一种场景模拟式的光照配光方法以及装置与流程

本发明涉及光处理技术领域，尤其涉及一种场景模拟式的光照配光方法以及装置。

背景技术：

配光设计是一种通过运用各种道具结合美学和专业技巧展现商品魅力的技能，是视觉营销的一个重要方式。配光设计师需要掌握包括美学能力、商业能力、专业技巧等在内的多种技艺。在配光设计中，照明设计是举足轻重的一个部分，照明不仅仅是提供光源，它还起到了营造氛围、突出产品等等功能。灯光的选择对配光设计中对产品的展示十分重要。物体对不同光的吸收和反射的分布不同，而自然界中的光谱十分多样化，因此物体在不同环境光下所展现出的颜色不尽相同。比如在超市水果区域的配光中，我们会希望使水果颜色达到鲜艳水嫩的效果，因此可能需要对不同颜色的水果选择不同的灯光进行照明。传统的配光设计中对于合适灯光的选择往往需要配光设计师自身丰富的经验和深厚的专业知识，这样的情况导致了配光设计人工成本高，且个人设计中对于审美的要求较高，设计效果也有不稳定性。由于配光设计的作用是对商品的推销，照明设计的不稳定性又会导致更大的商业价值的流失。

技术实现要素：

本发明的目的在于解决上述现有技术存在的缺陷，提供一种配光效果稳定、配光成本低的场景模拟式的光照配光方法以及装置。

本发明采用以下的技术方案：

一种场景模拟式的光照配光方法，包括：

步骤1：确定产品的配光所对应的语义场景；

步骤2：从语义模型库中调取与所述语义场景对应的配光方案；

所述语义模型库中包括有不同的语义场景以及每个语义场景下的配光方案；所述配光方案为标准品在每个语义场景下对应的光源光强参数；所述光源光强参数包括单色光源的种类与数量以及各个单色光源的光强；

步骤3：根据所述配光方案对产品进行配光。

进一步地，如上所述的场景模拟式的光照配光方法，所述语义模型库中还包括有参考标准高光谱分布信息，所述参考标准高光谱分布信息为标准品在白光下的高光谱分布信息；所述步骤2包括：

步骤2.1：获取产品在白光下的高光谱分布信息；

步骤2.2：将所述高光谱分布信息与所述参考标准高光谱分布信息进行比较，以获得差异关系；

步骤2.3：根据所述差异关系对所述配光方案进行修正。

进一步地，如上所述的场景模拟式的光照配光方法，所述标准品为白板。

进一步地，如上所述的场景模拟式的光照配光方法，步骤2.3包括：

根据所述差异关系得到一个变换矩阵，然后根据所述变换矩阵对所述配方方案进行修正；其中，所述变换矩阵是利用光强矩阵构造的。

进一步地，如上所述的场景模拟式的光照配光方法，步骤2.3中所述修正的方法为：

将变换矩阵与光强矩阵相乘，得到修正后的光源光强参数。

一种场景模拟式的光照配光装置，包括：

确认模块，用于确定产品的配光所对应的语义场景；

调取模块，用于从语义模型库中调取与所述语义场景对应的配光方案；其中，所述语义模型库包括有不同的语义场景以及每个语义场景下的配光方案；所述配光方案为标准品在每个语义场景下对应的光源光强参数；所述光源光强参数包括单色光源的种类与数量以及各个单色光源的光强；

配光模块，用于根据所述配光方案对产品进行配光。

进一步地，如上所述的场景模拟式的光照配光装置，所述语义模型库中还包括有参考标准高光谱分布信息，所述参考标准高光谱分布信息为标准品在白光下的高光谱分布信息；所述调取模块包括：

