一种调光方法、装置及设备与流程

本发明涉及计算机处理技术领域，尤其涉及一种调光方法、装置及设备。

背景技术：

工业产品种类繁多，在工业产品的生产过程中，需要对生产样品进行缺陷检测。相关技术中，通常是采用基于机器视觉的缺陷检测系统来实现，该技术是通过获取样品图像，并对样品图像进行分析检测，因此，样品图像质量对产品缺陷检测的影响至关重要，而样品图像质量与拍摄样品图像时的打光参数存在直接关联。

然而，目前的产品表面缺陷检测方案中，光源调节参数相对固定，不能跟随待测样品尺寸位置变化自适应调节光源，造成样品图像质量无法得到保证，进而影响待测样品的缺陷检测结果。

技术实现要素：

本发明实施例提供一种调光方法、装置及设备，以解决现有缺陷检测中的光源调节参数相对固定，不能跟随待测样品尺寸位置变化自适应调节光源，造成样品图像质量无法得到保证，进而影响待测样品的缺陷检测结果的问题。

第一方面，本发明实施例提供了一种调光方法，包括：

获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；

分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；

确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；

确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。

可选的，所述确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，包括：

分别计算所述g组像素特征参数中每组像素特征参数与预设像素特征参数的欧式距离，得到g个距离值；

将所述g个距离值中的最小距离值对应的像素特征参数确定为目标像素特征参数。

可选的，所述分别确定所述g张样品图像中每张样品图像的像素特征参数，包括：

分别确定所述g张样品图像中每张样品图像的目标区域，其中，所述目标区域为包含样品图像特征的区域；

分别计算所述每张样品图像的目标区域的像素特征参数。

可选的，所述分别确定所述g张样品图像中每张样品图像的目标区域，包括：

采用detectors算法分别检测所述g张样品图像中每张样品图像的感兴趣区域roi，其中，所述每张样品图像的roi为所述每张样品图像的目标区域。

可选的，所述打光参数包括打光亮度和打光角度，所述g组不同打光参数由m个打光亮度值和n个打光角度值组合得到，m和n均为大于1的整数。

可选的，所述像素特征参数包括平均灰度值、灰度值方差和灰度直方图中的至少之一。

可选的，所述预设像素特征参数通过如下方式确定：

获取模板样品分别在p组不同打光参数下拍摄得到的p张模板样品图像，其中，p为大于1的整数；

确定所述p张模板样品图像中图像质量符合预设条件的目标模板样品图像；

确定所述目标模板样品图像的第一区域，其中，所述第一区域为包含模板样品图像特征的区域；

计算所述第一区域的像素特征参数，得到所述预设像素特征参数。

第二方面，本发明实施例还提供一种调光装置，包括：

获取模块，用于获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；

第一确定模块，用于分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；

第二确定模块，用于确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；

第三确定模块，用于确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。

可选的，所述第二确定模块包括：

第一计算单元，用于分别计算所述g组像素特征参数中每组像素特征参数与预设像素特征参数的欧式距离，得到g个距离值；

第一确定单元，用于将所述g个距离值中的最小距离值对应的像素特征参数确定为目标像素特征参数。

可选的，所述第一确定模块包括：

第二确定单元，用于分别确定所述g张样品图像中每张样品图像的目标区域，其中，所述目标区域为包含样品图像特征的区域；

第二计算单元，用于分别计算所述每张样品图像的目标区域的像素特征参数。

可选的，所述第二确定单元用于采用detectors算法分别检测所述g张样品图像中每张样品图像的感兴趣区域roi，其中，所述每张样品图像的roi为所述每张样品图像的目标区域。

可选的，所述打光参数包括打光亮度和打光角度，所述g组不同打光参数由m个打光亮度值和n个打光角度值组合得到，m和n均为大于1的整数。

可选的，所述像素特征参数包括平均灰度值、灰度值方差和灰度直方图中的至少之一。

可选的，所述预设像素特征参数通过如下方式确定：

获取模板样品分别在p组不同打光参数下拍摄得到的p张模板样品图像，其中，p为大于1的整数；

确定所述p张模板样品图像中图像质量符合预设条件的目标模板样品图像；

确定所述目标模板样品图像的第一区域，其中，所述第一区域为包含模板样品图像特征的区域；

计算所述第一区域的像素特征参数，得到所述预设像素特征参数。

第三方面，本发明实施例还提供一种调光设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的调光方法中的步骤。

