逆光检测方法及设备的制作方法
【专利摘要】本发明实施例提供一种逆光检测方法及设备，该方法包括：获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。本实施例提供的逆光检测方法及设备，可以提高逆光检测的准确度。
【专利说明】逆光检测方法及设备
【技术领域】
[0001 ] 本发明实施例涉及信息【技术领域】，尤其涉及一种逆光检测方法及设备。
【背景技术】
[0002]在数字照相机或摄像机等成像设备进行成像的过程中，在逆光拍摄的情况下，往往出现背景部分过亮而真正所关注的被摄物体即对象部分过暗的结果。逆光检测可以广泛应用于数字照相机及摄像机等成像装置的智能场景识别及自动曝光控制等功能。
[0003]现有技术中的逆光检测，先将图像划分为多个矩形块，然后搜索亮度值小于亮度阈值的连续矩形块，统计满足条件的矩形块的数量，若矩形块的总数大于预设门限，且整个图像的颜色饱和度方差大于预设饱和度门限，则确定该图像为逆光场景。
[0004]然而，现有技术的逆光检测准确性低。
【发明内容】
[0005]本发明实施例提供一种逆光检测方法及设备，以提高逆光检测的准确度。
[0006]第一方面，本发明提供一种逆光检测方法，包括:
[0007]获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；
[0008]获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0009]根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。
[0010]结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像，包括:
[0011]根据所述待检测图像的灰度直方图，确定所述待检测图像的最大亮度值、最小亮度值以及低亮度概率，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和；
[0012]对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数；
[0013]根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像。
[0014]结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像，包括:
[0015]确定所述最大亮度值属于最大亮度值范围，所述最小亮度值属于最小亮度值范围；[0016]确定所述图像轮廓的个数满足图像轮廓个数范围；
[0017]确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
[0018]结合第一方面的第一种或第二种可能的实现方式,在第一方面的第三种可能的实现方式中，所述获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像，包括:
[0019]获取待检测图像的灰度图像，并获取所述灰度图像的最大亮度值，根据所述最大亮度值与预设值的差值，确定图像二值化处理的二值化阈值；
[0020]根据所述二值化阈值，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0021]其中，大于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的实际最大亮度值，小于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的零亮度值。
[0022]结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数，包括:
[0023]根据所述二值化图像的实际最大亮度值和所述二值化图像的零亮度值，对所述待检测图像的二值化图像进行边缘检测，确定所述待检测图像的图像轮廓；
[0024]获取所述待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
[0025]第二方面，本发明提供一种逆光检测装置，包括:
[0026]第一获取模块，用于获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；
[0027]第二获取模块，用于获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0028]确定模块，用于根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。
[0029]结合第二方面，在第二方面的第一种可能的实现方式中，所述确定模块包括:
[0030]第一确定单元，用于根据所述待检测图像的灰度直方图，确定所述待检测图像的最大亮度值、最小亮度值以及低亮度概率，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和；
[0031]第二确定单元，用于对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数；
[0032]第三确定单元，用于根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像。
[0033]结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第三确定单元具体用于:
[0034]确定所述最大亮度值属于最大亮度值范围，所述最小亮度值属于最小亮度值范围；[0035]确定所述图像轮廓的个数满足图像轮廓个数范围；
[0036]确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
