（电路与系统专业论文）图像传感器曝光模糊控制及自动白平衡研究.pdf

摘要 摘要 p i 6 9 6 r 。侈i 多 随着数码相机的普及，更多的数字处理技术被应用到该项产品中，传统的对 图像传感器的控制方法具有一定的局限性，本文在模糊控制理论的基础上提出了 一种适用于图像传感器的曝光模糊控制系统，并且在传统白平衡处理方法的基础 上提出了一种新的基于先验知识的处理方法。 本文的主要贡献在于： 1 以o m n i v i s i o nt e c h n o l o g i e si n c 生产的o v 7 6 1 0c m o s 图像传感器为基础，分 析了p c 数码相机( p c d i g i t a ls t i l lc a m e r a ) 的u s b 连接接口的控制方法，构 建了实验平台。通过实验测试，分析了目前工业界图像传感器的曝光控制方 法。；以此为基础提出了基于模糊推理的曝光控制方法，并通过主观打分等方 法，构建了曝光模糊控制系统韵输入模糊变量隶属度函数的数学模型，设计 了m a m d a n i 型模糊控制器。并对所设计的模糊控制器进行了实时仿真。通过 对仿真结果的分析，给出了传统控制方法的对比数据，证明了本系统的优越 性。最后对系统的稳定性进行了分析。1 2 在系统总结传统自动白平衡处理方法的基础上，分析了传统方法的局限性， 并给出实验测试结果。进一步提出了基于先验知识( 人脸) 的白平衡处理的 新方法，并且在数学上论证了该方法的可行性。通过样本采集和实验统计给 出了适合于黄种人的人脸色度经验参考值。最后，在图像传感器模糊控制系 统内对基于先验知识的白平衡处理方法进行了验证，并给出了实时仿真的结 果数据。通过对比证明了新方法的优点。 3 对于图像采集中增益、曝光指数和白平衡处理间的内在关系进行了进一步研 究。通过实验测试，分析了同一色度物体在不同色温环境和不同亮度下的表 现值，提出了基于先验知识的环境光色温估计的一种新方法及其实现的可能 性，对于该方法的实现，有待于进一步研究。 f 由于本控制系统具备控制速度快和结构不十分复杂的特性，我们有理由相信 真强大的实用价值和在工业界良好的应用前景。而自动白平衡处理的研究成果， 将为图像采集的色彩校正开辟一条新的途径。 + ， 【关键字】 模糊逻辑、模糊控制、图像蓓感器、曝，【巴_ 疆制、自动白平衡、色差、 目 人脸识别 、 【分类号】p 粥：，4 a b s t r a c t i nr e c e n ty e a r s ，d i g i t a lc a m e r a ，a sac o m m e r c i o g a n i cp r o d u c t ，h a sb e e na c c e p t e d w i d e l y m o r ea n dm o r e n e w t e c h n o l o g i e so fd i g i t a lp r o c e s s i n gh a v eb e e nu s e di nt h i s a p p l i c a t i o n h o w e v e r , w ef i n ds o m e d e f e c t si nt h et r a d i t i o n a lm e t h o do fi m a g es e n s o r c o n t r 0 1 i nt h i sa r t i c l e ，w i t ht h eu s eo f f u s s yc o n t r o lm e t h o d ，w ed e s i g n e da l le x p o s u r e c o n t r o l l e rf o ri m a g es e n s o r , w h i c hi st h ei m p o r t a n tc o m p o n e n to fd i g i t a lc a m e r a a n d a l s o an e wa l g o r i t h mf o ra u t o m a t i cw h i t e b a l a n c ei s p r e s e n t e d i nt h i s p a p e r c o n t m s t e dw i t ht h et r a d i t i o n a la l g o r i t h m ，t h en e wo n ec a nb ep e r f o r m e da u t o m a t i c a l l y