第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的调光方法中的步骤。

在本发明实施例中，获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。这样，通过为待测样本提供多组不同的打光参数，并通过将待测样本在每组不同打光参数下拍摄的样品图像的像素特征参数与模板样品图像的像素特征参数进行对比，确定出最适合待测样品的打光参数，进而能够实现可随待测样品尺寸位置变化适应地调节光源，以保证待测样品的图像质量，进而保证待测样品的缺陷检测结果不受光源差异影响。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的调光方法的流程图之一；

图2是本发明实施例提供的调光装置的硬件结构图；

图3是本发明实施例提供的调光装置的硬件结构的局部放大图；

图4是本发明实施例提供的调光方法的流程图之二；

图5是本发明实施例提供的调光装置的结构图；

图6是本发明实施例提供的调光设备的结构图。

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作出创造性劳动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。

参见图1，图1是本发明实施例提供的调光方法的流程图，应用于调光装置，如图1所示，包括以下步骤：

步骤101、获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数。

上述待测样品可以是任意需要进行图像拍摄的样品对象，例如，可以是需要拍照以进行缺陷检测的待测样品，对于钢铁行业中的连铸坯检测，上述待测样品可以是连铸坯试样。

上述g组不同打光参数可以是调光装置可给定的多组不同的打光参数，在连铸坯检测中，所述打光参数可以是调光装置的条形光源（以下简称条光）的亮度、角度等参数。即在应用中，可以给定一个包括g组打光参数的离散型参数空间，其中，g的数值也即打光参数的组数可根据实际需要进行选择设定。

可选的，所述打光参数包括打光亮度和打光角度，所述g组不同打光参数由m个打光亮度值和n个打光角度值组合得到，m和n均为大于1的整数。

即在一种实施方式中，所述打光参数可包括打光亮度和打光角度，即在实际应用中，可以通过调节打光亮度和打光角度，来给待测试样提供合适的打光环境。

所述g组不同打光参数可由m个不同的打光亮度值和n个不同的打光角度值组合得到，具体地，可以设定m个从低到高的不同条光亮度值和n个不同的条光角度值，然后通过将这m个条光亮度值和n个条光角度值进行组合，便可得到所述g组不同打光参数，也就是说，g=m×n。

这样，可从打光亮度和打光角度这两个维度来调节打光参数，进而保证待测样品能够获得较好的打光效果。

上述获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，可以是从预先设定好的g组不同打光参数中分别选择第1至第g组打光参数，对放置在检测台上的待测样品进行打光，并分别在每组打光参数下，利用相机对所述待测样品进行拍摄，得到所述待测样品分别在所述g组不同打光参数下拍摄得到的g张样品图像，其中每张样品图像所对应的打光参数不同。

步骤102、分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数。

上述像素特征参数可以是能够反应图像总体特征的一些参数，例如，可以是平均灰度值、灰度值方差、灰度直方图等。

也就是说，所述像素特征参数可包括平均灰度值、灰度值方差和灰度直方图中的至少之一。

其中，平均灰度值可以通过计算图像中各像素点的灰度值的平均值得到，灰度值方差可以通过计算图像中各像素点的灰度值的方差得到，例如，g代表像素的灰度值，n代表图像中像素点的数量，则平均灰度值的计算公式为：，灰度值方差的计算公式为：。

灰度直方图则为可以通过计算图像中各像素点在不同灰度值范围的概率分布得到，例如，首先将灰度值从0到255平均分为k个范围，再统计各像素点的灰度值分别落在哪个范围，从而最终计算出不同范围包含的像素点数量，再除以总像素点数量，便可得到概率分布p1，p2、…pk，k可根据实际需要设定。为保证更为全面和准确地反应图像特征，可以采用平均灰度值、灰度值方差和灰度直方图作为像素特征参数。

这样，可保证后续通过对比图像的平均灰度值、灰度值方差或灰度直方图等特征参数，能够较好和较为准确地评估图像特征。

上述分别确定所述g张样品图像中每张样品图像的像素特征参数，可以是分别对每张样品图像，计算其像素特征参数，且为了减少计算量和避免图像背景的影响，可以通过只对样品图像中具备样品图像特征的目标区域进行计算。