[0037]结合第二方面的第一种或第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述第二获取模块包括:
[0038]获取单元，用于获取待检测图像的灰度图像，并获取所述灰度图像的最大亮度值，根据所述最大亮度值与预设值的差值，确定图像二值化处理的二值化阈值；
[0039]处理单元，用于根据所述二值化阈值，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0040]其中，大于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的实际最大亮度值，小于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的零亮度值。
[0041]结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述第二确定单元具体用于:
[0042]根据所述二值化图像的实际最大亮度值和所述二值化图像的零亮度值，对所述待检测图像的二值化图像进行边缘检测，确定所述待检测图像的图像轮廓；
[0043]获取所述待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
[0044]本发明实施例提供的逆光检测方法及装置，通过获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像，本实施例通过待检测图像的灰度直方图、二值化图像等浅层特征出发，不仅检测速度快，还能够提高拍摄主体的位置、面积、形状等发生较大变化时逆光场景检测的准确性。
【专利附图】
【附图说明】
[0045]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
[0046]图1为本发明逆光检测方法实施例一的流程图；
[0047]图2a至图2e为本发明待检测图像的典型场景示意图；
[0048]图3a至图3e为本发明各典型场景对应的灰度直方图；
[0049]图4为本发明逆光检测方法实施例二的流程图；
[0050]图5a至图5e为各典型场景的图像轮廓分布示意图；
[0051]图6为本发明逆光检测装置实施例一的结构示意图。
【具体实施方式】
[0052]为使本发明实施例的目的、技术方案和优点更加清楚，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。
[0053]图1为本发明逆光检测方法实施例一的流程图。本实施例的执行主体可以为任意的逆光检测装置，该逆光检测装置可以配置在任意的相机、摄相机、电脑等智能终端中，本实施例此处不作特别限制。本实施例的逆光检测装置可以通过软件和/或硬件实现。如图1所示，本实施例的方法可以包括:
[0054]步骤101、获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；
[0055]步骤102、获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0056]步骤103、根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。
[0057]在本实施例中，以待检测图像的几种典型场景，对本实施例的逆光检测方法进行详细说明。图2a至图2e为本发明待检测图像的典型场景示意图。其中，典型场景包括:逆光场景(图2a),风景场景(图2b),文本场景(图2c),夜间场景(图2d),微距场景(图2e)。
[0058]在步骤101中，首先获取待检测图像，然后获取待检测图像的颜色空间。在本实施例中，颜色空间可以为RGB颜色空间，也可以为YIQ颜色空间。对于颜色空间的具体实现方式，本实施例不作特别限制。
[0059]当颜色空间为RGB颜色空间时，根据RGB颜色空间的亮度分量L (Luminance)的值可以得到待检测图像的灰度直方图，亮度分量L决定了颜色的明亮度(也有称为光亮度或者明度)。其中，RGB是通过红绿蓝三原色来描述颜色的颜色空间，R=RecUG=Green、B=Blue，亮度分量 L=0.299R+0.587G+0.114B。
[0060]当颜色空间为YIQ颜色空间时，根据YIQ颜色空间的亮度分量Y的值得到待检测图像的灰度直方图。其中，YIQ颜色空间属于NTSC系统。这里Y是指颜色的明视度，即亮度。其实Y就是图像灰度值，I和Q都指的是指色调，即描述图像色彩与饱和度的属性。YIQ颜色空间具有能将图像中的亮度分量分离提取出来的优点，并且YIQ颜色空间与RGB颜色空间之间是线性变换的关系，计算量小，聚类特性也比较好，可以适应光照强度不断变化的场合。
[0061]根据各亮度分量值所占待检测图像像素个数的比例，通过归一化处理，得到待检测图像的灰度直方图。图3a至图3e为本发明各典型场景对应的灰度直方图。具体地，逆光场景(图3a),风景场景(图3b),文本场景(图3c),夜间场景(图3d),微距场景(图3e)。在灰度直方图中，横坐标是灰度级，纵坐标是该灰度级出现的频率，是图象的最基本的统计特征，其中灰度级对应亮度值。
[0062]在步骤102中，对待检测图像进行处理，得到待检测图像的灰度图像。用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。将256个亮度等级的灰度图像通过适当的二值化阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位。在具体实现过程中，预设值可以根据实际情况确定。其中，二值化阈值的选择，一方面因为逆光场景较亮的灰度值一般是连续的，另一方面保证逆光光源部分的图像轮廓大小在一定大的范围上，而其它场景的较亮的灰度值一般连续的范围较小。因此，选择预设值为10，则最大亮度值减去10，即得到二值化阈值。
[0063]在步骤103中，根据待检测图像的灰度直方图和待检测图像的二值化图像，确定待检测图像为逆光图像。