o nad i g i t a li m a g ew h i c hc o n t a i n sah u m a nf a c e ，b a s e do nt h eo b s e r v a t i o nt h a tt h e v a l b eo f u v c o m p o n e n t so n ah u m a nf a c ea r ec o n c e n t r a t e di nas m a l la r e a t h em a i nc o n t r i b u t i o n so f t h i sp a d e ra r ei nt h ef o l l o w i n g ： 1 w bd i s c u s s e dt 1 ec o n n e c t i o nm e t h o db e t w e e nd i 西t a ls t i l lc a m e r aa n dp c ， w h i c ha r eb a s e do nu s bs t a n d a r d w es e l e c t e d0 v 7 6 1 0c h i p ( ac m o s i m a g e s e n s o rd e v i c e ，w h i c hp r o d u c e db yo t o n i v i s i o nt e c h n o l o g i e si n c ) a st h e e x p e r i m e n tp l a t f o r n l t ot e s t a f t e ra n a l y z i n gt h et r a d i f i o n a lm e t h o do fi s e x p o s u r ec o n t r o l ，w eb r o u g h t f o r w a r dan e wo n eb a s e do nf u z z y w i t h s u b j e c t i v ee v a l u a t i o n 、w ec o n s t r u c t e dt h em e m b e r s h i pf u n c t i o n so fi n p u tf u z z y v a r i a b l e so f e x p o s u r ec o n t r o l l e r , a n dt h e nd e s i g n e d t h ef u z z yc o n t r o l l e r w ed i d s i m u l a t i o nt e s tt ot h ec o n t r o l l e r , a n d b yc o m p a r i n gt h e r e s u l t sw i t ht h e t r a d i t i o n a ld a a t h ef u s s yc o n t r o l l e rp r o v e dt ob es u p e r i o r a n dt h e n ，w ep r o v e d i t ss t a b i l i t yw i t ha n a l y s i s 2 i nt h i s p a p e r , an e wa l g o r i t h m f o ra u t o m a t i cw h i t eb a l a n c ei s p r e s e n t e d w i 也o u ta n yr e f e f e n c eo b j e c t w h i t eh a l a n t ec a l lb ep e r f o r m e da u t o m a t i c a l l yo n ad i g i t a li m a g ew h i c hc o n t a i n sah u m a nf a c e ，b a s e do nt h eo b s e r v a t i o nt h a tt h e v a l h eo fu v c o m p o n e n t so nah u m a n f a c ea r ec o n c e n t r a t e di nas m a l la r e a s i m u l a t i o nr e s u l t sr e f l e c ti t se x c e l l e n tp e r f o r m a n c e 3 b