专利名称：基于多区域分割及模糊逻辑的自动曝光方法
技术领域：
本发明涉及一种数字成像技术领域的方法，具体来讲，是一种基于多区域分割及模糊逻辑的自动曝光方法。
背景技术：
现在，数字成像技术日新月异，但其基本原理相对以前并未发生根本性的改变，比如曝光方法。曝光作为成像设备最重要的成像因素之一，是衡量数码图像质量最主要指标中的一个。在数码相机中，以机内中央处理器控制电子光圈及电子快门，代替原来的机械快门及光圈。以CCD电子耦合元件代替胶卷，但曝光过程仍与原来相同。可以发现，控制光圈大小与快门速度是影响曝光量的关键所在，而其依据是人眼观察或借助相机自动测光系统。其中人眼观察需要丰富的摄影经验为基础，只在专业领域有所应用。目前绝大多数数码相机都具备相当的自动曝光功能，其原理就是借助自动测光系统获得数码图像的最佳曝光依据，再自动配置光圈及快门来进行拍摄。一般情况下，拍摄者只需简单的按下快门即可获得质量不错的图像。然而，自动曝光并非每次都能达到最佳的曝光效果，原因就是测光系统不能完全适应千变万化的光照环境，尤其是对那些背光的或复杂明暗条件下的场景。因此现在绝大部分的数码相机又添加了曝光补偿功能，然而，这一类手动曝光补偿需要相当的拍摄经验作为基础，对于一般使用者而言，在拍摄过程中，如何选择一个恰当的曝光补偿值始终是个难题，一旦使用了错误的曝光补偿值，结果常常导致画面中亮部细节或者暗部细节的更大损失，反映到人眼中即为过曝光或欠曝光，这样不但不能起到提高图像美观度的目的，反而适得其反。
经对现有技术文献的检索发现，中国专利公开号CN1510497A，
公开日为2004年7月7日，发明名称可以告知拍照不当的数码相机及其控制方法。该发明在进行拍照时，由数字信号处理部分分析由拍照得到的图像数据，以确定曝光量的合适程度，如不合适，告知使用者有关曝光量的信息。其判断曝光量是否合适的依据为图像整体亮度均值及标准差，对于均值大于某个值且标准差小于某个值的图像，则判为过曝光或欠曝光。但由于其判断不适当曝光的依据仅仅限于某个临界值而不包含图像各个部分的具体信息，对很多计算结果接近临界值且本身亮度相差不大的图像判断结果却差别巨大，这必然导致判断结果的不稳定性与不精确性。此外该方法将整幅图像作为一个整体来考虑，忽视了画面不同部分的光线分布及重要程度问题，比如在人像拍摄中，人的整体亮度及重要程度与背景都有巨大差异，因此对于某些图像构成复杂的画面判断结果差强人意。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于多区域分割及模糊逻辑的自动曝光方法。本发明集成了新的测光方法的自动曝光办法，它具有曝光自动比较及判断功能，能通过特有的自动曝光模块对不同曝光度下的图像进行比较，由于使用了不同的判断途径，使曝光效果有明显提高，与专业摄影师的肉眼判断结果也更加接近。
本发明是通过以下技术方案实现的，本发明为一种基于多区域分割及模糊逻辑的自动曝光方法，根据人脸肤色在颜色空间YCbCr中的分布特点，及高斯数学模型，对数码图像进行区域分割，将图像分割成基于人体的6大区域，又根据图像曝光情况与其灰度直方图分布的对应关系，通过统计直方图在靠近灰度值0及255的某个邻域内的象素数量进行求和计算，以其结果val(i)来表征各个区域的曝光评价值，其值越小，曝光效果则更佳，并引入模糊逻辑系统，综合各个区域的灰度信息，得到每个区域不同的权重值w(i)，最后计算得到res(s)值来获得整个画面的自动曝光判断结果。
本发明针对数码图像以人物肖像为主的特点，首先利用人体肤色模型，在不同颜色空间YCbCR及HSV中，对人脸进行检测，利用高斯模型检测出以人脸为灰度依据的二值图像，其中人脸以白色表示，背景则以黑色代替，此后以其位置为基础进行图像分割，首先找到的人脸区域为核心区域①，根据人体比例因素，将宽度为区域①的1.5倍的下方区域定为区域③，区域②为胸部以上包括头部周围部分背景的环形区域，区域②上方为天顶区域⑥，区域④及区域⑤分别位于两侧，此过程中若未能检测到人脸，则以中央区域为重点，按一定比例，同样将图像分成6个区域。