[0064]在具体实现过程中，由步骤101可知，各场景对应的灰度直方图的差别很大。进一步地，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的图像轮廓。而各场景由于明暗不同，各场景的图像轮廓差异也很大，因此，可以根据待检测图像的灰度直方图和二值化图像，确定待检测图像为逆光图像。
[0065]本发明实施例通过获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像，本实施例通过待检测图像的灰度直方图、二值化图像等浅层特征出发，不仅检测速度快，还能够提高拍摄主体的位置、面积、形状等发生较大变化时逆光场景检测的准确性。
[0066]下面，以一个具体的实施例，对本发明提供的逆光检测方法进行详细说明。图4为本发明逆光检测方法实施例二的流程图。如图4所示，本发明实施例提供的逆光检测方法，包括:
[0067]步骤401、获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；
[0068]步骤402、获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0069]步骤403、根据所述待检测图像的灰度直方图，确定所述待检测图像的最大亮度值、最小亮度值以及低亮度概率，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和；
[0070]步骤404、对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数；
[0071]步骤405、确定所述最大亮度值属于最大亮度值范围，所述最小亮度值属于最小亮度值范围；
[0072]步骤406、确定所述图像轮廓的个数满足图像轮廓个数范围；
[0073]步骤407、确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
[0074]在具体实现过程中，步骤401和步骤402没有严格的时序关系。步骤401和步骤402的具体实现方式，可参照图1实施例中的步骤101和步骤102，本实施例此处不再赘述。
[0075]对应地，步骤403和步骤404没有严格的时序关系。
[0076]对于步骤403，在具体应用过程中，由图3a至图3e可知，各场景的灰度直方图的区别主要体现在三个方面。
[0077]一个方面为亮度值分布范围，逆光场景的灰度直方图的亮度值分布在灰度直方图的两端；风景场景的亮度值均匀地分布在灰度直方图中，文本场景、微距场景的亮度主要分布在灰度直方图的中间区域，夜间场景主要分布在低亮度区域。
[0078]另一方面为最大亮度值、最小亮度值的大小,逆光场景的最大亮度值一般大于250，最低亮度值一般小于15 ;风景场景的最小亮度值一般大于15 ;文本场景、微距场景的最大亮度值和最小亮度值没有特定的规律；夜间场景，最低亮度值基本接近0，但是如果夜间场景没有特别亮的人工照明的时候，最大亮度值一般低于250。
[0079]又一方面为低亮度概率。逆光场景下，亮度值主要分布在灰度直方图两端，低亮度占有一定的比例，而风景场景，文本场景，微距场景的低亮度在灰度直方图中所占的比例一般较小，夜间场景亮度值大部分分布在低亮度范围内。其中，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和。具体地，从概率的观点来理解，灰度出现的频率可看作其出现的概率，这样灰度直方图就对应于概率密度函数，而概率密度函数就是灰度直方图的累积和，即概率密度函数的积分。因此，可通过现有技术，得到低亮度的概率和。
[0080]因此，可根据待检测图像的灰度直方图，确定待检测图像的最大亮度值、最小亮度值以及低亮度概率。同时，还可根据各场景中最大亮度值、最小亮度值以及低亮度概率的不同，排除不是逆光场景的图像。本领域技术人员可以理解，通过最大亮度值、最小亮度值以及低亮度概率可能排除全部的非逆光场景的待检测图像，也可能排除部分非逆光场景的待检测图像。
[0081]为了准确的确定待检测图像是否为逆光图像，还需要结合待检测图像的二值化图像确定。在获得二值化图像的过程中，将大于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的实际最大亮度值，小于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的零亮度值。
[0082]然后，进行步骤404，对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数。
[0083]在具体应用过程中，根据二值化图像的实际最大亮度值和二值化图像的零亮度值，对待检测图像的二值化图像进行边缘检测，确定待检测图像的图像轮廓；获取所述待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
[0084]根据二值化阈值确定了实际最大亮度值和零亮度值。在二值化图像上进行检索，对于8比特单通道的源二值化图像，实际最大亮度值作为I处理，零亮度值保持不变，采用边缘近似方法，检测的边缘是I和O区域之间的轮廓，从而获得待检测图像的较亮区域的轮廓；
[0085]进一步地，通过大量场景图片的研究，逆光场景图像的光源一般是在一定大的范围中比较亮的，故逆光中会有一个面积较大的轮廓。根据逆光场景图像光源部分会有一个面积较大的轮廓这一特点，确定预设面积范围，并获取待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
[0086]图5a至图5e为各典型场景的图像轮廓分布示意图。具体地，逆光场景(图5a)，风景场景(图5b),文本场景(图5c),夜间场景(图5d),微距场景(图5e)。看到逆光场景的图像轮廓个数少，一般只有一个，且面积较大，主要是因为逆光场景的最亮的部分是光源部分，其他的区域都比较暗；风景场景的图像轮廓分布大致有一两个轮廓，但是各图像轮廓的面积相对于逆光场景较小；文本场景由于最大亮度值不大，轮廓分布图上显示的图像轮廓个数基本为O ;夜间场景轮廓分布图上显示的轮廓个数多一些，但面积都很小；微距场景的轮廓分布图上显示的轮廓个数更多，但是面积都不大。
