一种基于图像处理的光源检测方法与流程

1.本发明涉及图像处理领域，具体涉及一种基于图像处理的光源检测方法。


背景技术：

2.在摄影或拍摄视频的过程中，给拍摄物体打光是为了提高图像的亮度和对比度，减少图像中的噪声点，让其最终的成像结果更好，其中，拍摄物体在不同强度的光源下所呈现出的成像效果是不同的。
3.在摄影的前期准备工作中，通常情况下由摄影师试拍样片，并由摄影师根据拍摄经验检测对应光源是否为最优光源，即在该光源下拍摄的图像是否为存在噪声点最少的图像；但是，这种检测结果是具随机性的，即不能确保每次检测结果的准确性；因此，需要提供一种准确的光源检测方法。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种基于图像处理的光源检测方法，所采用的技术方案具体如下：
5.获取拍摄物体在不同程度光源下对应的图像信息，对所述图像信息进行灰度化处理，得到灰度图像；
6.将所述各灰度图像分成若干个尺寸为m
×
m的灰度图像块，计算各灰度图像块中各像素点的突变程度，将所述突变程度大于噪声阈值对应的像素点记为估计噪声点；
7.利用灰度替换值替换灰度图像块中的估计噪声点的灰度值，得到各灰度图像块对应的估计图像块；
8.根据所述灰度图像块与对应的估计图像块，获取各灰度图像块对应的奇异值阈值；
9.基于所述奇异值阈值对各灰度图像块进行奇异值分解去噪操作，得到各灰度图像块对应的去噪图像块；
10.将各去噪图像块进行拼接，得到各灰度图像对应的去噪图像；
11.根据所述去噪图像和对应灰度图像，判断各灰度图像中噪声点的个数；并根据噪声点的个数，计算各图像信息对应的判断指标，则最大判断指标对应的光源为最优光源。
12.进一步地，所述突变程度为：
[0013][0014]
其中，δi为像素点i的突变程度，为在第v种程度的光源下像素点i的灰度值；为在第v种程度的光源下像素点t的灰度值，像素点t位于像素点i的正上方；为在第v种程度的光源下像素点u的灰度值，像素点u位于像素点i的正下方；为在第v种程度的光源下像素点l的灰度值，像素点l位于像素点i的左方；为在第v种程度的光源下像素点r的灰度
值，像素点r位于像素点i的右方。
[0015]
进一步地，所述灰度替换值包括第一替换值和第二替换值；根据估计噪声点的灰度值与所述第一替换值的差值，得到第一系数；根据估计噪声点的灰度值与所述第二替换值的差值，得到第二系数；比较第一系数与第二系数的大小，若第一系数大于第二系数，则第一替换值为估计噪声点的灰度替换值，若第一系数小于第二系数，则第二替换值为估计噪声点的灰度替换值。
[0016]
进一步地，所述第一替换值为：
[0017][0018]
其中，为在第v种程度的光源下估计噪声点o的灰度值，n为灰度图像中像素点的总个数，为在第v种程度的光源下重新获取的第c张灰度图像中与估计噪声点o位置对应的像素点的灰度值，j为在第v种程度的光源下重新获取的灰度图像的总张数。
[0019]
进一步地，所述第二替换值为：
[0020][0021]
其中，为在第v种程度的光源下估计噪声点o的灰度值，为在第v种程度的光源下像素点a的灰度值，像素点a位于估计噪声点o的正上方；为在第v种程度的光源下像素点b的灰度值，像素点b位于估计噪声点o的正下方；为在第v种程度的光源下像素点e的灰度值，像素点e位于估计噪声点o的左方；为在第v种程度的光源下像素点f的灰度值，像素点f位于估计噪声点o的右方。
[0022]
进一步地，所述奇异值阈值的获取方法为：计算各灰度图像块与对应估计图像块的噪声方差，根据噪声方差确定奇异值阈值；
[0023]
所述噪声方差为：
[0024][0025]
其中，τ2为噪声方差，为灰度图像块对应的矩阵，a
x
为估计图像块对应的矩阵，为frobenius范数。
[0026]