获取单元，用于获取产品在白光下的高光谱分布信息；

比较单元，用于将所述高光谱分布信息与所述参考标准高光谱分布信息进行比较，以获得差异关系；

修正单元，用于根据所述差异关系对所述配光方案进行修正。

进一步地，如上所述的场景模拟式的光照配光装置，所述标准品为白板。

进一步地，如上所述的场景模拟式的光照配光装置，所述修正单元还用于根据所述差异关系得到一个变换矩阵，然后根据所述变换矩阵对所述配光方案进行修正；其中，所述变换矩阵是利用光强矩阵构造的。

进一步地，如上所述的场景模拟式的光照配光装置，所述修正单元还用于将变换矩阵与光强矩阵相乘，得到修正后的光源光强参数。

有益效果：

本发明通过从预先设定好的语义模型库中调取所需配光方案，就可以快速高效的完成所需场景的配光设置，而不需要再通过配光设计师来完成所需场景的配光设置，从而提高了配光的效率和稳定性，同时降低了配光的成本。

附图说明

图1为本发明场景模拟式的光照配光方法流程图；

图2为本发明场景模拟式的光照配光装置结构框图；

图3为本发明调取模块结构框图；

图4为本发明实施例1场景模拟式的光照配光方法流程图；

图5为本发明实施例2场景模拟式的光照配光方法流程图；

图6为本发明实施例3场景模拟式的光照配光方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面本发明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做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。

本申请提出的方法是建立人类对于合成光感知的语义模型库。我们通过对一些单色光设定不同的光强进行光的合成，在这个模型中记录不同组合下合成的复色光光谱分布曲线，以及人类对于这个复色光感知的语义描述，比如明亮、昏暗、夕阳、海洋等等，同时记录每种单色光强度的信息，进而，在语义模型库中存储多个语义场景(比如明亮、昏暗、夕阳、海洋等等)，以及每个语义场景对应的配光方案。

例如，人类对于某复色光光谱分布曲线s感知的语义描述为“明亮”，该复色光光谱分布曲线s对应的合成光是由光强参数为45％的单色光a、光强参数为10％的单色光b、以及光强参数为15％的单色光c合成的；则在语义模型库中存储语义场景“明亮”的配光方案为：a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％。

可以理解的是，本发明对于语义模型库的具体建立方法没有特殊限制，其可以采用各种方法建立，只要在语义模型库中存储有多个不同的语义场景，并存储有每个语义场景对应的配光方案即可。

同时，在本发明的一些实施例中，在这个语义模型中还存储了一个白光照射某标准品(如白板)所得到的光谱响应分布作为参照物，之后与其他产品进行对比，进而可以对配光方案中的每种单色光光强参数进行修正调整。本申请中可以利用高光谱相机和白光光源来获得物体的图像信息，这些信息即为该物体的高光谱分布信息。

所述复色光光谱分布曲线为根据分别获取的红光、绿光、蓝光、及白光的相对光谱分布函数sr(λ)、sg(λ)、sb(λ)及sw(λ)所绘制的图像，其中，λ为光的波长。

通过以上描述的这个语义模型，可获得对每个产品在特定语义场景下照明的推荐，包括每个产品光源光强的数值推荐。但是在实用场景中，每个产品物体对光的响应不同，简单套用模型中标准化的光源光强配比会造成最终效果的偏差。为了弥补这个缺点，需要对模型中所选定的语义场景下每种光源光强数据进行调整。调整的具体方法为：首先，获得该产品在白光下的高光谱分布，并与模型中白光照射标准品的高光谱分布进行比较，得到一个差异关系，通过该差异关系可以确定产品与标准品对光的响应差异，进而根据该响应差异可以对模型中所选定的语义场景下每种光源光强数据进行调整。

当然，可以理解的是，具体的调整方法可以各种各样，例如，根据该差异关系对利用高光谱相机获取的高光谱分布信息通过一定的计算方法进行微调整，微调的标准为变换矩阵s，再经由这个变换矩阵s修正所述语义模型中某个语义场景中每种单色光的光强。可以理解的是，这个微调标准可以通过单纯的数学推演，也可利用神经网络等其他方法，甚至不一定是一个矩阵而是其他表示变化的方式，从而获取所需物品在某种特定情况下的光源光强参数。

