[发明专利]一种非正常曝光图像自适应校正方法

说明书

本发明提供一种非正常曝光图像自适应校正方法，将计算获得的非正常曝光图像的亮度中位数与根据正常曝光图像计算获得的亮度阈值进行比对分析，判断该非正常曝光图像的曝光类型为过曝光图像、正常图像或欠曝光图像，再根据判断的曝光类型对该非正常曝光图像进行过曝光校正或欠曝光校正并输出。本发明方法能自适应的进行图像校正处理，增强了非正常曝光图像中的细节，最终校正图像与原图像相比清晰度更高，细节更多。

技术领域

本发明属于摄影摄像领域，涉及一种图像校正方法，具体涉及一种非正常曝光图像自适应校正方法

背景技术

在现实照片拍摄过程中，可能会出现非正常照明度的外部拍摄环境。背景亮度过高可能会导致照片处于过度曝光的状态，拍摄时光圈过大、底片的感光度太高或曝光时间过长容易造成照片非正常曝光。这些非正常曝光图像，画面主体不清晰，其中大量的信息和细节无法显示。为了还原这些非正常曝光图像中的信息和细节，人们后期会对照片进行处理校正，把图像中非正常曝光的部分还原为正常曝光的状态，同时避免图像失真或颜色偏移。

目前校正图像的方法包括照片合成法、MPSO算法、工蜂群算法、图像归一化方法以及一种使用相机响应特性的新型增强框架法。

传统的校正方法，需要使用同一位置的若干张不同曝光照片进行合成。如果拍摄主体处于移动状态，或没有足够的照片进行合成，则无法进行照片的合成。MPSO算法对红外图像通过增强对比度的方法来进行校正，具有很好的自适应性。但该算法仅能用于处理红外图像，通用性不强。工蜂群算法提出了一种新的客观适应度函数，在传统的人工蜂群算法中结合图像的空间领域信息和图像边缘信息，使用转换函数来处理空间域中的图像。该转换函数为原始图像的每个像素产生新的强度以生成增强的图像，使得运算效率下降。图像归一化方法，基于强度分布变换并使用一个正面平均面作为参考图像，独立地对每列执行强度分布的变换，有效地克服了光照效果。但这种算法主要针对于低分辨率的人脸图像，在处理正常大小的照片时采用分列处理计算量巨大，不可避免的降低运算效率。一种使用相机响应特性的新型增强框架，能获得较好的增强结果。但对部分图像会出现过度校正的情况，导致图像颜色的失真。该模型通过对欠曝光的图像进行识别，对欠曝光图片有较好的处理效果，对过曝光图像的处理却并不理想。

发明内容

本发明是针对上述问题而进行的，目的在于提供一种非正常曝光图像自适应校正方法，用于对输入的非正常曝光图像进行校正。

为实现上述目的，本发明采用如下技术方案：

一种非正常曝光图像自适应校正方法，其特征在于，包括如下步骤：

输入图像预处理，计算非正常曝光图像的亮度T、亮度中位数T_m以及最终权重矩阵W；

数据集预处理，收集正常曝光图像，并计算正常曝光图像的亮度阈值I；

自适应曝光状态判断，将计算获得的非正常曝光图像的亮度与亮度阈值进行比对，判断非正常曝光图像为过曝光图像、正常曝光图像或欠曝光图像；

非正常曝光图像校正，若非正常曝光图像属于过曝光图像，则对非正常曝光图像的过曝光部分进行校正后输出，若非正常曝光图像属于正常曝光图像，则直接输出，若非正常曝光图像属于欠曝光图像，则对非正常曝光图像的欠曝光部分进行校正后输出。

进一步地，本发明提供的非正常曝光图像自适应校正方法，输入图像预处理具体包括如下步骤：

设输入的非正常曝光图像的亮度为T，x为非正常曝光图像每一位置的像素，计算非正常曝光图像P^C的初始亮度分量L(x)：

式中，C是RGB颜色通道的索引。

通过公式计算初步权重矩阵M_d(x)：