进一步地，所述噪声点的判断方法为：计算去噪图像中各像素点的灰度值与灰度图像中对应各像素点灰度值差值的绝对值，得到差值图像，判断所述差值图像中各像素点的灰度值与阈值的大小，将灰度值大于所述阈值对应的像素点记为噪声点。
[0027]
进一步地，所述阈值的获取方法为：其中，式中，hg为估计噪声点的灰度值与去噪图像中对应像素点的灰度值的差值，w为估计噪声点的个数。
[0028]
本发明实施例至少具有如下有益效果：
[0029]
本发明首先通过估计图像块计算各灰度图像块对应的奇异值阈值，其次，根据奇异值阈值对各灰度图像块进行奇异值分解去噪操作得到去噪图像块，进而得到灰度图像对
应的去噪图像，然后根据去噪图像和对应灰度图像计算噪声点的个数，最终，根据噪声点的个数计算各灰度图像对应的判断指标，最大判断指标对应的光源为最优光源。其中，本发明在计算估计图像块时，利用第一替换值和第二替换值替换估计噪声点的灰度值，使得替换结果更准确，得到的估计图像块更准确，进而使光源的检测结果的精确性更高。
[0030]
本发明通过对不同程度光源下的灰度图像进行处理，不仅使对应光源的检测结果更准确，解决了现有技术中检测结果随机性的问题，同时也节省了大量人力成本。
附图说明
[0031]
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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
[0032]
图1为本发明的一种基于图像处理的光源检测方法实施例的方法流程图。
具体实施方式
[0033]
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的光源检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0034]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0035]
请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的光源检测方法的步骤流程图，该方法包括以下步骤：
[0036]
步骤1，获取拍摄物体在不同程度光源下对应的图像信息，对图像信息进行灰度化处理，得到灰度图像。
[0037]
具体地，设置不同程度的光源对拍摄物体进行打光，并利用相机采集图像信息；其中，控制图像信息中长边像素与宽边像素的比值为1∶1。
[0038]
本实施例采用加权平均法对图像信息进行灰度化处理，得到灰度图像，作为其他实施方式，还可以采用最大值法、分量法、平均值法等。
[0039]
步骤2，将各灰度图像分成若干个尺寸为m
×
m的灰度图像块，计算各灰度图像块中各像素点的突变程度，将突变程度大于噪声阈值对应的像素点记为估计噪声点。
[0040]
突变程度为：
[0041][0042]
其中，δi为像素点i的突变程度，为在第v种程度的光源下像素点i的灰度值；为在第v种程度的光源下像素点t的灰度值，像素点t位于像素点i的正上方；为在第v种程度的光源下像素点u的灰度值，像素点u位于像素点i的正下方；为在第v种程度的光源
下像素点l的灰度值，像素点l位于像素点i的左方；为在第v种程度的光源下像素点r的灰度值，像素点r位于像素点i的右方。
[0043]
本实施例中，将噪声阈值设置为200，在具体操作过程中，噪声阈值可由实施者根据实际情况进行调整。像素点的突变程度越大，则该像素点为估计噪声点的可能性就越大。
[0044]
具体地，灰度图像块的尺寸为灰度图像尺寸的1/10，在实际操作过程中，实施者可根据情况调整灰度图像块的尺寸大小；其中，灰度图像块的大小影响着后续奇异值分解去噪过程中的去噪精度和计算量，灰度图像块过大，会致使在奇异值分解去噪过程中寻找的相似块过少，从而使去噪精度下降；而灰度图像块过小，会致使在奇异值分解去噪过程中寻找的相似块过多，大幅增加了计算量，进一步导致去噪结果不准确，因此，需要选取合适的灰度图像块。