也就是说，所述步骤102可以包括：

分别确定所述g张样品图像中每张样品图像的目标区域，其中，所述目标区域为包含样品图像特征的区域；

分别计算所述每张样品图像的目标区域的像素特征参数。

具体地，可以对于所述g张样品图像中每张样品图像，分别识别每张样品图像中的样品图像特征，以得到样品图像特征所在区域，也即确定每张样品图像的目标区域，然后，可以分别计算每张样品图像的目标区域的像素特征参数，计算方式与上述步骤102类似，此处不再赘述。

这样，通过针对每张样品图像的目标区域进行像素特征参数计算，可以达到减少计算量和避免样品图像中的背景像素的影响，保证计算得到的像素特征参数更具参考性。

进一步的，所述分别确定所述g张样品图像中每张样品图像的目标区域，包括：

采用检测-递归特征金字塔-可切换空洞卷积（detector-rfp-sac，detectors）算法检测所述g张样品图像中每张样品图像的感兴趣区域（regionofinterest，roi），其中，所述每张样品图像的roi为所述每张样品图像的目标区域。

即为了更为精准地找出样品图像的目标区域，可以采用detectors算法来对样品图像进行目标检测，以确定每张样品图像中的目标区域，也即roi区域，所述detectors算法属于实例分割算法（instancesegmentation），其检测原理为，首先寻找到图像中目标物体如待测试样的位置（boundingbox），然后从像素层面分割待测样本的轮廓，最大程度消除图像中背景部分的影响。

其中，detectors算法是一种目标检测模型，其探讨了目标检测中的lookingandthinkingtwice机制，在宏观上提出了递归特征金字塔（recursivefeaturepyramid，rfn）模型，在微观上提出了可切换空洞卷积（switchableatrousconvolution，sac）模型，该detectors算法在coco（commonobjectsincontext）数据集中取得了最佳的结果。

需说明的是，在使用该算法时，可以先使用大量待测样品图像训练集对detectors算法模型进行训练，例如，可以首先准备约1000张待测样品的图像，将每张待测样品图像的轮廓完整的标注出来，再利用标注好的待测样品图像对detectors算法模型进行训练，训练好的detectors算法模型就可以用来检测待测样品图像中的roi区域。

步骤103、确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数。

本发明实施例中，为了从多组打光参数中找出最适合当前待测样品的打光参数，可以采用将待测样品在每组打光参数下拍摄得到的图像与预先拍摄的模板样品的图像进行对比，具体可以是对比能够反应图像特征的像素特征参数，以找出与预先拍摄的模板样品的图像特征最为相似的一张待测样品图像，以及其对应的打光参数，其中，所述模板样品可以是预先选定的完整无缺陷的样品，所述模板样品图像可以是从分别使用不同打光参数对模板样品进行拍摄得到的图像中选取的图像质量最佳一张图像，如图像纹理清晰、亮度适中的图像，以保证基于所述模板样品图像的像素特征参数对比得到的待测样品图像也具备较高质量。

具体地，可以分别将每张待测样品图像的像素特征参数与预设像素特征参数进行对比，如作相似度计算，然后确定出其中与所述预设像素特征参数相似度最高的目标像素特征参数。

可选的，所述步骤103包括：

分别计算所述g组像素特征参数中每组像素特征参数与预设像素特征参数的欧式距离，得到g个距离值；

将所述g个距离值中的最小距离值对应的像素特征参数确定为目标像素特征参数。

即一种实施方式中，可以采用计算像素特征参数间的欧式距离的方式来准确评估两个图像间的相似度，具体地，可以分别计算每张待测样品的像素特征参数与所述预设像素特征参数的欧式距离，进一步地，还可以是计算加权欧式距离，从而可以得到g个距离值，由于欧式距离越小，表明图像相似度越高，从而可以选择所述g个距离值中的最小距离值（也即欧式距离最小）对应的像素特征参数为目标像素特征参数。