图1为本发明场景模拟式的光照配光方法流程图，如图1所示，本发明提供的场景模拟式的光照配光方法包括以下步骤：

步骤1：确定产品的配光所对应的语义场景；

所述语义场景为复色光感知的语义描述，比如明亮、昏暗、夕阳、海洋等等。所述配光方案为由某一语义场景下对应的光源光强参数构成的一组参数信息。所述光源光强参数为不同颜色的灯光对应的光强信息。例如，配光方案可以为：(夕阳：a灯：35％，b灯：12％，c灯：7％)；

步骤2：从语义模型库中调取与所述语义场景对应的配光方案；

具体地，所述语义模型库由不同的语义场景、和每个语义场景下的配光方案；所述光源光强参数包括单色光源的种类与数量以及各个单色光源的光强。本申请所述语义模型库是建立于人类对于合成光的感知，我们通过对一些单色光设定不同的光强进行光的合成，在这个语义模型库中记录不同组合下合成的复色光光谱分布曲线，以及人类对于这个复色光感知的语义描述，比如明亮、昏暗、夕阳、海洋等等，同时记录每种单色光强度的信息，由此构成所述的语义模型库。举例说明：所述配光方案包括的参数信息为：明亮，明亮对应的光强参数为：a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％。

进一步的，所述步骤2具体包括以下步骤：

步骤2.1：获取产品在白光下的高光谱分布信息；

利用高光谱相机对要配光的产品在白光下拍摄照片，通过拍摄的照片获取产品在白光下的高光谱分布信息。

步骤2.2：将所述高光谱分布信息与参考标准高光谱分布信息进行比较，以获得差异关系；

所述语义模型库中还包括有参考标准高光谱分布信息，所述参考标准高光谱分布信息为标准品在白光下的高光谱分布信息；即所述参考标准高光谱分布信息为将白光照射某标准品所得到的高光谱分布信息；通过利用将高光谱相机拍摄的图片获取的高光谱分布信息与参考标准高光谱分布信息进行比较，得到一个差异关系，将该差异关系与利用高光谱相机获取的高光谱分布信息通过一定的计算方法进行微调整，微调的标准为变换矩阵s，这个微调标准可以通过单纯的数学推演，也可利用神经网络等其他方法，甚至不一定是一个矩阵而是其他表示变化的方式(只要是利用高光谱图来进行配光辅助，最终得到所需场景下的配光方案，都在本申请的保护范围内)，从而获取所需物品在某种特定情况下的光源光强参数，具体请参见以下步骤。

步骤2.3：根据所述差异关系对所述高光谱分布信息进行修正，从而得到修正后的光源光强参数，进而确定需要配光的样品在此当前场景下的配光方案。

在本发明的一个具体的实施例中，采用变换矩阵来对高光谱图进行辅助配光，进而，在此实施例中，步骤2.3中所述比较的方法具体为：

根据所述差异关系得到一个变换矩阵s，然后根据所述变换矩阵s对所述高光谱分布信息进行修正，从而得到修正后的光源光强参数；其中，所述变换矩阵s为：

k为波数σ的序号，k＝0,1,2,3...,k-1,其中，0≤k≤n/2；n为512或者1024，该变换矩阵是利用光强矩阵i构造的，所述光强矩阵i为：

其中n为512或者1024。

步骤2.3中所述修正的方法为：

将变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数；

b＝s·i

其中，

b(σ(k))为波数σ(k)的光谱强度，波数σ(k)＝σmin+kδσ，σmin为复原的最小波数，δσ为光谱分辨率。

步骤3：根据所述配光方案对产品进行配光。

由于传统配光设计中对灯光的设计大量依靠经验，导致最终效果不稳定，风险大，且成本较高，因此，本发明利用语义模型库，并通过实际产品与标准品的高光谱分布的不同进行对语义场景灯光标准配比的调整，实现了在配光设计中对不同产品实现不同打光效果的要求。相对于传统方法提高了效率与准确率。并且由于库中的光源是确定的，在推荐配比时只需调整每种光源的强度，实际使用时不需要临时寻找光源，降低了成本并提高操作的稳定性。

