CN114125280B - 相机曝光控制方法、装置、设备、存储介质 - Google Patents

Abstract

本申请提供了一种相机曝光控制方法、装置、设备、存储介质及程序产品，该方法包括：获取相机在默认曝光参数下所拍摄的第一图像；通过N个不同伽马参数分别对第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；对N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；根据N个伽马校正图像各自的特征点检测结果，在N个伽马校正图像中确定一个第二图像；根据第一图像和第二图像，确定相机的曝光参数；根据相机的曝光参数控制相机。本申请技术方案可以适用于不同光照或者亮度环境，从而在任何环境下，都可以保证图像效果。

Description

相机曝光控制方法、装置、设备、存储介质

技术领域

本申请实施例涉及图像处理技术，尤其涉及一种相机曝光控制方法、装置、设备、存储介质及程序产品。

背景技术

通常在虚拟现实(Virtual Reality，VR)头盔、无人机、机器人或者无人驾驶车辆等设备中都需要通过相机实现视觉观测，通常相机可以实现自动曝光，自动曝光主要通过调整相机的曝光时间和增益来控制相机所拍摄图像的亮度，因此，自动曝光对相机成像质量有相当大的影响，不合适的自动曝光方法容易导致图像过曝光或者欠曝光。

目前主要是通过比较相机所拍摄的图像的灰度值与目标灰度值的差异，来调整相机的曝光时间和增益来控制相机所拍摄图像的亮度，进而实现相机的自动曝光，然而，由于目标灰度值是一个固定值，导致目前的曝光方法无法较好的适应不同光照或者亮度等环境。

发明内容

本申请提供一种相机曝光控制方法、装置、设备、存储介质及程序产品，本申请技术方案可以适用于不同光照或者亮度环境，从而在任何环境下，都可以保证图像效果。

第一方面，本申请提供一种相机曝光控制方法，包括：获取相机在默认曝光参数下所拍摄的第一图像；通过N个不同伽马参数分别对第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；对N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；根据N个伽马校正图像各自的特征点检测结果，在N个伽马校正图像中确定一个第二图像；根据第一图像和第二图像，确定相机的曝光参数；根据相机的曝光参数控制相机。

第二方面，本申请提供一种相机曝光控制装置，包括：获取模块、伽马校正模块、特征点检测模块、第一确定模块、第二确定模块和控制模块，其中，获取模块用于获取相机在默认曝光参数下所拍摄的第一图像；伽马校正模块用于通过N个不同伽马参数分别对第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；特征点检测模块用于对N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；第一确定模块用于根据N个伽马校正图像各自的特征点检测结果，在N个伽马校正图像中确定一个第二图像；第二确定模块用于根据第一图像和第二图像，确定相机的曝光参数；控制模块用于根据相机的曝光参数控制相机。

第三方面，提供一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行如第一方面或其各实现方式中的方法。

第四方面，提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

第五方面，提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。

第六方面，提供一种计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

通过本申请提供的技术方案，一方面，由于伽马校正后的图像也是基于相机所拍摄的图像进行的，因此，无论在任何光照或者亮度环境下，进行比较的伽马校正后的图像与相机所拍摄的图像，二者都可以将环境因素抵消掉，使得该方法可以适用于不同光照或者亮度环境，从而在任何环境下，都可以保证图像效果。另一方面，电子设备可以基于特征点数量在伽马校正后的图像中选择一个图像，而特征点反应了图像的纹理信息，也就是说，在本申请中，电子设备结合了图像纹理信息和灰度信息来进行相机的曝光控制，而不是仅仅考虑图像灰度信息，从而可以提高曝光控制的准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本申请实施例提供的一种相机曝光控制方法的流程图；

图2为本申请实施例提供的FAST特征点示意图；

图3为本申请实施例提供的曝光表的示意图；

图4为本申请实施例提供的一种相机曝光控制装置400的示意图；

图5是本申请实施例提供的电子设备500的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在介绍本申请技术方案之前，下面先对本申请的相关知识进行阐述：

伽马(gamma)校正：针对图像中的任一个像素，对其进行伽马校正的过程可以如下：首先，对该像素的像素值进行归一化处理，归一化后的数值是0～1内之间的一个实数；其次，对该归一化后的数值可以进行预补偿，例如：可以对归一化后的数值求指数，该指数可以是1/gamma，gamma表示伽马参数；最后，对预补偿结果进行反归一化处理，以将该预补偿结果转换到0～255范围之内。