以待测样品图像的像素特征参数为其中的roi区域的平均灰度值、灰度值方差和灰度直方图为例，欧式距离d可以是采用如下计算公式：

其中，α、β和γ为权值，可以由实验得出，和分别表示两个图像的平均灰度值，和分别表示两个图像的灰度值方差，和分别表示两个图像中各像素点在k个灰度值范围的分布概率。

这样，通过对比图像的像素特征参数间的欧式距离的方式，来找出目标像素特征参数，进而从多组打光参数中找出最优打光参数，不仅方式易于实现，且能保证计算结果较为可靠。

可选的，所述预设像素特征参数通过如下方式确定：

获取模板样品分别在p组不同打光参数下拍摄得到的p张模板样品图像，其中，p为大于1的整数；

确定所述p张模板样品图像中图像质量符合预设条件的目标模板样品图像；

确定所述目标模板样品图像的第一区域，其中，所述第一区域为包含模板样品图像特征的区域；

计算所述第一区域的像素特征参数，得到所述预设像素特征参数。

即在确定模板样品的像素特征参数时，可以是先确定适合作为模板的样品，例如，选择一个完整无缺陷的模板样品放置于检测台上，然后可依据预先设定的p组不同打光参数，依次调整打光参数（如分别调整条光亮度值和角度值）为第1组打光参数至第p组打光参数，并可分别在每组打光参数下拍摄模板样品，得到p张模板样品图像，其中，p可以是与g相同的值。

接着，可以从所述p张模板样品图像中确定出图像质量符合预设条件的一张模板样品图像，也即目标模板样品图像，所述预设条件可以是图像质量最佳，如图像纹理最为清晰、亮度为目标亮度，当然，也可以通过人工判定的方式从p张模板样品图像中选择出图像纹理清晰、亮度适中的一张模板样品图像作为目标模板样品图像。

然后，可以对所述目标模板样品图像进行目标检测，确定出其中的roi区域，也即包含模板样品图像特征的第一区域，确定方式可与前述介绍的目标区域的确定方式类似，当然，也可以通过手工选取的方式从所述目标模板样品图像中截取出第一区域。

最后，可以计算所述第一区域的像素特征参数，如计算所述第一区域的平均灰度值、方差、灰度直方图等，得到能够反应模板样品图像特征的像素特征参数，也即得到所述预设像素特征参数，其中像素特征参数计算方式与前述介绍的像素特征参数计算方式类似。

这样，通过该实施方式来确定作为对比基准的模板样品的像素特征参数，可以保证后续对比图像间像素特征参数时，对比出的结果较为可靠，进而保证能够一步到位地从多组打光参数中寻找出最优的打光参数。

步骤104、确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。

在确定目标像素特征参数后，可以相应地确定该目标像素特征参数所对应的目标待测样品图像，以及对应的目标打光参数，具体可以预先记录好每张待测样品图像对应的打光参数和像素特征参数，以便能够快速准确地确定各像素特征参数对应的待测样品，进而确定其对应的打光参数。并可将所述目标打光参数作为所述待测样品的打光参数，也即在需要对所述待测样品进行图像采集时，可以将所述待测样品的打光参数调节为所述目标打光参数，以便能够在所述目标打光参数下完成对所述待测样品的缺陷检测。

下面结合图2所示的调光装置和图4所示的调光流程对本发明实施例的具体实施方式进行举例说明：

如图2所示，调光装置包括样品放置平台1、一组（四个）条形光源2、工业相机3及其支架4，其中，如图3所示，每个条形光源分别连接有一电机5，用于驱动调节条形光源的照射角度。

对于条光亮度的控制通过以下步骤完成：1、调光装置对应的系统存储m组光源亮度参数，每组亮度参数包含四个亮度值，分别代表四个条形光源的亮度；2、每选择了一组亮度参数，系统会将参数传递给光源控制器，光源控制器相应改变每个条光光源的亮度。

对于条光角度的控制通过以下步骤完成：1、系统存储n组角度参数，每组角度参数包含四个条形光源分别的角度，例如，第一组参数，a光源角度为55˚，b光源角度为60˚，c光源角度为50°，d光源角度为60˚；2、每选择了一组角度参数，系统会将参数传递给光源控制器，光源控制器控制电机旋转到相应角度。