[0087]通过步骤401至步骤404中，得到了待检测图像的最大亮度值、最小亮度值、低亮度概率以及满足预设面积范围的图像轮廓个数。
[0088]在步骤405至步骤407中，将进一步描述如何根据待检测图像的最大亮度值、最小亮度值、低亮度概率以及满足预设面积范围的图像轮廓个数，确定待检测图像是否为逆光场景。
[0089]在步骤405中，确定所述最大亮度值属于最大亮度值范围,所述最小亮度值属于最小亮度值范围。由步骤403可知，逆光场景相对于其它场景而言，逆光场景的最大亮度值和最小亮度值区别于其它场景，因此，可根据经验值，确定最大亮度值范围、最小亮度值范围。当达到如下条件中的任一时，最大亮度值不属于最大亮度值范围，最小亮度值不属于最小亮度值范围，则确定为非逆光场景。当最大亮度值属于最大亮度值范围，最小亮度值属于最小亮度值范围，执行步骤406，进一步判断是否为逆光场景。
[0090]在步骤406中，确定图像轮廓个数小于预设个数。由图5a至图5e可知,几种场景的轮廓分布图有着显著的区别，因此，可以根据经验值确定图像确定图像轮廓个数范围。当图像轮廓的个数满足图像轮廓个数范围时，执行步骤407，当图像轮廓的个数不满足图像轮廓个数范围时，则确定该待检测图像不是逆光场景。
[0091]在步骤407中，确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
[0092]由图3a至图3e可知，各场景的低亮度概率不同，因此，可根据经验值，确定逆光图像应该满足的预设亮度概率范围。
[0093]最后，根据低亮度概率进行最后判断该待检测图像是否属于逆光图像，逆光图像由于背光，大部分处于低亮度范围中，但是由于又有一个强光源，所以低亮度范围相比于夜间较少，但是又比其他几类的多，因此可以根据经验值设定预设亮度概率范围，当低亮度概率属于预设亮度概率范围时，确定该待检测图像为逆光图像，当低亮度概率不属于预设亮度概率范围时，则确定该待检测图像非逆光图像。
[0094]综上，本发明实施例提供的逆光检测方法，能够适用于逆光场景与其他场景的场景分类，并确定逆光图像；从逆光场景最大亮度值、最小亮度值、低亮度概率以及满足预设面积范围的图像轮廓个数分析逆光场景，忽略了逆光拍摄的主题位置，可以涵盖正背光和测光两种情况下的逆光检测；能够快速提取待检测图像的浅层特征，根据浅层特征确定逆光图像，省去耗时的机器学习过程，使得检测速度较快。
[0095]本实施例提供的逆光检测方法，可以应用于相机或者手机的场景分类或者拍摄时的逆光场景检测，通过快速准确的逆光场景检测，可以使得用户较好的对大量图像分类以及逆光拍摄时的辅助。该逆光检测方法不仅提高了准确率，而且对于光度，运动，场景变化有了很好的自适应能力。
[0096]图6为本发明逆光检测装置实施例一的结构示意图。如图6所示，本发明逆光检测装置60包括:第一获取模块601、第二获取模块602和确定模块603。
[0097]其中，第一获取模块601，用于获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；
[0098]第二获取模块602，用于获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0099]确定模块603，用于根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。
[0100]本发明实施例提供的逆光检测装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
[0101]可选地，所述确定模块603包括:
[0102]第一确定单元，用于根据所述待检测图像的灰度直方图，确定所述待检测图像的最大亮度值、最小亮度值以及低亮度概率，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和；
[0103]第二确定单元，用于对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数；
[0104]第三确定单元，用于根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像。
[0105]可选地，所述第三确定单元具体用于:
[0106]确定所述最大亮度值属于最大亮度值范围，所述最小亮度值属于最小亮度值范围；
[0107]确定所述图像轮廓的个数满足图像轮廓个数范围；
[0108]确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
[0109]可选地，所述第二获取模块602包括:
[0110]获取单元，用于获取待检测图像的灰度图像，并获取所述灰度图像的最大亮度值，根据所述最大亮度值与预设值的差值，确定图像二值化处理的二值化阈值；
[0111]处理单元，用于根据所述二值化阈值，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像；
[0112]其中，大于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的实际最大亮度值，小于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的零亮度值。
[0113]可选地，所述第二确定单元具体用于:
[0114]根据所述二值化图像的实际最大亮度值和所述二值化图像的零亮度值，对所述待检测图像的二值化图像进行边缘检测，确定所述待检测图像的图像轮廓；
[0115]获取所述待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