图像的特征点：是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点。

图像的角点：角点作为图像关键的局部结构特征，通常被描述成灰度强度变化不连续的点，被称为灰度图像上的奇异特征点，通常角点属于特征点，而特征点包括了角点以及其他点。因此可以把角点叫做特征点，但是不能认为特征点就是角点。

特征来自于加速段实验(Features From Accelerated Segment Test，FAST)特征点检测原理：若某像素点与其周围领域内足够多的像素点处于不同的区域，则该像素点可能为角点，也就是某些属性与众不同，考虑灰度图像，即若该点的灰度值比其周围领域内足够多的像素点的灰度值大或者小，则该点可能为角点。

下面将对本申请技术方案的发明构思进行说明：

如上所述，目前主要是通过比较相机所拍摄的图像的灰度值与目标灰度值的差异，来调整相机的曝光时间和增益来控制相机所拍摄图像的亮度，进而实现相机的自动曝光，然而，由于目标灰度值是一个固定值，导致目前的曝光方法无法较好的适应不同光照或者亮度等环境。

为了解决该技术问题，本申请技术方案不依赖于固定的目标灰度值，而是通过对相机所拍摄的图像进行伽马校正，在伽马校正后的图像中选择一个图像，基于该图像和相机所拍摄的图像来进行自动曝光控制。

应理解的是，本申请技术方案可以应用于如下场景，但不限于此：VR头盔、无人机、机器人或者自动驾驶车辆等电子设备通过相机获取视觉观测的场景。

下面将对本申请技术方案进行详细阐述：

图1为本申请实施例提供的一种相机曝光控制方法的流程图，该方法可以由VR头盔、无人机、机器人或者自动驾驶车辆等电子设备执行，本申请对此不做限制，如图1所示，该方法包括如下步骤：

S110：获取相机在默认曝光参数下所拍摄的第一图像；

S120：通过N个不同伽马参数分别对第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；

S130：对N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；

S140：根据N个伽马校正图像各自的特征点检测结果，在N个伽马校正图像中确定一个第二图像；

S150：根据第一图像和第二图像，确定相机的曝光参数；

S160：根据相机的曝光参数控制相机。

应理解的是，上述相机可以是VR头盔、无人机、机器人或者自动驾驶车辆等电子设备中的相机传感器。

在一些可实现方式中，上述N个不同伽马参数中包括(N-1)/2个第一伽马参数、(N-1)/2个第二伽马参数和1个第三伽马参数；其中，第一伽马参数是N个不同伽马参数中小于1的伽马参数，第二伽马参数是N个不同伽马参数中大于1的伽马参数，第三伽马参数是N个不同伽马参数中等于1的伽马参数。例如：N＝101，那么这101个伽马参数中包括50个小于1的伽马参数，50个大于1的伽马参数和1个等于1的伽马参数。

需要说明的是，本申请对N个不同伽马参数中包括的第一伽马参数、第二伽马参数以及第三伽马参数的数量不做限制，例如：N个不同伽马参数中也可以包括(N-2)/2个第一伽马参数、(N-2)/2个第二伽马参数和2个第三伽马参数。

应理解的是，电子设备通过N个不同伽马参数分别对第一图像进行伽马校正时，其可以采用相关知识所述的伽马校正方式对第一图像进行伽马校正。

在一些可实现方式中，电子设备可以对N个伽马校正图像采用FAST特征点检测算法或者其他特征点检测算法，如：尺度不变特征转换(Scale Invariant FeatureTransform，SIFT)、加速稳健特征(Speeded-Up Robust Features，SURF)等特征点检测算法，本申请对此不做限制。