如图4所示，一种基于视觉的样品表面缺陷检测自动打光方法包括以下几个步骤：

401、选择模板样品，模板样品为任意选择一个完整无缺陷的样品，并放置于检测台上，调节至合适的能够拍摄清晰图像的光源参数，并计算模板样品图像的roi区域的平均灰度值、灰度值方差和灰度直方图；

402、选取待测样品，放置于检测台上，从预先设定好的m×n组条光亮度、角度参数中选取第一组参数；

403、按照选取的参数调节光源参数，通过相机采集待测样品图像；

404、通过detectors算法寻找到待测样品图像的roi区域；

405、计算roi区域的平均灰度值、灰度值方差与灰度直方图，并计算它们与模板样品图像的roi区域的平均灰度值、灰度值方差与灰度直方图的加权欧氏距离d；

406、参数空间是否扫描完毕，若是，则进入步骤408，否则进入步骤407；

407、从m个条光亮度与n个条光角度参数中重新选取一组参数，改变条光方向及条光亮度参数，重复步骤403到步骤405，记录下每一组参数下的d值（也就是每一组打光参数得到的图像roi与模板样本图像roi的平均灰度值、方差与灰度直方图的加权欧氏距离），直到扫描完所有的条光参数空间（共m×n种组合）。

408、选取d值最小的一组打光参数，按照该打光参数进行打光，完成缺陷检测工作。

本发明实施例的调光方法，获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。这样，通过为待测样本提供多组不同的打光参数，并通过将待测样本在每组不同打光参数下拍摄的样品图像的像素特征参数与模板样品图像的像素特征参数进行对比，确定出最适合待测样品的打光参数，进而能够实现可随待测样品尺寸位置变化适应地调节光源，以保证待测样品的图像质量，进而保证待测样品的缺陷检测结果不受光源差异影响。

本发明实施例还提供了一种调光装置。参见图5，图5是本发明实施例提供的调光装置的结构图。由于调光装置解决问题的原理与本发明实施例中调光方法相似，因此该调光装置的实施可以参见方法的实施，重复之处不再赘述。

如图5所示，调光装置500包括：

获取模块501，用于获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；

第一确定模块502，用于分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；

第二确定模块503，用于确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；

第三确定模块504，用于确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。

可选的，第二确定模块503包括：

第一计算单元，用于分别计算所述g组像素特征参数中每组像素特征参数与预设像素特征参数的欧式距离，得到g个距离值；

第一确定单元，用于将所述g个距离值中的最小距离值对应的像素特征参数确定为目标像素特征参数。

可选的，第一确定模块502包括：

第二确定单元，用于分别确定所述g张样品图像中每张样品图像的目标区域，其中，所述目标区域为包含样品图像特征的区域；

第二计算单元，用于分别计算所述每张样品图像的目标区域的像素特征参数。

可选的，所述第二确定单元用于采用detectors算法分别检测所述g张样品图像中每张样品图像的感兴趣区域roi，其中，所述每张样品图像的roi为所述每张样品图像的目标区域。

可选的，所述打光参数包括打光亮度和打光角度，所述g组不同打光参数由m个打光亮度值和n个打光角度值组合得到，m和n均为大于1的整数。

可选的，所述像素特征参数包括平均灰度值、灰度值方差和灰度直方图中的至少之一。

可选的，所述预设像素特征参数通过如下方式确定：

获取模板样品分别在p组不同打光参数下拍摄得到的p张模板样品图像，其中，p为大于1的整数；

确定所述p张模板样品图像中图像质量符合预设条件的目标模板样品图像；

确定所述目标模板样品图像的第一区域，其中，所述第一区域为包含模板样品图像特征的区域；

计算所述第一区域的像素特征参数，得到所述预设像素特征参数。

本发明实施例提供的调光装置，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

本发明实施例的调光装置500通过为待测样本提供多组不同的打光参数，并通过将待测样本在每组不同打光参数下拍摄的样品图像的像素特征参数与模板样品图像的像素特征参数进行对比，确定出最适合待测样品的打光参数，进而能够实现可随待测样品尺寸位置变化适应地调节光源，以保证待测样品的图像质量，进而保证待测样品的缺陷检测结果不受光源差异影响。