a s e do nt h ef o r n c l e re x p e l i m e r i t , w ef i n dt h a tt h e r ea r es o m eo b j e c t i v er e l a t i o n s b e t w e e ne x p o s u r ea n dw h i t eb a l a n c eo fi m a g es e n s o et h u s t w oe x p e r i m e n t s w e r em a d et or e s e a r c ht h er e l a t i o n 0 n ew a st h et e s to ft h ef a c ec h r o m a t i s m v a l u ei nd i f i e r e t a te x p o s u r ec o n d i t i o n ，t h eo t h e rw a st h et e s to ft h ef a c e c h r o m a t i s mv a l u ei nd i f f e r e n tc o o r - 】j g h ts u r r o u n d i n g s w i t ht h ef e s u l t , w e b r o u g h tf o r w a r dt h eh y p o t h e s i st h a tt h ec h r o m a t i s mo fs u r r o u n d i n g sc a nb e g a i n e db yc o n t r a s t i n gt 1 1 eu v v a l u eo ft h ef a c ea r e ao nt h ei m a g ew i t ht h eu v v a l u eo f t h ew h o l ei m a g e t h eh y p o t h e s i sn e e d st ob ep r o v e di nt h ef u t u r e t h es t r u c t u r ea n d a l g o r i t h m o f c o n t r o l l e ri sn o tv e r yc o m p l e x w i t ht i f f sc h a r a c t e r , w ec a nm a k ei ts u r et h a tt h ec o n t r o l l e rw i l lb ew i d e l yu s e di nd i g i t a lc a m e r a p r o d u c t s i nt h er e c e n tf u t u r e ，a n dt h en e w a l g o r i t h mo f a u t o m a t i cw h i t eb a l a n c ew i l lb r i n gu sa n e w p r o c e s s i n gm e t h o d f o rw h i t eb a l a n c er e s e a r c h 【k e yw o r d 】 f u z z yl o g i c 、如z 巧c o n t r o l 、i m a g es e n s o r 、e x p o s u r ec o n t r o l 、a u t ow h i t e b a l a n c e 、c h r o m a t i s m 、f a c er e c o g n i s e 第一章概述 第一章概述 1 1 论文选题的背景、意义及结构安排 在数码相机的结构中，负责成像的关键器件是图像传感器。在我们研发过程 中，发现c m o s 图像传感器的传统曝光方法有许多缺点，速度慢，成像效果和质 量也不理想，尤其是对于图像的自动白平衡处理，传统方法更是存在无法克服的 缺点。因此，本文利用模糊技术，实现了对图像传感器的快速曝光控制，提高了 传感器的工作范围和图像质量，并且尝试了一种新的自动白平衡的控制方法。本 文所提出方法的实现提高了数码相机的拍摄性能和相关的技术指标，并且在设计 过程中，我们不断地简化控制器结构，降低控制器的计算复杂度，使其能够适应 工业化生产的要求，对于该产品的应用产生了深远的影响。 本文在第一章中主要论述了数码相机中图像传感器的结构和目前工业界中曝 光控制方法，介绍了模糊控制技术的发展和特点。