[0116]本发明实施例提供的逆光检测装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
[0117]本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括:R0M、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0118]最后应说明的是:以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
【权利要求】
1.一种逆光检测方法,其特征在于,包括: 获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图； 获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像； 根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像，包括: 根据所述待检测图像的灰度直方图，确定所述待检测图像的最大亮度值、最小亮度值以及低亮度概率，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和； 对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数； 根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像。
3.根据权利要求2所述的方法，其特征在于，所述根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像，包括: 确定所述最大亮度值属于最大亮度值范围，所述最小亮度值属于最小亮度值范围； 确定所述图像轮廓的个数满足图像轮廓个数范围； 确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
4.根据权利要求2或3所述的方法，其特征在于，所述获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像，包括: 获取待检测图像的灰度图像，并获取所述灰度图像的最大亮度值，根据所述最大亮度值与预设值的差值，确定图像二值化处理的二值化阈值； 根据所述二值化阈值，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像； 其中，大于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的实际最大亮度值，小于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的零亮度值。
5.根据权利要求4所述的方法，其特征在于，所述对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数，包括: 根据所述二值化图像的实际最大亮度值和所述二值化图像的零亮度值，对所述待检测图像的二值化图像进行边缘检测，确定所述待检测图像的图像轮廓； 获取所述待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
6.一种逆光检测装置，其特征在于，包括: 第一获取模块，用于获取待检测图像的颜色空间，根据所述颜色空间的亮度分量确定所述待检测图像的灰度直方图；第二获取模块，用于获取待检测图像的灰度图像，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像； 确定模块，用于根据所述待检测图像的灰度直方图和所述待检测图像的二值化图像，确定所述待检测图像为逆光图像。
7.根据权利要求6所述的装置，其特征在于，所述确定模块包括: 第一确定单元，用于根据所述待检测图像的灰度直方图，确定所述待检测图像的最大亮度值、最小亮度值、以及低亮度概率，所述低亮度概率为小于预设亮度值的亮度值在所述灰度直方图中的概率和； 第二确定单元，用于对所述待检测图像的二值化图像进行边缘检测，获取所述待检测图像的图像轮廓，并确定图像轮廓面积满足预设面积范围的图像轮廓个数； 第三确定单元，用于根据所述待检测图像的最大亮度值、最小亮度值、低亮度概率和所述图像轮廓个数，确定所述待检测图像为逆光图像。
8.根据权利要求7所述的装置，其特征在于，所述第三确定单元具体用于: 确定所述最大亮度值属于最大亮度值范围，所述最小亮度值属于最小亮度值范围； 确定所述图像轮廓的个数满足图像轮廓个数范围； 确定所述低亮度概率属于预设亮度概率范围，则确定所述待检测图像为逆光图像。
9.根据权利要求7或8所述的装置，其特征在于，所述第二获取模块包括: 获取单元，用于获取待检测图像的灰度图像，并获取所述灰度图像的最大亮度值，根据所述最大亮度值与预设值的差值，确定图像二值化处理的二值化阈值； 处理单元，用于根据所述二值化阈值，对所述灰度图像进行图像二值化处理，得到所述待检测图像的二值化图像； 其中，大于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的实际最大亮度值，小于所述二值化阈值的所述灰度图像的亮度值设为所述二值化图像的零亮度值。
10.根据权利要求9所述的装置，其特征在于，所述第二确定单元具体用于: 根据所述二值化图像的实际最大亮度值和所述二值化图像的零亮度值，对所述待检测图像的二值化图像进行边缘检测，确定所述待检测图像的图像轮廓； 获取所述待检测图像的图像轮廓的面积，确定图像轮廓面积满足预设面积范围的图像轮廓个数。
【文档编号】G06T7/00GK103646392SQ201310595347
【公开日】2014年3月19日 申请日期:2013年11月21日 优先权日:2013年11月21日
【发明者】张洪刚, 赵凯莉, 左坤隆 申请人:华为技术有限公司