一种基于标定的快速自动曝光调节方法与流程

本发明属于实时图像处理技术领域，具体涉及一种图像自动曝光调节方法。

背景技术

目前，数字相机的自动曝光调节方法一般都是基于步长调节的方法，这种方法是通过不断试验来优化调节步长，要调节到目标曝光值需要几帧时间，调节速度较慢；另外，基于步长的调节方法，步长往往无法精准定位到目的灰度值曝光调整点，常会出现过冲或欠调的情况，需要不断缩小调节步长来逼近目的灰度曝光点，在外界特殊照度下(如半天半地)，致使曝光调节过程容易产生在目的灰度值曝光调整点左右震荡，即产生过冲或欠调，使图像出现持续闪烁现象。

技术实现要素：

为了解决背景技术存在的调节速度较慢，以及往往无法精准定位到目的灰度值曝光调整点，致使曝光调节过程容易产生在目的灰度值曝光调整点左右震荡的问题，本发明提供了一种基于标定的快速自动曝光调节方法，采用场景曝光标定的方法获得不同场景下曝光与灰度值的关系，实现自动曝光的快速、准确、无震荡调节。

本发明的发明构思是：

将不同照度场景下不同曝光时间与灰度值的数据采样，对采样的数据做两次曲线拟合，得到标定系数；依据当前的曝光值、灰度值和标定系数定位场景曲线，从而得到期望灰度下正确的曝光时间。

本发明的具体技术方案是：

一种基于标定的快速自动曝光调节方法，包括以下步骤：

1)获取不同的固定照度lm场景下，不同曝光值expmx与对应灰度值graymx数据；m与x均为自然数；

2)对步骤1)获取的数据在matlab中进行两次曲线拟合，得到标定系数，具体为：

2.1)对在不同的固定照度lm下获取的灰度值graymx和曝光值expmx做一次线性拟合，即：expmi＝km*graymi+bm，其中，expmi和graymi分别为固定照度lm场景下第i个采样点的曝光值和灰度值；km和bm为固定照度lm场景下的一次线性系数，由此获得多组系数(km，bm)；

2.2)对(km，bm)做三次线性拟合即：

bm＝fit_a*km³+fit_b*km²+fit_c*km+fit_d，

最终得到拟合系数fit_a、fit_b、fit_c和fit_d,此作为标定系数；

3)依据当前的曝光值exp_now、当前灰度值gray_now和所述标定系数，定位场景曲线，从而得到期望灰度值gray_set下正确的曝光值exp_cau，即应调曝光时间。

进一步地，所述步骤1)具体为：

1.1)通过积分球设定场景照度为固定照度l1，在此固定照度l1场景下，设置使曝光值从最小值expmin到最大值expmax变化，并相应地采集各个曝光值exp1x及其对应的灰度值gray1x；

1.2)设定场景照度为固定照度l2，利用步骤1.1)的方法采集各个曝光值exp2x及其对应的灰度值gray2x；

1.3)重复多次进行步骤1.1-1.2)，分别获得不同的固定照度lm场景下，不同曝光值expmx与对应灰度值graymx数据。

进一步地，固定照度lm的范围根据探测器照度响应动态范围确定。

进一步地，所述步骤3)具体是：

3.1)在实时图像处理中，获取当前曝光值exp_now和当前灰度值gray_now,以δk为步长遍历曲线bm＝fit_a*km³+fit_b*km²+fit_c*km+fit_d中的ki值，每个ki值对应的bi值通过所述拟合系数fit_a、fit_b、fit_c和fit_d来确定；

3.2)将当前灰度值gray_now分别代入由系数ki和bi构成的多组一次曲线，求得遍历曝光值exp_seek；

3.3)通过遍历找到exp_seek≈exp_now的曲线，此时锁定ki和bi为klock和block，得到(klock，block)曲线；

3.4)将期望灰度值gray_set代入所述(klock，block)曲线，求得期望灰度值gray_set下正确的曝光值exp_cau。

本发明的有益效果是：

本发明中采用积分球模拟不同场景下的照度，对相机进行曝光标定，即采集不同场景不同曝光时间下的图像灰度值，根据采集的数据通过matlab做曲线拟合，通过将拟合的系数应用于相机的曝光算法设计中，通过计算(可通过硬件实现，如fpga等)得到期望灰度值的曝光点，仅需要一帧无效期间即可完成运算，从而能够实现自动曝光的快速、准确、无震荡调节。

附图说明

图1为本发明的方法流程图；

图2为本发明对相机进行曝光标定过程中的数据采样示意图；

图3为本发明对采样数据进行两次曲线拟合的示意图；

图4为本发明自动曝光中场景定位示意图；

图5为本发明第一次拟合gray-exp曲线图；

图6本发明第二次拟合k-b曲线图。

具体实施方式

参见图1-6，本发明提供的快速自动曝光调节方法包括以下步骤：

第一步，曝光标定数据采集；

首先，通过积分球设定场景照度为固定照度l1，在此固定照度l1场景下，调整使得曝光值从最小值expmin到最大值expmax变化，并相应地采集各个曝光值exp1x及其对应的灰度值gray1x；然后改变场景照度为固定照度l2，用同样的方法采集各个曝光值exp2x和对应灰度值gray2x，重复此方法获得不同的固定照度lm场景下不同曝光值expmx与对应灰度值graymx数据。

本步骤中，固定照度lm的调节范围由探测器照度响应动态范围确定，最小照度为lmin，最大照度为lmax；照度调节范围小时，照度调节步长小一些，照度调节范围大时，照度调节步长相对大一些。

第二步，对采样数据在matlab中作两次曲线拟合。

首先，进行第一次曲线拟合，如图5所示：对在不同的固定照度lm下获取的灰度值graymx和曝光值expmx做一次线性拟合，即：expmi＝km*graymi+bm，其中，expmi和graymi分别为固定照度lm场景下第i个采样点的曝光值和灰度值，km和bm为固定照度lm场景下的一次线性系数，由此获得多组(km，bm)。

然后，进行第二次曲线拟合，如图6所示：对上一步得到的(km，bm)做三次线性拟合，即：bm＝fit_a*km³+fit_b*km²+fit_c*km+fit_d，最终得到拟合系数fit_a、fit_b、fit_c和fit_d，以此作为标定系数。

本发明之所以对灰度值和曝光值做一次线性拟合是因为通过大量的数据采样(如图5)发现，灰度值和曝光值在非曝光区间是线性变化的。而对(km，bm)做三次拟合是因为(km，bm)曲线为非线性，三次拟合在计算误差和计算系数复杂度上得到了权衡，若采用二次拟合和四次拟合都无法达到目前三次拟合的拟合效果，且四次拟合计算复杂度更大。

第三步：自动曝光中场景定位。

在实时图像处理中，获取当前曝光值exp_now和当前灰度值gray_now,以δk为步长遍历曲线bm＝fit_a*km³+fit_b*km²+fit_c*km+fit_d(即图6所示的拟合k-b曲线)中的ki值，每个ki值对应的bi值通过上一步得到的拟合系数fit_a、fit_b、fit_c和fit_d来确定，步长δk根据实际需求选取。

将当前灰度值gray_now分别代入由系数ki和bi构成的多个一次曲线，求得遍历曝光值exp_seeki。

通过遍历找到exp_seeki≈exp_now的曲线，此时锁定ki和bi为klock和block。

目的(期望)灰度值gray_set代入(klock，block)曲线，求得exp_cau即为应调曝光值。