下面对FAST特征点检测算法进行说明：

图2为本申请实施例提供的FAST特征点示意图，如图2所示，假设从图像中选取一个像素P，电子设备可以通过如下方式来判断该像素P是否是一个特征点：电子设备可以将该像素P的亮度值设为I_P，并且设置一个合适的阈值t，确定以该像素点为中心的一个半径等于3像素的Bresenham圆，这个圆的边界上有16个像素，进一步地，如果在这个大小为16个像素的圆上有n个连续的像素点，它们的像素值要么都比I_P+t大，要么都比I_P-t小，那么该像素点P就是一个角点，该角点就是特征点，其中，n可以为12或者9，实验证明选择9可能会有更好的效果。上面的算法中，对于图像中的每一个点，电子设备都要去遍历其邻域圆上的16个点的像素，效率较低，因此，电子设备下面提出了一种高效的测试来快速排除一大部分非角点的像素，该方法仅仅检查在位置1，9，5和13四个位置的像素，首先检测位置1和位置9，如果它们的灰度值都比灰度阈值暗或比灰度阈值亮，再检测位置5和位置13。如果P是一个角点，那么上述四个像素点中至少有3个应该必须都大于I_P+t或者小于I_P-t，因为若是一个角点，超过四分之三圆的部分应该满足判断条件。如果不满足，那么P不可能是一个角点。对于所有点做上面这一部分初步的检测后，符合条件的将成为候选角点，电子设备再对候选角点，做完整的测试，即检测圆上的所有点。

需要说明的是，上述算法只是一种传统的FAST特征点检测算法，为了提高特征点检测效率，在该传统的FAST特征点检测算法基础之上，电子设备还可以进一步结合非极大值抑制或者机器学习等算法，这种结合后的算法也被称为FAST特征点检测算法，因此，本申请所提供的FAST特征点检测算法可以是任一种FAST特征点检测算法，本申请对此不做限制。

进一步地，电子设备可以通过如下任一种可实现方式在N个伽马校正图像中确定第二图像，但不限于此：

可实现方式一：电子设备可以将N个伽马校正图像中特征点最多的伽马校正图像确定为第二图像。

示例性地，假设存在5个伽马校正图像，它们各自的特征点个数分别是：2，8，10，6，5，那么电子设备可以将特征点个数为10的伽马校正图像是确定为第二图像。

需要说明的是，如果基于可实现方式一确定了多个第二图像，那么电子设备可以在这些第二图像中随机选择一个第二图像，或者，可以采用预设选择方式在这些第二图像中选择一个第二图像，本申请对电子设备在多个第二图像中选择一个第二图像的选择方式不做限制。

可实现方式二：电子设备可以根据N个伽马校正图像各自的特征点检测结果，确定N个伽马校正图像各自的特征点，确定N个伽马校正图像各自的特征点的得分，将N个伽马校正图像中第一特征点最多的伽马校正图像确定为第二图像；其中，第一特征点是得分大于预设阈值的特征点。

在一些可实现方式中，特征点的得分可以是特征点的Harris响应值，又或者，该特征点的得分可以通过如下方式得到：电子设备计算该特征点与预设范围内的每个像素点的灰度值之差，对这些差结果再求和，得到该特征点的得分。总之，本申请对计算特征点的得分方法不做限制。

在一些可实现方式中，特征点的得分对应的预设阈值可以根据实验或者经验得到，其取值可以是8，10等，本申请对此不做限制。

示例性地，假设存在5个伽马校正图像，它们各自的特征点个数分别是：2，8，10，6，5，其中，包括2个特征点的伽马校正图像M1中各个特征点的得分是0.2，0.6；包括8个特征点的伽马校正图像M2中各个特征点的得分是0.2，0.6，0.1，0.7，0.8，0.6，0.2，0.3；包括10个特征点的伽马校正图像M3中各个特征点的得分是0.2，0.2，0.1，0.2，0.8，0.4，0.2，0.7，0.1，0.2；包括6个特征点的伽马校正图像M4中各个特征点的得分是0.2，0.6，0.7，0.8，0.8，0.7；包括5个特征点的伽马校正图像M5中各个特征点的得分是0.1，0.3，0.7，0.8，0.8；假设特征点的得分对应的预设阈值为0.5，那么伽马校正图像M1包括的第一特征点的个数是1，伽马校正图像M2包括的第一特征点的个数是4，伽马校正图像M3包括的第一特征点的个数是2，伽马校正图像M4包括的第一特征点的个数是5，伽马校正图像M5包括的第一特征点的个数是3，基于此，电子设备可以将伽马校正图像M4确定为第二图像。

需要说明的是，如果基于可实现方式二确定了多个第二图像，那么电子设备可以在这些第二图像中随机选择一个第二图像，或者，可以采用预设选择方式在这些第二图像中选择一个第二图像，本申请对电子设备在多个第二图像中选择一个第二图像的选择方式不做限制。

进一步地，电子设备在确定了第二图像之后，其可以通过如下可实现方式确定相机的曝光参数，但不限于此：

可实现方式一：电子设备可以确定第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值；根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，确定相机的曝光参数。