在第二章中，文章论述了基于 图像传感器o v 7 6 1 0 的实验平台的u s b 连接方法和其它一些实验准备工作。在第 三章中，我们论述了曝光模糊控制器的设计和模拟结果，并且判断了其工作的稳 定性。本文第四章中，在对比传统的自动白平衡处理算法的基础上，提出了基于 先验知识的自动白平衡处理方法，通过理论上的证明，论证了该方法的可行性， 并且进一步提出了其具体的算法。利用我们提出的理论，我们实现了对图像传感 器色彩增益的控制，通过模拟测试，我们得到了预期的效果。在第五章中，我们 总结了前四章的成果和不足，并提出了展望，为今后进一步的实验工作打下了基 础。 1 2图像传感器传统的自动曝光控制方法 1 2 1 图像传感器简介 图像传感器( i m a g es e n s o r ，下面简称i s ) 的发展已经有较长的历史了，对 于图像的采集、处理以及存储都有着十分重要的意义。目前较为成熟的制造工艺 是c c d ( c h a r g ec o u p l e dd e v i c e 电荷耦合器件) ，其工作原理主要是利用在芯片 基底上制造势阱矩阵，储存受光照辐射产生的光电子，曝光结束后，以势阱内电 荷的多少来作为该像素点受光照强度的大小，通过放大器读出，并转换成相应的 图像亮度值。目前，i s 的分辨率已经超过4 0 0 万像素，已经广泛的应用在各种摄 像领域中。c m o s 工艺的i s 是近5 年刚刚发展起来的一种新的技术，主流器件 的分辨率为3 3 万像素，但目前的发展势头十分迅猛，已有4 0 万到1 0 0 多万像素 的产品问世。与c c d 工艺相比，c m o s 工艺能将i s 的控制电路和图像处理电路 集成在同一片芯片中，这是c m o s 工艺的i s 的优势和发展的潜力。 下面以o n m i v i s i o nt e c h n o l o g i e si n c 生产的0 v 7 6 1 0c m o s 图像传感器为例 介绍其功能结构和控制方法。 第一章概述 图1 1i s 内部功能结构图 如图1 1 所示，i s 的内部主要由像素阵列、模拟信号处理器和控制器三个部 分组成。像素阵列负责曝光成像，模拟信号处理器主要是信号的放大、滤波和 a d 转换。控制器是本文要重点分析的内容，具体在下文中论述。 1 2 2 图像传感器的传统控制方法 对于c m o si s 的传统自动控制器，我们按其功能模块进行介绍【1 】。 ( 一) 自动曝光控制( a e c ) 1 i s 曝光原理：i s 器件的曝光是利用在p n 结上加上反偏电压，经光照 激发光电子，产生漏电流的原理进行工作。对于c m o si s 器件是利用电容对光 电子进行储存。 图1 2c m o s 图像传感器工作原理 2 电子快门：电子快门的开启是在p n 结上加上反偏电压。对于c c di s 器件的电子快门的关闭是将曝光后的光电子同步转移到缓冲区后，逐行移出，再 通过读出放大器读出：而对于c m o s 器件是将其反偏电压断开，并将电容中储存 的电荷直接通过读出放大器读出。 3 曝光时间：曝光的时间t = tl i n e * a e c ，其中tl i n e = 6 3 5 u s ( 若i s 芯片 外接的主时钟为2 7 m h z ) 。a e c 为i s 内部寄存器，取值范围是从0 2 5 5 。 4 自动曝光控制：传统的i s 自动曝光控制器比较简单，通过设立两个门 2 一 d 错 一 簇 第一章概述 限值e c w ，e c b 对曝光时间进行调整，具体方法是：对于感光图像i 中每个像 素点的亮度值6 ，( f j ) 按照公式( 1 1 ) 进行计数统计。 f c n t = t r u e ( b ， l b 恸) v f i 【铆e c b 2 t r u e ( b 。 e c w 或c m 。 e c b 时，控制器就自动进行曝光时间的调整， 当感光图像的亮点数超过e c w 时，将减少曝光时间，当感光图像的暗点数超过 e c b 时，将增加曝光时间：当c 研，一 e c w 且c m 。一 - j 算法只需对样本数据执行一次一步运算，计算过程较为简 单，其性能有充分的保证。其缺点是语言信息在算法过程中不能得到更新， 因此如果不在运算过程中采取一定的校正，最后获得的语言规则往往会不 够准确，甚至出错。 1 3 2 模糊控制的特点 模糊逻辑技术最适合用于那些非线性系统、它们的输入或者操作描述存在着 不确定性的系统。z a d e h 认为模糊逻辑对于大的自然系统，诸如天气、海洋系统 或者大的人造系统，诸如经济、股票市场和国家选举等这样的系统建模和控制是 最有利的。