在研究数码图像与其灰度直方图的关系之后，发现图像曝光度与其灰度直方图中象素的分布特点存在直接的对应相互关系，根据这个规律，运用数学统计手段对每个分区的直方图信息进行独立统计，具体是将靠近直方图边缘部分的象素数根据其灰度进行加权合成。
最后引入模糊逻辑，首先计算刚才划分的6个分区各自的亮度信息，再结合灰度直方图的数学统计结果，运用两条模糊规则进行自适应判断，使数码图像的曝光值能适应于各种光照条件下的曝光要求。
本发明的效果通过基于肤色模型的区域分割、直方图统计及模糊逻辑系统对数码图像的曝光情况进行更好的分析和判断。首先根据画面的直方图信息，通过基于数码图像成像特点的图像分割及模糊逻辑对各种不同明暗条件下的曝光适当与否进行判断，这样对于那些较为常用的人像摄影及复杂明暗条件下的曝光判别都具有较好的适应性，同时还能够对同一场景下不同曝光补偿值拍摄的图像进行比较，其实现过程也相当简单，只需用户变换曝光补偿值再进行一次上述判断即可，经过与有经验的摄影师的肉眼评判结果比较，发现对于那些构图复杂或者奇异曝光的图像大大提高了判断的准确性和稳定性，且速度快捷，操作简单。本发明可以广泛应用于数码照相机，数码摄像机、医用或工业用探头等数字成像领域
图1A为本发明中数码图像曝光量合适时所对应亮度直方图；图1B为本发明中数码图像曝光过度时所对应亮度直方图；图1C为本发明中数码图像曝光不足时所对应亮度直方图；图2为本发明实施例的区域分割图；图3为本发明中曝光判断方法的流程图；具体实施方式
以下结合附图对本发明的实施例作详细说明本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。
实施例中使用的人脸图像来自于自行拍摄的人脸图像库。其过程如下(1)针对数码图像以人物肖像为主的特点，首先利用人体肤色模型，在不同颜色空间中，对人脸进行检测，在检测出人脸的位置后，以其位置为基础进行图像分割，若未能检测到人脸，则以中央区域为重点，同样分成6个区域。
发明中，步骤(1)首先是对数码图像进行分区，其依据主要是人脸的位置，因为大多数图像仍是以人像为主体，根据人脸对画面进行区域分割，可以得到最好的权重比例。
由于人体肤色的特殊性，虽然不同人的皮肤颜色可能相差很大，但它们在色度上的差异远小于亮度上的差异，因此可以根据肤色模型进行判断。人体肤色在YCbCr(Y为亮度信号，Cb，Cr分别为色差信号B-Y，R-Y)颜色空间中分布较为集中且易于辨认，其整体分布域类似一个纺锤体，不同的肤色在此空间中具有相同的2D Gaussian模型G(m，v2)m=(Cr,‾Cb‾)]]>Cr‾=1NΣi=1NCri]]>Cb=1NΣi=1NCbi]]>V=σCr,CrσCr,CbσCb,CrσCb,Cb]]>其中， 为Cr，Cb相应的平均值，V为协方差矩阵。
通过肤色模型，将彩色图像转换为灰度图，灰度值对应于该点属于皮肤区域的可能性，通过选取适当的阈值，可以将灰度图进一步转换为二值图，从而得到皮肤区域。
而在HSV(色调H、饱和度S，亮度V)空间中，体现了人眼辨别颜色的特点，较适合于描述和分析颜色区域，可以对YCbCr空间进行补充。因此本发明结合了这两个颜色空间来判断人脸位置。
在确定人脸位置后，即可对画面进行分区，首先找到的人脸区域为核心区域①，根据人体比例因素，将宽度为区域①的1.5倍的下方区域定为区域③，区域②为胸部以上包括头部周围部分背景的环形区域，区域②上方为天顶区域⑥，区域④及区域⑤分别位于两侧。
若未能找到人脸区域，仍可将画面按比例分割成类似的六个区域，只需适当增加中央区域的权重即可。