可实现方式二：电子设备可以根据确定第一图像的红绿蓝(Red Green Blue，RGB)和第二图像的RGB；根据第一图像的RGB和第二图像的RGB，确定相机的曝光参数。

在一些可实现方式中，相机的曝光参数可以包括相机的曝光时间和/或增益，但不限于此。

下面针对可实现方式一进行说明：

进一步地，电子设备在确定了第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值之后，可以通过如下方式确定相机的曝光参数，但不限于此：

在一种可实现方式中，电子设备可以获取到一个曝光表，图3为本申请实施例提供的曝光表的示意图，如图3所示，该曝光表中包括：多行曝光参数，这里曝光参数包括：曝光时间和增益，这些曝光时间和增益的排列顺序可以是：按照该表从底部向顶部的顺序，曝光时间与增益的乘积由小到大排序。进一步地，电子设备可以根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，得到曝光表步长；根据曝光表的当前位置和曝光表步长，得到曝光表的目标位置；将目标位置所对应的曝光参数，确定为相机的曝光参数。

电子设备可以通过可实现方式计算得到曝光表步长，但不限于此：

在一种可实现方式中，电子设备可以根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，得到第一结果；根据第一结果与灰度比例因子，得到曝光表步长。

其中，电子设备可以计算第二图像中各个像素的平均灰度值和第一图像中各个像素的平均灰度值之差，得到第一结果，或者，电子设备可以对第一图像中各个像素的平均灰度值乘以一个大于0且小于1的因子，得到一个乘积结果，然后电子设备可以计算第二图像中各个像素的平均灰度值与该乘积结果之差，得到第一结果。进一步地，电子设备可以计算第一结果与灰度比例因子之积，得到曝光表步长，或者，电子设备可以计算第一结果与灰度比例因子之积，得到一个乘积结果，对该乘积结果再加上或者乘以一个因子，最后得到曝光表步长。

在另一种可实现方式中，电子设备可以根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，得到曝光表步长。

其中，电子设备可以计算第二图像中各个像素的平均灰度值与第一图像中各个像素的平均灰度值之差，可以得到曝光表步长。

总之，本申请对如何计算第一结果以及如何计算曝光表步长不做限制。

在一些可实现方式中，电子设备可以计算曝光表的当前位置和曝光表步长之和，得到曝光表的目标位置，但不限于此。其中，如图3所示，该目标位置所对应的所对应的曝光参数即为最终确定的曝光参数，基于此，电子设备可以将相机的默认曝光参数调整为最终确定的曝光参数。

应理解的是，曝光表的当前位置是相机的默认曝光参数在曝光表中对应的位置。

下面通过一个示例对确定相机的曝光参数的可实现方式一进行说明：

示例性地，假设电子设备从相机获取到的第一图像为I_src，曝光表的当前

位置为line_src，N组伽马参数是{γ₀，γ₁，…，γ_N-1}，通过这N组伽马参数对第一图像进行伽马校正，获得校正后的图像序列为{I₀，I₁，…，I_N-1}，电子设备对图像序列{I₀，I₁，…，I_N-1}中的各个图像进行Fast特征点检测，并计算每个特征点的Harris响应值，统计每张图像中Harris响应值大于预设阈值的特征点，即第一特征点的个数，选取第一特征点最多的图像作为第二图像I_dst，进一步地，电子设备可以确定第一图像I_src和第二图像I_dst的平均灰度值gray_src和gray_dst，计算曝光表步长gap＝(gray_dst-gray_src)*Δ_expo，其中Δ_expo为灰度比例因子，计算曝光表步长与当前位置之和，得到目标位置line_dst＝line_src+gap，最终将该目标位置对应的曝光时间和增益确定为相机的曝光时间和增益。

下面针对确定相机的曝光参数的可实现方式二进行说明：

电子设备可以对第一图像的RGB和第二图像的RGB计算差值，得到是一个RGB结果；而电子设备可以预先建议一个RGB结果与曝光参数的对应关系，根据该对应关系确定相机的曝光参数。