本发明实施例还提供了一种调光设备。由于调光设备解决问题的原理与本发明实施例中调光方法相似，因此该调光设备的实施可以参见方法的实施，重复之处不再赘述。如图6所示，本发明实施例的调光设备，包括：处理器500，用于读取存储器520中的程序，执行下列过程：

获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；

分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；

确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；

确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。

其中，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器600代表的一个或多个处理器和存储器620代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器600负责管理总线架构和通常的处理，存储器620可以存储处理器600在执行操作时所使用的数据。

可选的，处理器600还用于读取存储器620中的程序，执行如下步骤：

分别计算所述g组像素特征参数中每组像素特征参数与预设像素特征参数的欧式距离，得到g个距离值；

将所述g个距离值中的最小距离值对应的像素特征参数确定为目标像素特征参数。

可选的，处理器600还用于读取存储器620中的程序，执行如下步骤：

分别确定所述g张样品图像中每张样品图像的目标区域，其中，所述目标区域为包含样品图像特征的区域；

分别计算所述每张样品图像的目标区域的像素特征参数。

可选的，处理器600还用于读取存储器620中的程序，执行如下步骤：

采用detectors算法分别检测所述g张样品图像中每张样品图像的感兴趣区域roi，其中，所述每张样品图像的roi为所述每张样品图像的目标区域。

可选的，所述打光参数包括打光亮度和打光角度，所述g组不同打光参数由m个打光亮度值和n个打光角度值组合得到，m和n均为大于1的整数。

可选的，所述像素特征参数包括平均灰度值、灰度值方差和灰度直方图中的至少之一。

可选的，所述预设像素特征参数通过如下方式确定：

获取模板样品分别在p组不同打光参数下拍摄得到的p张模板样品图像，其中，p为大于1的整数；

确定所述p张模板样品图像中图像质量符合预设条件的目标模板样品图像；

确定所述目标模板样品图像的第一区域，其中，所述第一区域为包含模板样品图像特征的区域；

计算所述第一区域的像素特征参数，得到所述预设像素特征参数。

本发明实施例提供的调光设备，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

此外，本发明实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行实现以下步骤：

获取待测样品分别在g组不同打光参数下拍摄得到的g张样品图像，其中，g为大于1的整数；

分别确定所述g张样品图像中每张样品图像的像素特征参数，得到g组像素特征参数；

确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，其中，所述预设像素特征参数为预先确定的模板样品图像的像素特征参数；

确定所述目标像素特征参数对应的目标打光参数为所述待测样品的打光参数。

可选的，所述确定所述g组像素特征参数中与预设像素特征参数相似度最高的目标像素特征参数，包括：

分别计算所述g组像素特征参数中每组像素特征参数与预设像素特征参数的欧式距离，得到g个距离值；

将所述g个距离值中的最小距离值对应的像素特征参数确定为目标像素特征参数。

可选的，所述分别确定所述g张样品图像中每张样品图像的像素特征参数，包括：

分别确定所述g张样品图像中每张样品图像的目标区域，其中，所述目标区域为包含样品图像特征的区域；

分别计算所述每张样品图像的目标区域的像素特征参数。

可选的，所述分别确定所述g张样品图像中每张样品图像的目标区域，包括：

采用detectors算法分别检测所述g张样品图像中每张样品图像的感兴趣区域roi，其中，所述每张样品图像的roi为所述每张样品图像的目标区域。

可选的，所述打光参数包括打光亮度和打光角度，所述g组不同打光参数由m个打光亮度值和n个打光角度值组合得到，m和n均为大于1的整数。

可选的，所述像素特征参数包括平均灰度值、灰度值方差和灰度直方图中的至少之一。

可选的，所述预设像素特征参数通过如下方式确定：

获取模板样品分别在p组不同打光参数下拍摄得到的p张模板样品图像，其中，p为大于1的整数；

确定所述p张模板样品图像中图像质量符合预设条件的目标模板样品图像；

确定所述目标模板样品图像的第一区域，其中，所述第一区域为包含模板样品图像特征的区域；

计算所述第一区域的像素特征参数，得到所述预设像素特征参数。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，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，所述单元的划分，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，例如多个单元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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-onlymemory，rom）、随机存取存储器（randomaccessmemory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述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，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。