本发明涉及汽车与机器人等包含成像装置的设备的环境感知技术，模式识别与图像处理技术，特别是涉及一种基于图像来检测光照条件的方法。
背景技术：
在汽车，无人机或机器人等包含成像装置的设备在运行中，需要对成像的光照条件做分析判断，以帮助设备的智能控制算法自动调节对应明亮场景和黑暗场景的运行参数，使用户获得更好的使用体验。
目前所用的通过图像检测成像光照条件的方法较为复杂也并不鲁棒，不能很好的满足实时操作系统对响应时间和计算代价的平衡需求。
因此，现有技术中存在通过图像检测成像光照条件的方法较为复杂也并不鲁棒，不能很好的满足实时操作系统对响应时间和计算代价的平衡需求的问题。
技术实现要素：
本发明的主要目的在于公开一种基于图像检测光照条件的方法和装置，以解决现有技术中存在的算法复杂、鲁棒性较差的问题。
为达上述目的，根据本发明的一个方面，公开一种基于图像检测光照条件的方法，并采用如下技术方案：
提取输入图像的预选区域，并获取所述预选区域的总像素数目；统计对应所述总像素数目的全部像素的灰度直方图；对所述灰度直方图进行统计分析，并根据分析结果确认所述图像的环境光照信息。
进一步地，所述统计对应所述总像素数目的全部像素的灰度直方图，包括：创建一个含256个元素的数组hist[i]，i＝0，...，255；将每个元素值初始化为0，遍历所述预选区域内的每一个像素；在当前像素的灰度值为i时，对应的将hist[i]的元素值增加1，得到所述全部像素的灰度直方图。
进一步地，所述对所述灰度直方图进行统计分析，并根据分析结果确认所述图像的环境光照信息包括：根据关键区域的像素根据所述总像素数目，计算不同像素比例设定下对应的像素数目阈值；基于所述像素数目阈值对所述灰度直方图做统计分析，求取所述预设区域的平均灰度值；通过积分运算分析所述灰度直方图的分布信息，获取所述灰度直方图在所述不同像素比例下所对应的灰度值；根据所述平均灰度值以及各个所述灰度值检测所述图像的环境光照信息。
进一步地，所述根据所述平均灰度值以及各个所述灰度值检测所述图像的环境光照信息包括：检测所述图像的成像环境是否满足明亮，且所述成像环境为明亮时，需要满足的判定条件为：所述平均灰度值lumaave大于预设灰度阈值tave；所述灰度直方图不同像素比例设定下对应的像素数目均大于对应的阈值，具体包括：所述预设区域的直方图像素数目累加值大于num1时，对应的灰度值luma1大于灰度阈值t1；所述预设区域的直方图像素数目累加值大于num2时，对应的灰度值luma2大于灰度阈值t2；所述预设区域的直方图像素数目累加值大于num3时，对应的灰度值luma3大于灰度阈值t3。
进一步地，所述根据所述平均灰度值以及各个所述灰度值检测所述图像的环境光照信息还包括：通过提取所述预选区域的灰度直方图获得所述预选区域的第一亮度分布信息；通过提取所述预选区域的彩色直方图获得所述预选区域的第二亮度分布信息；基于所述第一亮度分布信息与所述第二亮度分布信息获得所述预选区域的平均亮度信息以及各个不同累积像素数目比例下对应的亮度值信息。
根据本发明的另外一个方面，提供一种基于图像检测光照条件的装置，并采用如下技术方案：
一种基于图像检测光照条件的装置，提取模块，用于提取输入图像的预选区域，并获取所述预选区域的总像素数目；统计模块，用于统计对应所述总像素数目的全部像素的灰度直方图；确认模块，用于对所述灰度直方图进行统计分析，并根据分析结果确认所述图像的环境光照信息。
进一步地，所述统计模块包括：创建模块，用于创建一个含256个元素的数组hist[i]，i＝0，...，255；遍历模块，用于将每个元素值初始化为0，遍历所述预选区域内的每一个像素；增加模块，用于在当前像素的灰度值为i时，对应的将hist[i]的元素值增加1，得到所述全部像素的灰度直方图。
进一步地，所述确认模块包括：计算模块，用于根据所述总像素数目，计算不同像素比例设定下对应的像素数目阈值；求取模块，用于基于所述像素数目阈值对所述灰度直方图做统计分析，求取所述预设区域的平均灰度值；通过积分运算分析所述灰度直方图的分布信息，获取所述灰度直方图在所述不同像素比例下所对应的灰度值；获取模块，用于根据所述平均灰度值以及各个所述灰度值检测所述图像的环境光照信息。
进一步地，获取模块包括：检测模块，用于检测所述图像的成像环境是否满足明亮，且所述成像环境为明亮时，需要满足的判定条件为：所述平均灰度值lumaave大于预设灰度阈值tave；所述灰度直方图不同像素比例设定下对应的像素数目均大于对应的阈值，具体包括：所述预设区域的直方图像素数目累加值大于num1时，对应的灰度值luma1大于灰度阈值t1；所述预设区域的直方图像素数目累加值大于num2时，对应的灰度值luma2大于灰度阈值t2；所述预设区域的直方图像素数目累加值大于num3时，对应的灰度值luma3大于灰度阈值t3。