综上，本申请技术方案不依赖于固定的目标灰度值，而是通过对相机所拍摄的图像进行伽马校正，在伽马校正后的图像中选择一个图像，基于该图像和相机所拍摄的图像来进行自动曝光控制，由于伽马校正后的图像也是基于相机所拍摄的图像进行的，因此，无论在任何光照或者亮度环境下，进行比较的伽马校正后的图像与相机所拍摄的图像，二者都可以将环境因素抵消掉，使得该方法可以适用于不同光照或者亮度环境，从而在任何环境下，都可以保证图像效果。此外，电子设备可以基于特征点数量在伽马校正后的图像中选择一个图像，即上述第二图像，而特征点反应了图像的纹理信息，也就是说，在本申请中，电子设备结合了图像纹理信息和灰度信息来进行相机的曝光控制，而不是仅仅考虑图像灰度信息，从而可以提高曝光控制的准确度。

图4为本申请实施例提供的一种相机曝光控制装置400的示意图，如图4所示，该装置400包括：获取模块410、伽马校正模块420、特征点检测模块430、第一确定模块440、第二确定模块450和控制模块460，其中，获取模块410用于获取相机在默认曝光参数下所拍摄的第一图像；伽马校正模块420用于通过N个不同伽马参数分别对第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；特征点检测模块430用于对N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；第一确定模块440用于根据N个伽马校正图像各自的特征点检测结果，在N个伽马校正图像中确定一个第二图像；第二确定模块450用于根据第一图像和第二图像，确定相机的曝光参数；控制模块460用于根据相机的曝光参数控制相机。

在一些可实现方式中，第一确定模块440具体用于：根据N个伽马校正图像各自的特征点检测结果，将N个伽马校正图像中特征点最多的伽马校正图像确定为第二图像。

在一些可实现方式中，第一确定模块440具体用于：根据N个伽马校正图像各自的特征点检测结果，确定N个伽马校正图像各自的特征点；确定N个伽马校正图像各自的特征点的得分；将N个伽马校正图像中第一特征点最多的伽马校正图像确定为第二图像；其中，第一特征点是得分大于预设阈值的特征点。

在一些可实现方式中，第二确定模块450具体用于：确定第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值；根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，确定相机的曝光参数。

在一些可实现方式中，第二确定模块450具体用于：根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，得到曝光表步长；根据曝光表的当前位置和曝光表步长，得到曝光表的目标位置；将目标位置所对应的曝光参数，确定为相机的曝光参数；其中，曝光表的当前位置是默认曝光参数在曝光表中对应的位置。

在一些可实现方式中，第二确定模块450具体用于：根据第一图像中各个像素的平均灰度值和第二图像中各个像素的平均灰度值，得到第一结果；根据第一结果与灰度比例因子，得到曝光表步长。

在一些可实现方式中，第二确定模块450具体用于：计算第二图像中各个像素的平均灰度值和第一图像中各个像素的平均灰度值之差，得到第一结果。

在一些可实现方式中，第二确定模块450具体用于：计算述第一结果与灰度比例因子之积，得到曝光表步长。

在一些可实现方式中，第二确定模块450具体用于：计算曝光表的当前位置和曝光表步长之和，得到曝光表的目标位置。

在一些可实现方式中，N个不同伽马参数中包括(N-1)/2个小于1的伽马参数、(N-1)/2个大于1的伽马参数和1个等于1的伽马参数。

应理解的是，装置实施例与方法实施例可以相互对应，类似的描述可以参照方法实施例。为避免重复，此处不再赘述。具体地，图4所示的装置400可以执行图1对应的方法实施例，并且装置400中的各个模块的前述和其它操作和/或功能分别为了实现图1中的各个方法中的相应流程，为了简洁，在此不再赘述。

上文中结合附图从功能模块的角度描述了本申请实施例的装置400。应理解，该功能模块可以通过硬件形式实现，也可以通过软件形式的指令实现，还可以通过硬件和软件模块组合实现。具体地，本申请实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本申请实施例公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。可选地，软件模块可以位于随机存储器，闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法实施例中的步骤。

图5是本申请实施例提供的电子设备500的示意性框图。

如图5所示，该电子设备500可包括：

存储器510和处理器520，该存储器510用于存储计算机程序，并将该程序代码传输给该处理器520。换言之，该处理器520可以从存储器510中调用并运行计算机程序，以实现本申请实施例中的方法。

例如，该处理器520可用于根据该计算机程序中的指令执行上述方法实施例。

在本申请的一些实施例中，该处理器520可以包括但不限于：

通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等等。

在本申请的一些实施例中，该存储器510包括但不限于：

易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)。

在本申请的一些实施例中，该计算机程序可以被分割成一个或多个模块，该一个或者多个模块被存储在该存储器510中，并由该处理器520执行，以完成本申请提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述该计算机程序在该电子设备中的执行过程。