传统的控制理论都是建立在数学模型的基础上，但却不能完成在一个 熟练操作工看来是十分简单的控制，而模糊逻辑可以模仿人的思维方式，所以使 某些控制从不可能变得可能或者更容易，从而弥补了人工智能的不足。 模糊逻辑是一项正在发展中的技术，至今它还没有成为完善的系统分析技术， 一般而言，目前在理论上还无法象经典控制理论那样证明运用模糊逻辑的控制系 统的稳定性。对这个问题的一种解释是，经典控制是把实际问题加以简化以便于 建立数学模型，建立了数学模型以后，经典控制理论的深入研究就可对整个控制 过程进行系统分析。但这种分析也是近似的，近似的程度取决于建立数学模型过 程中的简化程度。模糊逻辑则是把更多的实际情况包括在控制环内来考虑，整个 控制过程的模型是时变的，这种模型的描述不是用确切的经典数学语言，而是用 具有模糊性的语言来描述。所以，主要不是对其模型进行简化，而是进行模糊化， 让其在给定范围内以渐变的方式实现控制。对比两种控制方式，经典控制为了建 模，简化了实际情况，被简化的部分在控制中未加考虑或者要另；o n - b 偿，所以经 典控制表面上看是精确控制，而实际上是简化控制，只有在数学模型与实际情况 比较相符时才比较精确。模糊控制则把经典控制中被简化的部分也综合起来考 虑。由于控制过程是非线性的，而且复杂渐变，看似模糊，对实际控制过程而言， 却可能比经典控制更精确。目前仍有很多人在努力借用传统的非线性系统分析方 法去分析模糊系统，这方面的研究有待进一步发展。 塑三! 璺堡堡壁矍壅堕! 鱼墨堡墨三堕 一 一 _ _ - _ - _ - _ _ _ 一 第二章图像传感器实验平台及准备工作 2 1 模糊控制器的程序设计和u s bp cd s c 设备连接接口 本文所讨论的控制器的控制对象p c 数字静态照相机( p cd i g i t a l s t i l l c a m e r a ) ，设各接口是u s b 。通过u s b 接口，我们不但可以获得图像数据，而且 可以对d s c 的图像传感器的内部控制寄存器进行设置。这些寄存器存放d s c 的 图像传感器最基本的曝光、增益等参数。我们的控制的模拟试验是通过p c 上设 计的程序，读写u s b 接口实现的。为了实现模糊控制器对数码相机的实时控制仿 真，采集有效的实验数据，从而验证模糊控制器的优越性和稳定性，本文讨论了 下面一些关键的基础工作。 2 1 1 模糊控制器程序的构架和工作方式 由于本模糊控制器的设计是在对比传统的控制方法上进行的，需要充分考虑 控制的效果以及工业实现的成本。因此，为了简化控制器的复杂度，我们将控制 器的输入量按照一定功能进行了分类，然后根据分类设计了多个小型的模糊控制 器来分别实现相对独立的功能。在实现过程中，各个小型的模糊控制器具有相类 似的结构，因此本文专门设计了一个较为通用的模糊控制器程序模型。对于不同 的具体的小控制器，只需给定相应的参数，输入该模型后即可实现其功能。 程序的构架如图2 1 所示： 链丧层 ( c li n k t a b 雀) 规则存缔、l 维护 输入模糊化层模糊规则席 解模糊输出层 ( c f u z z y m e m b e r 类) ( c r u l e b a s e 类)( c d e f u z z y 樊) i 运羹蔫炙杂出规刚读取j 写入运妻蒸更鑫专 模糊控制器模型( c f u z z y 类) 图2 1 模糊控制器模型结构 模糊控制器模型( c f u z z y 类) ：是用户界而层程序，主要负责对系统参数的设 定和模型的构造，如规定控制器的输入输m 变薰个数，每个输入输 h 变量的隶属 函数的个数和形状以及参数，规则库中规则的增减和修改( 规则数目可动态改变， 第二章图像传感器实验平台及准备工作 无需事先给定) ；还实现了控制量的输入和输出接口；在控制器工作期间，主要 采用规则驱动的方法实现模糊推理功能。规则驱动法是当控制器工作时，依次从 规则库中提取一条规则，根据规则的条件驱动输入模糊化层对外部的输入精确量 进行模糊化运算，然后按照模糊逻辑进行判断并计算出规则的可信度，晟后根据 规则的结论驱动解模糊层进行解模糊判决并输出控制精确量。此外c f u z z y 类还 提供对系统参数的存盘和读取功能。 输入模糊化层( c f u z z y m e m b e r 类) ：主要功能是构建系统的输入变量及其隶属 函数、对c f u z z y 类传递来的外部输入数据进行模糊化。该层的输入变量隶属函 数有梯形、多项式拟合形等选择，以适应功能的需要。 