(2)在分区完成后，根据图像曝光度与其灰度直方图分布之间的相互关系，对每个分区的直方图信息进行独立统计，具体是将靠近直方图边缘部分的象素数加权合成。
在研究画面的曝光情况及其灰度直方图时发现，数码图像发生欠曝光时，它对应的灰度直方图中，像素大量集中在灰度值为0的一端，并且有明显的溢出现象，而在灰度值靠近255的一端，则很少甚至没有。相反图像发生过曝光时，则像素大量集中在灰度高的区域并有溢出现象，而在灰度低的区域很少出现。最后，当图像曝光量适当时，像素分布较为均匀，并主要集中在靠近中央的区域，在靠近0及255处出现的像素数量较少。分别见附图1-A，1-B，1-C。本发明根据这种特点，得到了一种判断方法，通过对图像直方图靠近0及255处两个邻域内的像素数量进行统计，并加权求和，val(i)＝x1·m(1)+x2·m(2)+Λxk·m(k)+x255-k+1m(255-k+1)，其值越小，则该数+x255-k+2m(255-k+2)+Λx255m(255)码图像的曝光量就更合适。
其中x(i)表示整幅图像中灰度值为i的象素个数，m(i)则表示灰度值为i的象素的权重值。
对画面进行分区后，对每个区域独立进行这样的灰度统计，得到6个区域各自的曝光评价值val(1)、val(2)、val(3)……val(6)。
(3)最后在模糊系统中根据各个分区的亮度分布特点运用两条模糊规则进行自适应判断，并得到最终结果。
这步是本发明的核心，通过模糊逻辑系统对各个区域的统计值进行赋权，再加权求和，得到最终结果，相机或成像设备根据这个值来配置曝光饱偿值。
其中的模糊逻辑系统，最先是一种数学概念，现在则被越来越多的用于计算机人工智能领域。
模糊逻辑概念的核心及它的基础是模糊集合，它是一种不同于一般数学概念的集合，举例如普通数学概念中，元素a与集合A之间只存在两种概念，属于或者不属于。但在模糊逻辑中，元素a与集合A之间存在更多的从属关系，元素a可以50％属于集合A，另50％属于集合B。通过模糊逻辑，数学逻辑不再那么清晰明确，使得计算机在进行条件判断时，出现更多更丰富的选择，这种“模糊”性使得计算机出现人工智能化的趋势。
在本发明中，运用模糊逻辑系统，将各个区域的灰度平均值划分到几个集合中去。并运用如下的逻辑规则a.当①区平均亮度与③区相近，而与②区差距较大时，区域①及区域③将被赋予较大的权重。
b.当6个区域的总平均亮度偏小，而其最亮区域的亮度偏大时，较暗的区域将被赋予较大权重。
规则a指在拍摄过程中，最为常见的曝光异常是背光，即被摄对象背对光源，而相机对着被摄对象正面进行拍摄，这种情况通常会造成背景过于明亮而主体偏暗的曝光异常。因此可以看到，刚才通过肤色模型找到的区域①，即图中的人形曲线所表征的虚拟人体，正处在背光下，区域①及区域③由于光线被遮挡，亮度都相对较低并相近，而区域②因为包含了明亮的背景部分，因此亮度要更大一些，与区域①及③拉开距离。此时作为画面主体的人像对整体曝光质量影响更大，应适当增加区域①和③的权重。
规则b指人眼的感光特点，往往更注意暗部细节的损失。当6个区域的总平均亮度偏小，画面的整体亮度也较低，但最亮区域的亮度偏大，则说明画面对比度较大，此时暗部细节显得更加重要，类似于背光的情况，应当增加亮度较低区域的权重。
此模糊逻辑系统中，首先需要确定输入、输出量的隶属函数，在隶属函数中，以y值代表输入量对某个集合的隶属度，以x值代表输入量的值。
在模糊规则a中，输入量X1＝V2/V1，X2＝V3/V1，因其是相互对称的输入量，因此它们有相同的隶属函数。其中Vi代表区域i的平均灰度。
这两个输入量的值域为
，在其值域内划分出5个模糊集合，分别为zd、zx、zh、fx、fd，用于表征V2与V1，V3与V1之间的大小关系。