如图5所示，该电子设备还可包括：

收发器530，该收发器530可连接至该处理器520或存储器510。

其中，处理器520可以控制该收发器530与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。收发器530可以包括发射机和接收机。收发器530还可以进一步包括天线，天线的数量可以为一个或多个。

应当理解，该电子设备中的各个组件通过总线系统相连，其中，总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。

本申请还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说，本申请实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述方法实施例的方法。

当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

以上该，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以该权利要求的保护范围为准。

Claims (13)

1.一种相机曝光控制方法，其特征在于，包括：

获取相机在默认曝光参数下所拍摄的第一图像；

通过N个不同伽马参数分别对所述第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；

对所述N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；

根据所述N个伽马校正图像各自的特征点检测结果，在所述N个伽马校正图像中确定一个第二图像；

比较所述第一图像和所述第二图像，确定所述相机的曝光参数；

根据所述相机的曝光参数控制所述相机。

2.根据权利要求1所述的方法，其特征在于，所述根据所述N个伽马校正图像各自的特征点检测结果，在所述N个伽马校正图像中确定一个第二图像，包括：

根据所述N个伽马校正图像各自的特征点检测结果，将所述N个伽马校正图像中特征点最多的伽马校正图像确定为所述第二图像。

3.根据权利要求1所述的方法，其特征在于，所述根据所述N个伽马校正图像各自的特征点检测结果，在所述N个伽马校正图像中确定一个第二图像，包括：

根据所述N个伽马校正图像各自的特征点检测结果，确定所述N个伽马校正图像各自的特征点；

确定所述N个伽马校正图像各自的特征点的得分；

将所述N个伽马校正图像中第一特征点最多的伽马校正图像确定为所述第二图像；

其中，所述第一特征点是得分大于预设阈值的特征点。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述比较所述第一图像和所述第二图像，确定所述相机的曝光参数，包括：

确定所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值；

根据所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值，确定所述相机的曝光参数。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值，确定所述相机的曝光参数，包括：

根据所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值，得到曝光表步长；

根据曝光表的当前位置和所述曝光表步长，得到所述曝光表的目标位置；

将所述目标位置所对应的曝光参数，确定为所述相机的曝光参数；

其中，所述曝光表的当前位置是所述默认曝光参数在所述曝光表中对应的位置。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值，得到曝光表步长，包括：

根据所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值，得到第一结果；

根据所述第一结果与灰度比例因子，得到所述曝光表步长。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一图像中各个像素的平均灰度值和所述第二图像中各个像素的平均灰度值，得到第一结果，包括：

计算所述第二图像中各个像素的平均灰度值和所述第一图像中各个像素的平均灰度值之差，得到所述第一结果。

8.根据权利要求6所述的方法，其特征在于，所述根据所述第一结果与灰度比例因子，得到所述曝光表步长，包括：

计算所述第一结果与所述灰度比例因子之积，得到所述曝光表步长。

9.根据权利要求5-8任一项所述的方法，其特征在于，所述根据曝光表的当前位置和所述曝光表步长，得到所述曝光表的目标位置，包括：

计算所述曝光表的当前位置和所述曝光表步长之和，得到所述曝光表的目标位置。

10.根据权利要求1-3任一项所述的方法，其特征在于，所述N个不同伽马参数中包括(N-1)/2个小于1的伽马参数、(N-1)/2个大于1的伽马参数和1个等于1的伽马参数。

11.一种相机曝光控制装置，其特征在于，包括：

获取模块，用于获取相机在默认曝光参数下所拍摄的第一图像；

伽马校正模块，用于通过N个不同伽马参数分别对所述第一图像进行伽马校正，得到N个伽马校正图像，N为大于1的整数；

特征点检测模块，用于对所述N个伽马校正图像分别进行特征点检测，得到N个伽马校正图像各自的特征点检测结果；

第一确定模块，用于根据所述N个伽马校正图像各自的特征点检测结果，在所述N个伽马校正图像中确定一个第二图像；

第二确定模块，用于比较所述第一图像和所述第二图像，确定所述相机的曝光参数；

控制模块，用于根据所述相机的曝光参数控制所述相机。

12.一种电子设备，其特征在于，包括：

处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行权利要求1至10中任一项所述的方法。

13.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至10中任一项所述的方法。