输出解模糊层( c d e f u z z y 类) ：主要功能是构建系统的输出变量及其隶属函数、 将解模糊后的输出数据传递给c f u z z y 类。该层的输出变量隶属函数有梯形、多 项式拟合形等选择，以适应功能的需要。 规则库( c r q l e b a s e 类) ：主要负责对规则的添加、删除和修改等维护工作， 并且通过链表层( c l i n k t a b 类) 存储和读取规则。采用这种结构主要是为了能够对 规则库实现动态的、方便的修改和更新。 模糊控制器构造器：这是一个辅助程序，实现对通用控制模型的参数设置和 简单的模拟测试。如图2 2 所示： 2 1 2u s b 的程序接口 图2 2 模糊控制其构造器 通用串行总线( u n i v e r s a ls e r i a lb u s ) 徙的早期版本( v e r s i o n l o ) 是由 c o m p a q ，d i g i t a le q u i p m e n tc o r p o r a t i o n ，i b n p cc o m p a n y ，i n t e l ，m i c r o s o f t ，n e c ， n o r t h e r nt e l e c o m 等公司于1 9 9 6 年1 月联合制订。该标准是针对p c 结构扩展的工业 标准，着眼予计算机电话集成( c o m p u t e rt e l e p h o n yi n t e g r a t i o n ( c n ) ) 以及其它 第二章图像传感器实验平台及准备工作 消费工业品的应用。其主要特点是：简化p c # b 围设备扩展口的使用；传输率为 1 2 m b s 的高速低成本解决方案：对语音、声音和压缩视频数据传输的全功能支持 同步数据和异步信息混合模式传输的协议支持等共8 个特点。关于串行总线标准 的其它现有技术主要还有：a p p l ed e s k - t o pb u s ( a d b ) ， a c c e s s b u s ( a b ) ， i e e e p 1 3 9 4 ，c h i ，g e o p o r t 等，本文不再论述。 u s b 系统的结构包括：u s b 互连部分、u s b 设备及驱动和u s b 主机三个主要 部分。其结构示意图如图2 3 所示。 图2 3u s b 结构图 我们的控制对象p cd s c 是结构图中的一个节点，我们需要解决的是对集成在 计算机内部u s b 主机进行驱动，通过读写u s b 设备接口，得到p cd s c 获取的图像 和控制信息。 由于对p cd s c 设备驱动程序的加载，在w i n d o w s 操作系统中为其提供了作为 w f m 设备的用户界面。本文使用微软提供的s d k 工具进行接口处理，主要使用 v f w h , a v f w 3 2 l i b 文件，利用其中的a v i c a p ( a v ic a p t u r ew i n d o w sc l a s s ) 类的消 息机制驱动p cd s c 设备驱动程序。p cd s c 设备厂商提供的参数读写界面如图2 4 所示。在本系统自动处理过程中，当图2 4 窗口生成后，通过寻找按钮窗口的句柄， 利用系统消息机制模拟鼠标按下过程，完成相应的对设备参数的读写过程，最后 关闭该窗口。 第二章图像传感器实验平台及准备工作 图2 4 设备参数读写菜单 2 2图像传感器曝光控制参数的分析及其数学模型的建立 2 2 i图像传感器控制参数分析 图像传感器0 v 7 6 1 0 共有5 6 个控制参数，其中我们关心的有增益、曝光时间、 r 通道增益、b 通道增益、直流亮度、饱和度、对比度和固定增益等共9 个主要 参数。其中直流亮度、饱和度、对比度这三个参数的功能是：直流亮度可以改变 图像的基调，通常情况下为中间调。饱和度和对比度可以影响图像色彩的鲜艳程 度和图像反差。对于数码相机而言，虽然可以随时对这三个参数进行改变，但它 们的设置主要是根据使用者对最后所拍摄图像的效果的喜好来决定，一般很少会 随着拍摄环境的变化而激烈变化，所以一般不采用自动控制的方法，而通常根据 经验进行手动设置。对此本文不再详细讨论。 数码照相机拍摄的图像质量，与图像传感器的曝光程度密切相关，而图像传 感器的曝光程度最终会反映在所获得图像( 即类似于传统意义上的照片的概念) 的平均亮度上。影响设备采集的图像的亮度主要取决于图像传感器的增益和曝光 时间这两个参数，对于曝光时间参数，其能够设定的数值范围是0 2 5 5 ，其对应 的有效的曝光时间是o - 8 m s ( 隔行曝光方式) 和o 3 2 m s ( 逐行曝光方式) 。 