可以理解的是，语义模型库中的标准品主要是用于作为参照物对配光方案进行修正调整的，因此，本发明对于标准品没有特殊限制，其可以采用各种物品。在本发明的一些实施例中，标准品为白板，通过白板在白光照射下获得的参考标准高光谱分布信息，可以对配光方案进行更准确的微调整。

如图3所示，本发明的另一目的在于还提供一种场景模拟式的光照配光装置，该装置包括：

确认模块，用于确定产品的配光所对应的语义场景；

调取模块，用于从语义模型库中调取与所述语义场景对应的配光方案；其中，所述语义模型库包括有不同的语义场景以及每个语义场景下的配光方案；所述配光方案为标准品在每个语义场景下对应的光源光强参数；所述光源光强参数包括单色光源的种类与数量以及各个单色光源的光强；

配光模块，用于根据所述配光方案对产品进行配光。

如图4所示，所述语义模型库中还包括有参考标准高光谱分布信息，所述参考标准高光谱分布信息为标准品在白光下的高光谱分布信息；所述调取模块包括：

获取单元，用于获取产品在白光下的高光谱分布信息；

比较单元，用于将所述高光谱分布信息与所述参考标准高光谱分布信息进行比较，以获得差异关系；

修正单元，用于根据所述差异关系对所述配光方案进行修正。

所述修正单元还用于根据所述差异关系得到一个变换矩阵s，然后根据所述变换矩阵s对所述高光谱分布信息进行修正，从而得到修正后的光源光强参数；其中，得到一个变换矩阵，该变换矩阵是利用光强矩阵i构造的。例如，在本发明的一个具体的实施例中，所述变换矩阵s为：

k为波数σ的序号，k＝0,1,2,3...,k-1,其中，0≤k≤n/2；n为512或者1024，该变换矩阵是利用光强矩阵i构造的，所述光强矩阵i为：

其中n为512或者1024。

在本发明的一个具体的实施例中，所述修正单元还用于将变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数；

b＝s·i

其中，

b(σ(k))为波数σ(k)的光谱强度，波数σ(k)＝σmin+kδσ，σmin为复原的最小波数，δσ为光谱分辨率。

以下以三个实施例分别阐述基于上述的场景模拟式的光照配光方法。

本申请提供的配光方法可用于辅助室内配光设计中，提供对不同商品在室内陈列时依照用户要求场景，对于不同光的组合的推荐。例如超市中水果陈列时，通常需要水果在灯光下呈现色泽鲜亮明丽的效果，本申请可以根据该需求为灯光配比做出推荐。同理博物馆橱窗内物品的展示，或是商场中产品的展示和室内外雕塑等艺术作品的展示中，本申请方法皆可根据该场景中需要的效果做出灯光配比的推荐。

以下通过两个实施例来对本发明的配光方案进行具体阐述。

实施例1：

本实施例提供一种用于博物馆橱窗内物品展示的场景，物品所需要的光照场景为夕阳，如图4所示，其光谱场景模拟式的光照配光方法为：

步骤1：确定物品的配光对应的语义场景为夕阳；

步骤2：从语义模型库中调取与夕阳对应的配光方案为：语义场景为夕阳，夕阳所对应的光源光强参数为：a灯的光强参数为35％；b灯的光强参数为12％；c灯的光强参数为7％；利用高光谱相机对博物馆橱窗内的物品在白光下拍摄照片来获取该物品在白光下的高光谱分布信息；

步骤3：将步骤2获取的高光谱分布信息与参考标准高光谱分布信息进行比较，得到一个变换矩阵；所述参考标准高光谱分布信息为利用高光谱相机在白光下拍摄的白板所得到的高光谱分布信息；

