003080263910000017
步骤(3)对有效像素区间的亮度均值M和各区间的亮区与暗区的像素数的欧氏距离集合R[m]进行数据分析，最终得到宽动态模式切换结果：
(3-1)设定低动态场景划分阈值L和高动态场景划分阈值W，0＜W＜L＜K；
(3-2)若当前模式为非宽动态模式，则判断是否需要切换到宽动态模式：如果M≥W，则无需进行模式切换；如果M＜W，则进行模式切换分析；
若当前模式为宽动态模式，则判断是否需要切换到非宽动态模式：如果M≤L，则无需进行模式切换；如果M＞L，则进行模式切换分析；
(3-3)模式切换分析：如果
Figure FDA0003080263910000021
则进行模式切换；如果
Figure FDA0003080263910000022
则不进行模式切换；其中，l＝0,1,…,(m-1)，α为设定阈值。
2.如权利要求1所述的一种图像的自适应宽动态模式调节方法，其特征在于：q取值为0.7×(K-1)～0.8×(K-1)。
3.如权利要求1所述的一种图像的自适应宽动态模式调节方法，其特征在于：所述的设定阈值α＝1.0～1.5。
CN202110564208.6A 2021-05-24 2021-05-24 一种图像的自适应宽动态模式调节方法 Active CN113160093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110564208.6A CN113160093B (zh) 2021-05-24 2021-05-24 一种图像的自适应宽动态模式调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110564208.6A CN113160093B (zh) 2021-05-24 2021-05-24 一种图像的自适应宽动态模式调节方法

Publications (2)

Publication Number Publication Date
CN113160093A CN113160093A (zh) 2021-07-23
CN113160093B true CN113160093B (zh) 2022-07-01

Family

ID=76877259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110564208.6A Active CN113160093B (zh) 2021-05-24 2021-05-24 一种图像的自适应宽动态模式调节方法

Country Status (1)

Country Link
CN (1) CN113160093B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102387291A (zh) * 2010-08-31 2012-03-21 索尼公司 成像设备、信号处理方法和程序
CN104217434A (zh) * 2014-09-04 2014-12-17 南京杰迈视讯科技有限公司 一种用于视频监控或机器视觉领域的图像多谱段分析方法
CN105376490A (zh) * 2015-11-19 2016-03-02 浙江宇视科技有限公司 一种模式切换方法、装置及使用模式切换方法的终端设备
CN109788205A (zh) * 2017-11-15 2019-05-21 浙江宇视科技有限公司 图像调整方法、装置及电子设备
CN111582100A (zh) * 2020-04-28 2020-08-25 浙江大华技术股份有限公司 一种目标对象的检测方法及设备
CN111741227A (zh) * 2020-06-24 2020-10-02 浙江大华技术股份有限公司 一种曝光参数的调节方法及装置
CN112217999A (zh) * 2020-09-23 2021-01-12 浙江大华技术股份有限公司 一种宽动态模式的调整方法、装置、电子设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090066819A1 (en) * 2005-03-15 2009-03-12 Omron Corporation Image processing apparatus and image processing method, program and recording medium
TWI566206B (zh) * 2015-09-09 2017-01-11 瑞昱半導體股份有限公司 寬動態範圍影像方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102387291A (zh) * 2010-08-31 2012-03-21 索尼公司 成像设备、信号处理方法和程序
CN104217434A (zh) * 2014-09-04 2014-12-17 南京杰迈视讯科技有限公司 一种用于视频监控或机器视觉领域的图像多谱段分析方法
CN105376490A (zh) * 2015-11-19 2016-03-02 浙江宇视科技有限公司 一种模式切换方法、装置及使用模式切换方法的终端设备
CN109788205A (zh) * 2017-11-15 2019-05-21 浙江宇视科技有限公司 图像调整方法、装置及电子设备
CN111582100A (zh) * 2020-04-28 2020-08-25 浙江大华技术股份有限公司 一种目标对象的检测方法及设备
CN111741227A (zh) * 2020-06-24 2020-10-02 浙江大华技术股份有限公司 一种曝光参数的调节方法及装置
CN112217999A (zh) * 2020-09-23 2021-01-12 浙江大华技术股份有限公司 一种宽动态模式的调整方法、装置、电子设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"High Dynamic Range Imaging: Spatially Varying Pixel Exposures";Shree K. Nayar.et al;《IEEE》;20020806;全文 *
"一种适用于硬件实现的宽动态图像合成算法";周海勇等;《电视技术》;20130602;全文 *

Also Published As

Publication number Publication date
CN113160093A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN110248112B (zh) 一种图像传感器的曝光控制方法
US8218868B2 (en) Method and apparatus for enhancing images
US8150202B2 (en) Gaussian mixture model based illumination normalization for global enhancement
US20030052979A1 (en) Image processing method and apparatus
CN108133462B (zh) 一种基于梯度场区域分割的单幅图像的复原方法
CN110163807B (zh) 一种基于期望亮通道的低照度图像增强方法
CN114004834B (zh) 一种图像处理中的雾天情况分析方法、设备及装置
JP5648849B2 (ja) 画像処理装置、画像処理方法
CN110782403A (zh) 一种红外图像非均匀性校正方法
CN107911599B (zh) 一种红外图像全局自动对焦方法及装置
CA2704037A1 (en) Method for detecting a target
CN105827898B (zh) 应用于摄像机的伽马曲线调整方法及装置
Jiang et al. Multiple templates auto exposure control based on luminance histogram for onboard camera
CN113160093B (zh) 一种图像的自适应宽动态模式调节方法
CN110223253B (zh) 一种基于图像增强的去雾方法
CN109003241B (zh) 一种具有双控功能的线性图像增强方法
CN112561835A (zh) 一种自适应逆直方图均衡化细节增强方法及系统
CN101478690B (zh) 一种基于色域映射的图像光照校正方法
GB2588616A (en) Image processing method and apparatus
CN112954228B (zh) 一种宽动态曝光的控制方法、及摄像机设备
CN112991240B (zh) 一种用于实时图像增强的图像自适应增强算法
CN116309093A (zh) 一种类背腹侧注意机制的视频降噪方法和系统
CN113298729B (zh) 基于最小值通道的快速单幅图像去雾方法
CN117218043B (zh) 基于监控图像质量的摄像头调控方法
CN110708470A (zh) 一种自适应互补曝光数字图像处理方法、图像获取设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant