[发明专利]一种基于曝光补偿的图像绝对中心矩改进算法

摘要

一种基于曝光补偿的图像绝对中心矩改进算法，包括步骤：a)获取不同曝光时间的图像；b)获取对应数目的采样曲线；c)获取灰度值：d)判断上述灰度值是否大于255；e)将不同曝光时间的图像相互转换，获取图像复原图像；f)通过对比灰度直方图判断上述两幅图像是否存在局部细节方面损失；g)获取图像绝对中心矩算法；h)获取ACM评价函数；i)灰度i_B对应的分布概率为；j)获取与曝光值C无关的图像绝对中心矩改进算法ECACM：l)由步骤k获取ECACM的评价指数。

主权项

1.一种基于曝光补偿的图像绝对中心矩改进算法，包括步骤：a)确定待采集对象，固定相机增益值，以相同步长增加曝光时间，获取不同曝光时间的图像；b)选择待采集对象上的若干个亮度相差较大的采样点，进行灰度跟踪，获取对应数目的采样曲线，每条曲线代表不同的采样点在不同曝光时间下的成像灰度；c)由上述成像灰度获取灰度值：G＝k_iC式中，G为图像成像点的灰度值，k_i为物体成像点的敏感系数，C为曝光值，k_i与物体反光能力有关，物体表面反光能力越强，则k_i越大；d)判断上述灰度值是否大于255，相机曝光大于过曝光状态的临界值Ch会造成图像灰度过饱和，比较亮的区域都变成了白色，图像的有效信息损失严重；e)假设对焦状态不变，分别以两个不同曝光时间对同一场景进行采集，得到两幅图像，将不同曝光时间的图像相互转换，获取图像复原图像；f)通过对比灰度直方图判断上述两幅图像是否存在局部细节方面损失，方法为：灰度值的分布被强行拉伸，变得不再连续，中间缺失了一些灰度级的分布；g)对于一个确定的对焦窗口，图像绝对中心矩算法的计算如下：ACM＝∑|i‑u|×p(i)n为窗口中像素点的总数，i为窗口中的任意一点的灰度值，u为当前窗口中灰度值的平均值，p(i)为灰度值i在窗口中出现的概率，N_i为成像灰度值为i的像素个数；h)根据线性关系，ACM评价函数可以写成：ACM＝∑|k_iC‑u|·p(i)                       (1)由(1)式和(2)式可得：由(3)式可知，ACM算法的评价指数与物体成像点的敏感系数k_i、窗口中像素点的总数n、灰度值i在窗口中出现的概率p(i)和成像时的曝光值C四个因素密切相关；i)假设在两个曝光值C_x、C_y下对同一场景进行采集，所成图像分别为图像A和图像B，C_x∈[C_l,C_h]，C_y∈[C_l,C_h]，A中共存在j个灰度级，第k个灰度级i_A对应的分布概率为p_Ak(i_A)；B中共存在r个灰度级，第k个灰度级i_B对应的分布概率为p_Bk(i_B)，j、r∈[1,256]，k∈[1,j]；j)根据前面所述线性关系，可得：p_Bk(i)＝p_Ak(i)                                      (5)由(4)式和(5)式可得,同一场景在介于区间[C_l,C_h]的不同曝光下成像灰度值不同，成像灰度级i_A和i_B对应，对于两幅图像中的第k个灰度级，二者的灰度级分布概率p_Ak(i_A)、p_Bk(i_B)相同，与曝光值C无关，即当成像时的曝光发生变化，两幅图像上对应点的灰度级分布概率不变；k)获取与曝光值C无关的图像绝对中心矩改进算法ECACM：l)由步骤k获取ECACM的评价指数：