步骤4：利用所述变换矩阵对步骤1中的光源光强参数(a灯的光强参数为35％；b灯的光强参数为12％；c灯的光强参数为7％)进行修正，最终根据所述修正方法将光源光强参数由(a灯的光强参数为35％；b灯的光强参数为12％；c灯的光强参数为7％)调整为(a灯的光强参数为40％；b灯的光强参数为10％；c灯的光强参数为5％)；

具体的修正方法为：通过将所述变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数(a灯的光强参数为40％；b灯的光强参数为10％；c灯的光强参数为5％)；

其中，所述变换矩阵s为：

k为波数σ的序号，k＝0,1,2,3...,k-1,其中，0≤k≤n/2，本申请中k＝4,n为512，该变换矩阵是利用光强矩阵i构造的，所述光强矩阵i为：

其中n为512。

将变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数；

b＝s·i

其中，

b(σ(k))为波数σ(k)的光谱强度，波数σ(k)＝σmin+kδσ，σmin为复原的最小波数，δσ为光谱分辨率。

步骤5：利用修正后的光源光强参数(a灯的光强参数为40％；b灯的光强参数为10％；c灯的光强参数为5％)对博物馆橱窗的灯光进行重新调光，从而得到在该场景下最佳的灯光设置。

实施例2：

本实施例提供一种用于超市内物品展示的场景，物品所需的光照场景为温馨，如图5所示，其光谱场景模拟式的光照配光方法为：

步骤1：确定物品配光的语义场景为温馨；

步骤2：从语义模型中调取与温馨对应的配光方案为：语义场景为温馨，温馨所对应的光源光强参数为：a灯的光强参数为45％；b灯的光强参数为20％；c灯的光强参数为6％；利用高光谱相机对物品在白光下拍摄照片来获取物品在白光下的高光谱分布信息；

步骤3：将步骤2获取的高光谱分布信息与参考标准高光谱分布信息进行比较，得到一个变换矩阵；所述参考标准高光谱分布信息为利用高光谱相机在白光下拍摄的白板所得到的高光谱分布信息；

步骤4：利用所述变换矩阵对步骤1中的光源光强参数(a灯的光强参数为45％；b灯的光强参数为20％；c灯的光强参数为6％)进行修正，最终根据所述修正方法将光源光强参数由(a灯的光强参数为45％；b灯的光强参数为20％；c灯的光强参数为6％)调整为(a灯的光强参数为30％；b灯的光强参数为15％；c灯的光强参数为8％)；

具体的修正方法为：通过将所述变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数(a灯的光强参数为30％；b灯的光强参数为15％；c灯的光强参数为8％)；

其中，所述变换矩阵s为：

k为波数σ的序号，k＝0,1,2,3...,k-1,其中，0≤k≤n/2，k＝7，n为1024，该变换矩阵是利用光强矩阵i构造的，所述光强矩阵i为:

其中n为1024。

将变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数；

b＝s·i

其中，

b(σ(k))为波数σ(k)的光谱强度，波数σ(k)＝σmin+kδσ，σmin为复原的最小波数，δσ为光谱分辨率。

步骤5：利用修正后的光源光强参数(a灯的光强参数为30％；b灯的光强参数为15％；c灯的光强参数为8％)对超市的灯光进行重新调光，从而得到在超市最佳的灯光设置。

本申请提供的配光方法也可被运用于车辆前置灯光的设计中。在车辆前置灯光(即车大灯)的设计时需要考虑在夜晚灯光照射指示牌时使指示牌的内容对人眼来说清晰而又不耀眼。本申请提供的方法可根据车辆设计时这样的效果要求来为前大灯灯光配比做出推荐，下面通过实施例3来对本发明的配光方案进行具体阐述。