进一步地，所述获取模块还包括：第一获取子模块，用于通过提取所述预选区域的灰度直方图获得所述预选区域的第一亮度分布信息；第二获取子模块，用于通过提取所述预选区域的彩色直方图获得所述预选区域的第二亮度分布信息；第三获取子模块基于所述第一亮度分布信息与所述第二亮度分布信息获得所述预选区域的平均亮度信息以及各个不同累积像素数目比例下对应的亮度值信息。
本发明基于核心控制算法，对成像的光照条件做出分析、判断，可以辅助汽车、无人机或机器人等包含成像装置的设备自动调节对应明亮场景和黑暗场景的运行参数，较好地满足实时操作系统对响应时间和计算代价的平衡需求，使用户获得更好的使用体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例一所述的一种基于图像检测环境光照条件方法的流程图；
图2为本发明实施例一所述的灰度直方图；
图3为本发明实施例二所述的一种基于图像检测环境光照条件方法的流程图；
图4为本发明实施例所述的一种基于图像检测环境光照条件的装置的结构图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一
图1为本发明实施例一所述的一种基于图像检测环境光照条件方法的流程图；
参见图1所示，一种基于图像检测环境光照条件方法包括：
s101：提取输入图像的预选区域，并获取所述预选区域的总像素数目；
s103：统计对应所述总像素数目的全部像素的灰度直方图；
s105：对所述灰度直方图进行统计分析，并根据分析结果确认所述图像的环境光照信息。
在步骤s101中，提取输入图像的预选区域，并获取所述预选区域的总像素数目。
更具体地，对所述输入图像选取预选区域，所述预选区域应主要包含天空部分，包括但不限于图像的上部三分之一部分；对所述预选区域进行总像素数目numtotal计算，计算图像的总像素数目，是本领域常规计算，本实施例不做赘述。
在步骤s103中，统计对应所述总像素数目的全部像素的灰度直方图。
更具体地，统计对应的灰度直方图可以通过以下方式进行，以8bit灰度图像为例，具体实施方法为创建一个含256个元素的数组hist[i]，i＝0，...，255，每个元素值初始化为0。遍历关键区域内的每一个像素，如果当前像素的灰度值为i，则对应的hist[i]元素值增加1。最终得到关键区域的像素灰度统计直方图，如图2所示。
在步骤s105中，对步骤s103中获取的灰度直方图进行统计分析，并根据分析结果确认所述图像的环境光照信息。
更具体的，是根据灰度直方图，获得图像关键区域的平均亮度以及各个不同累积像素数目比例下对应的亮度值信息，以此确认所述图像的环境光照信息。
本发明通过上述实施例，通过提取图像关键区域的灰度直方图获得关键区域的整体亮度信息；通过对图像关键区域的总像素数目分析获得不同的像素数目比例阈值；通过积分运算分析图像关键区域的直方图分布信息，获得直方图积分结果达到不同像素数目比例阈值时所对应的灰度值；通过对不同像素数目比例对应的灰度值的分析获得对成像环境的光照条件的判断结果。本发明上述实施例可以实现对图像光照条件的快速分析。
实施例二
图3为本发明实施例二所述的一种基于图像检测环境光照条件方法的流程图。
实施例二是对本发明技术方案更具体的阐述，具体参见图3所示，
步骤1：提取图像的关键区域；
输入图像后，提取图像的关键区域，关键区域即实施例一中的预选区域，对关键区域进行分析，包含天空部分，包括但不限于图像的上部三分之一部分。
步骤2：关键区域直方图计算；
步骤3：关键区域像素累积阈值计算；
步骤3：对直方图统计分析。
步骤2，步骤3进行并列进行计算，以获取关键区域直方图，以及关键区域像素累积阈值。
更具体的，对于直方图的获取，实施例一中以8bit灰度图像为例做了阐述，本实施例不再赘述，在步骤3中，根据关键区域的像素总数numtotal，计算不同像素比例设定下对应的像素数目阈值，包括：设定像素累积数目占总像素数目的不同比例，例如采用25％，50％，75％三个像素比例；
计算设定比例下对应的像素数目阈值num1，num2，num3：
num1＝numtotal*25％
num2＝numtotal*50％
num3＝numtotal*75％
在步骤4中对图像关键区域的灰度直方图做统计分析，具体包括：
求取图像关键区域的平均灰度值lumaave：
通过积分运算分析图像关键区域的直方图分布信息，获得直方图积分结果达到不同像素数目比例阈值时所对应的灰度值，例如luma1，luma2，luma3，如图2所示：
根据lumaave，luma1，luma2，luma3的灰度分析值，检测图像成像环境是否满足明亮条件，例如：