以输入量X1为例，其中，集合zd表示V2远小于V1的区域，fd标V2远大于V1的区域，它们以1为中心互相对称，因此有Zd:y=1(0<x≤0.2)=-1.25x+1.25(0.2<x≤1)]]>Fd:y=1.25-1.25/x(1≤x<5)=1(x≥5)]]>同理，zx与fx也以1为中心互相对称，其隶属函数表达式为Zx:y=4x-2(0.5≤x<0.75)=-4x+4(0.75≤x≤1)]]>Fx:y=4x-4(1≤x<1.25)=-4x+6(1.25≤x≤1.5)]]>最后，集合zh的隶属函数本身也相对轴x＝1对称，其函数表达式Zh:y=4x-3(0.75≤x<1)=-4x+5(1≤x≤1.25)]]>确定了输入量的隶属函数后，来看输出量Output的隶属函数，其值域为[-2，2]，其值越大，对于规则a的相符程度越高，再据此调整各区域的权重。
Output的值域被划分为5个模糊集合，U1，U2，U3(U4)，U5，U6，它们的隶属函数分别为
U1:y=1(-2≤x≤-1.5)=-2x+2(-1.5≤x≤-1)]]>U2:y=2x+3(-1.5≤x<-1)=1(-1≤x<-0.5)=-2x(-0.5≤x≤0)]]>U3(U4):y=2x+1(-0.5≤x<0)=-2x+1(0≤x≤0.5)]]>U5:y=2x(0≤x<0.5)=1(0.5≤x<1)=-2x+3(1≤x≤1.5)]]>U6:y=2x-2(1≤x<1.5)=1(1.5≤x≤2)]]>根据模糊规则a，输入量X1与X2的模糊集合与输出量output的模糊集合之间存在如下表所示的对应关系
同理，模糊规则b也包含了两个输入量及一个输出量，分别为X3，X4及Output2，其中X3为六个区域各自平均灰度中的最大值，X4为六个区域各自平均灰度再取平均值，Output2则用来表征数码图像实际情况相对规则b的相符程度，它的值越大，对规则b的相符程度就越高，再据此调整各区域的权重。
由于量纲一致，输入量X3与X4共用相同的隶属函数，其值域为
，被划分为3个模糊集合，分别为x，zh，d，其函数表达式如下
x:y=1(0≤x<75)=-0.02x+2.5(75≤x≤125)]]>zh:y=0.02x-1.5(75≤x<125)=-0.02x+3.5(1255≤x≤175)]]>d:y=0.02x+2.5(100≤x<175)=1(175≤x≤255)]]>输出量Output2的值域为
，划分为5个模糊集合，分别为V1，V2，V3，V4，V5，它们的隶属函数表达式如下V1:y=1(0≤x<0.2)=-5x+2(0.2≤x≤0.4)]]>V2:y=(10/3)x-2/3(0.2≤x<0.5)=-(10/3)x+8/3(0.5≤x≤0.8)]]>V3:y=2.5x-1.5(0.6≤x<1)=-2.5x+3.5(1≤x≤1.4)]]>V4:y=(10/3)x-4(1.2≤x<1.5)=-(10/3)x+6(1.5≤x≤1.8)]]>V5:y=5x-8(1.6≤x<1.8)=1(1.8≤x≤2)]]>根据模糊规则b，输入量X3与X4的模糊集合与输出量Output2的模糊集合之间存在如下表所示的对应关系
由模糊逻辑得到Output及Output2的值后，将其代入权重计算式得到6个区域各自对应的权重值，w(1)、w(2)……w(6)。
最后，结合上面得到的每个区域曝光评价值val(i)与w(i)，得到最后结果res(s)=w(1)×val(1)+w(2)×val(2)+w(3)×val(3)+w(4)×val(4)+w(5)×val(5)+w(6)×val(6)w(1)+w(2)+w(3)+w(4)+w(5)+w(6)]]>res值越小，那么图像的曝光效果就越好。
权利要求