[0045]
本实施例中的灰度图像块包括包含估计噪声点的灰度图像块和不包含估计噪声点的灰度图像块。
[0046]
步骤3，利用灰度替换值替换灰度图像块中的估计噪声点的灰度值，得到各灰度图像块对应的估计图像块。
[0047]
上述中的灰度替换值包括第一替换值和第二替换值；根据估计噪声点的灰度值与所述第一替换值的差值，得到第一系数；根据估计噪声点的灰度值与所述第二替换值的差值，得到第二系数；比较第一系数与第二系数的大小，若第一系数大于第二系数，则第一替换值为估计噪声点的灰度替换值，若第一系数小于第二系数，则第二替换值为估计噪声点o的灰度替换值。
[0048]
第一替换值为：
[0049][0050]
其中，为在第v种程度的光源下估计噪声点o的灰度值，n为灰度图像中像素点的总个数，为在第v种程度的光源下重新获取的第c张灰度图像中与估计噪声点o位置对应的像素点的灰度值，j为在第v种程度的光源下重新获取的灰度图像的总张数。
[0051]
需要说明的是，与光照有关的噪声主要为泊松噪声，因此本实施例考虑的噪声为泊松噪声，又因为泊松噪声满足泊松分布，即在同一种程度的光源下获取的多张图像，多张图像中某一噪声点的位置不会一直保持不变，若其中一张图像中坐标为(x，y)处的像素点为噪声点，则剩余其他张图像中坐标为(x，y)处的像素点不会为噪声点，本实施例利用泊松噪声的这一特性来确定第一替换值，上述公式中的表示其中一张图像中坐标为(x，y)的像素点为噪声点的概率，表示剩余其他张图像中坐标为(x，y)的像素点为非噪声点的概率。
[0052]
第二替换值为：
[0053][0054]
其中，为在第v种程度的光源下估计噪声点o的灰度值，为在第v种程度的光
源下像素点a的灰度值，像素点a位于估计噪声点o的正上方；为在第v种程度的光源下像素点b的灰度值，像素点b位于估计噪声点o的正下方；为在第v种程度的光源下像素点e的灰度值，像素点e位于估计噪声点o的左方；为在第v种程度的光源下像素点f的灰度值，像素点f位于估计噪声点o的右方。
[0055]
本实施例中，若估计噪声点o的4邻域像素点存在其他估计噪声点，但由于噪声阈值的选取未将其他估计噪声点筛选出来，此时，会导致计算的第二替换值变大，进一步导致第二系数变小，因此，本实施例选取较大系数对应的替换值作为估计噪声点o的灰度替换值，减少了误差，使得估计噪声点o的替换结果更准确。
[0056]
步骤4，根据灰度图像块与对应的估计图像块，获取各灰度图像块对应的奇异值阈值。
[0057]
具体地，奇异值阈值的获取方法为：计算灰度图像块与对应估计图像块的噪声方差，根据噪声方差确定奇异值阈值。
[0058]
噪声方差为：
[0059][0060]
其中，τ2为噪声方差，为灰度图像块对应的矩阵，a
x
为估计图像块对应的矩阵，为frobenius范数。
[0061]
进一步地，由公知定理可知：对于任意的实矩阵y，若矩阵x的秩为k，那么会有：
[0062][0063]
其中，为frobenius范数，λi(i＝1，2，3
…
n)为矩阵y的奇异值。
[0064]
因此，通过上述定理可得到的关系式为：当且仅当时，该公式等式成立。a0为去噪图像块，为灰度图像块对应的矩阵的第k个奇异值之后全归0之后，逆变换后的矩阵；因此，可近似为去噪图像块，基于此，通过求解噪声方τ2与的差值的最小值，确定k的取值，并将k记为对应含估计噪声点的灰度图像块的奇异值阈值。
[0065]
需要说明的是，由于步骤2中已说明灰度图像块包括包含估计噪声点的灰度图像块和不包含估计噪声点的灰度图像块，本实施例中，包含估计噪声点的灰度图像块具有对应的估计图像块以及奇异值阈值，不包含估计噪声点的灰度图像块没有对应的估计图像块以及奇异值阈值。