lumaave＞tave；
luma1＞t1：
luma2＞t2；
luma3＞t3。
其中，luma中的a和lum组合在一起通常用来表示亮度luminance，tave的意思是想代表平均亮度averageluminance的阈值threshold。
之所以选择多个统计阈值联合判断的原因在于既要保证图像关键区域的平均亮度足够大，还要规避某个区域过暗或过亮引起的误判。
作为优选的实施方式，通过对图像关键区域的分析获得关键区域的整体亮度信息。所述方法包括但不限于：
通过提取图像关键区域的灰度直方图获得关键区域的亮度分布信息；
通过提取图像关键区域的彩色直方图获得关键区域的亮度分布信息。
进一步地，通过对图像关键区域的亮度分布直方图分析值，获得图像成像环境是否为明亮的检测结果。所述方法包括但不限于：
图像关键区域的平均亮度值应大于设定的阈值；
图像关键区域亮度直方图累加值达到对应像素比例节点时相应的亮度值应大于设定的阈值。
进一步地，通过对图像关键区域的亮度分布直方图，获得图像关键区域的平均亮度以及各个不同累积像素数目比例下对应的亮度值信息。所述方法包括但不限于：
通过累加图像关键区域的亮度直方图获得总亮度值，再得到关键区域的平均亮度值；
通过累加图像关键区域的亮度直方图，获得像素个数累加值达到各个比例节点时所对应的亮度值。
进一步地，通过对图像关键区域的亮度分布直方图分析值，获得图像成像环境是否为明亮的检测结果。所述方法包括但不限于：
图像关键区域的平均亮度值应大于设定的阈值；
图像关键区域亮度直方图累加值达到对应像素比例节点时相应的亮度值应大于设定的阈值。
本发明基于核心控制算法，对成像的光照条件做出分析、判断，可以辅助汽车、无人机或机器人等包含成像装置的设备自动调节对应明亮场景和黑暗场景的运行参数，较好地满足实时操作系统对响应时间和计算代价的平衡需求，使用户获得更好的使用体验。
图4为本发明实施例所述的一种道路障碍物识别装置的结构图。
参见图4所示，一种基于图像检测环境光照条件的装置，包括：提取模块100，用于提取图像关键区域的灰度直方图，获得关键区域的整体亮度信息；统计模块102，用于统计对应所述总像素数目的全部像素的灰度直方图；；确认模块104，用于对所述灰度直方图进行统计分析，并根据分析结果确认所述图像的环境光照信息。
可选地，所述统计模块包括：创建模块，用于创建一个含256个元素的数组hist[i]，i＝0，...，255；遍历模块，用于将每个元素值初始化为0，遍历所述预选区域内的每一个像素；增加模块，用于在当前像素的灰度值为i时，对应的将hist[i]的元素值增加1，得到所述全部像素的灰度直方图。
可选地，所述确认模块包括：计算模块，用于根据所述总像素数目，计算不同像素比例设定下对应的像素数目阈值；求取模块，用于基于所述像素数目阈值对所述灰度直方图做统计分析，求取所述预设区域的平均灰度值；通过积分运算分析所述灰度直方图的分布信息，获取所述灰度直方图在所述不同像素比例下所对应的灰度值；获取模块，用于根据所述平均灰度值以及各个所述灰度值检测所述图像的环境光照信息。
可选地，所述获取模块包括：检测模块，用于检测所述图像的成像环境是否满足明亮，且所述成像环境为明亮时，需要满足的判定条件为：所述平均灰度值lumaave大于预设灰度阈值tave；所述灰度直方图不同像素比例设定下对应的像素数目均大于对应的阈值，具体包括：所述预设区域的直方图像素数目累加值大于num1时，对应的灰度值luma1大于灰度阈值t1；所述预设区域的直方图像素数目累加值大于num2时，对应的灰度值luma2大于灰度阈值t2；所述预设区域的直方图像素数目累加值大于num3时，对应的灰度值luma3大于灰度阈值t3。
可选地，所述获取模块还包括：第一获取子模块，用于通过提取所述预选区域的灰度直方图获得所述预选区域的第一亮度分布信息；第二获取子模块，用于通过提取所述预选区域的彩色直方图获得所述预选区域的第二亮度分布信息；第三获取子模块基于所述第一亮度分布信息与所述第二亮度分布信息获得所述预选区域的平均亮度信息以及各个不同累积像素数目比例下对应的亮度值信息。
因此，本发明提出一种新的根据图像检测光照条件的方法和装置基于核心控制算法，对成像的光照条件做出分析、判断，可以辅助汽车、无人机或机器人等包含成像装置的设备自动调节对应明亮场景和黑暗场景的运行参数，较好地满足实时操作系统对响应时间和计算代价的平衡需求，使用户获得更好的使用体验。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可
以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。