实施例3：

本实施例提供一种用于夜晚开车时的指示牌所在区域的场景，需要指示牌受到车辆灯光照射后显示明亮，如图6所示，车辆灯光的配光方法为：

步骤1：当前的场景为夜晚开车，那么在夜晚开车的场景下指示牌所在区域所对应的语义场景为明亮；

步骤2：从语义模型库中调取与明亮对应的配光方案为：语义场景为明亮，明亮所对应的光源光强参数为：a灯的光强参数为50％；b灯的光强参数为5％；c灯的光强参数为14％；利用高光谱相机对指示牌在白光下拍摄照片来获取指示牌在白光下的高光谱分布信息；

步骤3：将步骤2获取的高光谱分布信息与参考标准高光谱分布信息进行比较，得到一个变换矩阵；所述参考标准高光谱分布信息为利用高光谱相机在白光下拍摄的白板所得到的高光谱分布信息；

步骤4：利用所述变换矩阵对步骤1中的光源光强参数(a灯的光强参数为50％；b灯的光强参数为5％；c灯的光强参数为14％)进行修正，最终根据所述修正方法将光源光强参数由(a灯的光强参数为50％；b灯的光强参数为5％；c灯的光强参数为14％)调整为(a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％)；

具体的修正方法为：通过将所述变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数(a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％)；

其中，所述变换矩阵s为：

k为波数σ的序号，k＝0,1,2,3...,k-1,其中，0≤k≤n/2，k＝5，n为512，该变换矩阵是利用光强矩阵i构造的，所述光强矩阵i为:

其中n为1024。

将变换矩阵s与光强矩阵i相乘，得到修正后的光源光强参数；

b＝s·i

其中，

b(σ(k))为波数σ(k)的光谱强度，波数σ(k)＝σmin+kδσ，σmin为复原的最小波数，δσ为光谱分辨率。

步骤5：利用修正后的光源光强参数(a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％)对夜晚开车的指示牌所在区域的灯光进行重新调光，从而得到在该场景下最佳的灯光设置。

下面提供一种基于神经网络的配光方法。

实施例4：

本实施例提供一种用于夜晚开车时的指示牌所在区域的场景，需要指示牌受到车辆灯光照射后显示明亮，那么车辆灯光的配光方法为：

步骤1：确定当前的场景为夜晚开车，那么在夜晚开车的场景下指示牌所在区域所需的配光方案为：语义场景为明亮，明亮所对应的光源光强参数为：a灯的光强参数为50％；b灯的光强参数为5％；c灯的光强参数为14％；

步骤2：利用高光谱相机对指示牌在白光下拍摄照片来获取指示牌在白光下的高光谱分布信息；

步骤3：将所述高光谱分布信息利用构建的自适应全局池化卷积神经网络来来调整配光方案；

所述自适应全局池化卷积神经网络由1个输入层、1个批归一化层、6个隐层和一个输出层依次连接构成；所述隐层中的前4个隐层每层均包括卷积操作、激活操作、最大池化操作和局部响应归一化操作，第5个隐层包括卷积和激活操作，第6个隐层为全局池化操作；

步骤4：利用所述自适应全局池化卷积神经网络对步骤1中的光源光强参数(a灯的光强参数为50％；b灯的光强参数为5％；c灯的光强参数为14％)进行修正，最终根据所述修正方法将光源光强参数由(a灯的光强参数为50％；b灯的光强参数为5％；c灯的光强参数为14％)调整为(a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％)；

步骤5：利用修正后的光源光强参数(a灯的光强参数为45％；b灯的光强参数为10％；c灯的光强参数为15％)对夜晚开车的指示牌所在区域的灯光进行重新调光，从而得到在该场景下最佳的灯光设置。

本申请提出的场景模拟式的光照配光方法以及对应的装置不局限于室内配光，也可以是室外配光，只要是运用了高光谱图像来辅助决定照明光线的设计辅助都属于本申请保护的范围。

最后应说明的是：以上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精神和范围。