1.一种基于多区域分割及模糊逻辑的自动曝光方法，其特征在于，根据人脸肤色模型及高斯模型，对数码图像进行区域分割，将图像分割成基于人体的6大区域；又根据图像曝光情况与其灰度直方图分布的对应关系，通过统计直方图在靠近灰度值0及255的某个邻域内的象素数量进行求和计算，以其结果val(i)来表征各个区域的曝光评价值，并引入模糊逻辑系统，综合各个区域的灰度信息，得到每个区域不同的权重值w(i)，最后计算得到res(s)值来获得整个画面的自动曝光判断结果。
2.根据权利要求1所述的多区域分割及模糊逻辑的自动曝光方法，其特征是，所述的根据人脸肤色模型及高斯模型，对数码图像进行区域分割，具体为人体肤色在YCbCr颜色空间中分布较为集中且易于辨认，其整体分布域类似一个纺锤体，不同的肤色在此空间中具有相同的2D Gaussian模型G(m，v2)，通过肤色模型，将彩色图像转换为灰度图，灰度值对应于该点属于皮肤区域的可能性，通过选取阈值，将灰度图进一步转换为二值图，从而得到皮肤区域，以皮肤区域为基础，将图像进行分割。
3.根据权利要求1所述的多区域分割及模糊逻辑的自动曝光方法，其特征是，所述的将图像分割成基于人体的6大区域，具体为首先找到的人脸区域为核心区域①，根据人体比例因素，将宽度为区域①的1.5倍的下方区域定为区域③，区域②为胸部以上包括头部周围部分背景的环形区域，区域②上方为天顶区域⑥，区域④及区域⑤分别位于两侧。
4.根据权利要求1所述的基于多区域分割及模糊逻辑的自动曝光方法，其特征是，所述的通过统计直方图在靠近灰度值0及255的某个邻域内的象素数量进行求和计算，以其结果val(i)来表征各个区域的曝光评价值，是指通过对图像直方图靠近0及255处两个邻域σ内的像素数量进行统计，并加权求和val(i)＝x1·m(1)+x2·m(2)+Λxk·m(k)+x255-k+1m(255-k+1)，val(i)值越小，则+x255-k+2m(255-k+2)+Λx255m(255)该数码图片的曝光效果越好；其中x(i)表示整幅图像中灰度值为i的象素个数，m(i)则表示灰度值为i的象素的权重值。
5.根据权利要求1所述的基于多区域分割及模糊逻辑的自动曝光方法，其特征是，所述的引入模糊逻辑系统，具体为运用模糊逻辑系统，将各个区域的灰度平均值划分到几个集合中去，并运用如下的逻辑规则，a.当核心区域①平均亮度与③区相近，而与②区差距较大时，区域①及区域③将被赋予较大的权重；b.当6个区域的总平均亮度偏小，而其最亮区域的亮度偏大时，较暗的区域将被赋予较大权重；得到6个区域各自的权重值w(1)、w(2)……w(6)。
6.根据权利要求1所述的基于多区域分割及模糊逻辑的自动曝光方法，其特征是，所述的res(s)值，由以下公式得到res(s)=w(1)×val(1)+w(2)×val(2)+w(3)×val(3)+w(4)×val(4)+w(5)×val(5)+w(6)×val(6)w(1)+w(2)+w(3)+w(4)+w(5)+w(6)]]>其中w(i)表示6个区域各自的权重值，val(i)则表示每个区域基于直方图统计的曝光评价值；最终结果为res(s)，其值越小，那么曝光效果越好。
全文摘要
一种基于多区域分割及模糊逻辑的自动曝光方法，属于数字成像技术领域。本发明根据人脸肤色模型及高斯模型，对数码图像进行区域分割，将图像分割成基于人体的6大区域；又根据图像曝光情况与其灰度直方图分布的对应关系，通过统计直方图在靠近灰度值0及255的某个邻域内的象素数量进行求和计算，以其结果val(i)来表征各个区域的曝光评价值，并引入模糊逻辑系统，综合各个区域的灰度信息，得到每个区域不同的权重值w(i)，最后计算得到res(s)值来获得整个画面的自动曝光判断结果。本发明大大提高了准确性和稳定性，且速度快捷，操作简单，具有实用性。
文档编号H04N5/235GK1997113SQ200610148208
公开日2007年7月11日 申请日期2006年12月28日 优先权日2006年12月28日
发明者赵群飞, 周杰, 孙明, 余佳, 袁坤, 张森 申请人:上海交通大学