[0066]
步骤5，基于奇异值阈值对各灰度图像块进行奇异值分解去噪操作，得到各灰度图像块对应的去噪图像块。
[0067]
本实施例中，在进行奇异值分解去噪之前，利用块匹配算法寻找各灰度图像块对应的相似块；相似块的条件为：首先，在灰度图像块对应的矩阵中，将估计噪声点的灰度值
记为0，并记录此位置，得到新矩阵，然后，对灰度图像进行全局搜索，找出与新矩阵中除了0位置的灰度值不相等，其他位置的灰度值都相等的矩阵，则判定该矩阵的对应图像块为灰度图像块的相似块；其中，块匹配算法为公知技术，在此不过多赘述。
[0068]
具体地，奇异值分解去噪的过程为：将灰度图像块对应的矩阵进行奇异值分解，即其中，u，v
t
为正交矩阵，λ为的奇异值矩阵，奇异值在奇异值矩阵中从大到小排列，将奇异值矩阵中在步骤4中得到的奇异值阈值k之后的奇异值全部归0，进而得到进行奇异值分解去噪后的矩阵同样的，将相似块对应的矩阵进行相同的操作，得到矩阵集(n＝1，2，3
…
n，)n为相似块的总个数；则灰度图像块对应去噪图像块的矩阵为：
[0069][0070]
式中，a0为去噪图像块对应的矩阵，为进行奇异值分解去噪后的矩阵，为第z个相似块对应的矩阵进行奇异值分解去噪后的矩阵。
[0071]
在本实施例的步骤4中已指出不含估计噪声点的灰度图像块无对应的奇异值阈值，因此，不含估计噪声点的灰度图像块不需要进行奇异值分解去噪操作；本实施例将不含估计噪声点的灰度图像块作为其对应的去噪图像块。
[0072]
需要说明的是，估计图像块与奇异值阈值的选取有关，在本实施例中仅利用灰度替换值替换估计噪声点的灰度值，得到估计图像块，进而确定了奇异值阈值，并没有对奇异值阈值进行自适应分析，导致奇异值阈值使得一部分噪声点未被检测出、进而出现去噪图像块不准确的现象，因此通过相似块的选取，可以更精确地得到去噪图像块。
[0073]
步骤6，将各去噪图像块进行拼接，得到各灰度图像对应的去噪图像。
[0074]
具体地，拼接方法为：找出各灰度图像对应的各去噪图像块，将各去噪图像块按照坐标位置进行拼接，得到灰度图像对应的去噪图像。
[0075]
步骤7，根据去噪图像和对应灰度图像，判断各灰度图像中噪声点的个数；并根据噪声点的个数，计算各灰度图像对应的判断指标，则最大判断指标对应的光源为最优光源。
[0076]
噪声点的判断方法为：计算去噪图像中各像素点灰度值与灰度图像中对应各像素点灰度值差值的绝对值，得到差值图像，判断差值图像中各像素点的灰度值与阈值的大小，将灰度值大于阈值对应的像素点记为噪声点。
[0077]
上述中的阈值为：其中，式中，hg为估计噪声点的灰度值与去噪图像中对应像素点的灰度值的差值，e为估计噪声点的个数。
[0078]
进一步地，为了更加清晰的得到灰度图像中最终噪声点的个数，将最终噪声点的灰度值记为255，将非最终噪声点的灰度值记为0；进而得到差值图像对应的二值图像。在实际操作过程中，实施者可将最终噪声点的灰度值记为1到255中的任意整数值。
[0079]
具体地，判断指标的获取方法为为：计算噪声点的个数与对应灰度图像中像素点总个数的比值，得到噪声点占比，根据噪声点占比的倒数与对应图像信息的信噪比的和，得到各图像信息对应的判断指标。
[0080]
上述中的信噪比在图像中反映的是一幅图的噪声功率，光照强度越大，信噪比就越大，噪声点的个数就越少；信噪比越大，判断指标越大，信噪比越小，判断指标越小。
[0081]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0082]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0083]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。