为了确定图像传感器曝光时间参数改变对最后所拍摄的图像平均亮度的影 响，从而使控制其能够根据图像平均亮度对曝光时间进行有效的调节和校正，所 以我们需要确定曝光时间与图像平均亮度的关系曲线。我们通过实验进行测试， 实验条件是：图像传感器增益参数为零，拍摄的图像亮度为其平均亮度变化范围 的中心值1 2 8 ( 此时曝光时间参数设为中心值1 2 8 ) ，曝光与平均亮度的关系曲线 如图2 5 所示。 2 第二章图像传感器实验平台及准备工作 图2 5曝光平均亮度曲线 图中“+ ”表示实验数据点，从0 变化到2 5 0 ，图中曲线是采用3 阶多项式拟 合得到的关系曲线。多项式为 b n g h t = 7 4 9 6 2 4 5 8 2 4 0 2 9 7 6 1 e 一0 0 6 e x p 3 4 7 7 5 7 6 7 7 4 9 4 4 7 7 8 2 e 。0 0 3 + e x p 2 ( 2 1 ) + 1 2 6 5 2 1 4 9 0 6 0 4 5 1 9 9 + e x p + 1 2 9 0 1 7 6 7 8 9 9 5 4 8 1 9 通过实验，得到曝光时间一平均亮度关系曲线后，我们在系统的控制过程中 可利用该曲线对曝光时间参数的进行校正：但为简化系统计算量，也可将其近似 成线性关系。 对于增益参数g ，其变化范围是0 6 3 ，共6 比特，但设备获得的实际增益与 该参数不是线性关系，而是根据公式： g a i n = ( g 3 ：o l 1 6 + 1 ) + ( g 1 4 】+ 1 ) + ( g 5 】+ 1 ) + ( g f l + 1 ) + ( g f 2 + 1 )( 2 2 ) 上式中g f l 和g f 2 是两个固定增益放大器的参数值。 类似于曝光时间参数，我们同样需要通过实验得到增益平均亮度曲线，根 据上面的公式，我们同样固定图像传感器的曝光量为2 5 5 进行测试，描述图像传 感器的增益平均亮度曲线如图2 6 所示。 第二章图像传感器实验平台及准备工作 图2 6 增益一亮度曲线 图中“+ ”表示实验数据点，从o 变化到6 2 ，图中曲线是采用3 阶多项式拟 合得到的关系曲线。多项式为 b r i g h t l = 2 0 9 6 2 3 3 2 3 0 1 3 4 0 9 0 e 0 0 4 + g a i n + 1 0 7 4 3 7 7 1 1 9 2 6 8 7 9 1 e 0 0 2 + g a i n 2 + 1 4 9 0 3 1 5 8 6 3 1 8 7 3 7 7 + g a i n + 5 0 1 1 7 9 0 5 0 5 6 7 5 9 5 5 b r i g h t 2 = 9 9 2 4 3 7 5 7 3 3 1 9 8 9 1 7 e - 0 0 4 + g a i n ( 2 3 ) 0 1 0 3 8 8 8 3 5 0 2 11 8 7 4 7 + g a i n 2 + 5 9 3 4 0 7 3 4 1 5 6 9 0 8 3 4 + g a i n 4 0 0 7 5 2 7 8 3 1 6 4 5 1 3 3 b r i g h t ：掣曲n i f o _ g a i n 3 1 。 【b r i g h t 2 i f3 2 = g a i n = r 则由此三相模糊统计试验所确定的三相隶属度函数为： 一l ( z ) = l 乓( u ) d u a 3 ( x ) 。l 0 ( “) 幽 ( 2 1 3 ) a 2 ( x ) = 1 4 1 ( x ) 一a 3 ( x ) 此处，足( x ) 0 ( z ) 分别是手，叩的边缘分布密度函数。 3 模糊分布 在客观事物中，最常见的是以实数r 作为论域。把实数r 上模糊集的隶属函 数称为模糊分布。这种方法是根据实际问题选择一些常用的模糊分布作为隶属函 数。常用的模糊分布主要有矩形和半矩形分布、梯形和半梯形分布、抛物型分布、 正态分布、柯西分布、岭形分布等。 对于上面的6 种分布，在实际应用中可根据讨论对象所具有的特点加以选择， 或通过统计资料描出大致曲线，将其与给出的6 种分布进行比较，选择最接近的 一种，再根据试验确定较符合实际的参数。 确定隶属函数的方法还有很多，例如直接打分法，推理法和二元对比排序法 等，这里不再介绍。 2 2 3 图像亮度隶属函数的确定 在传统相机中，控制胶片感光程度的自动方法是通过内置的测光表对所拍摄 的环境进行测试，通过光线的照度和被拍摄物体的反射度决定相机的自动曝光 量，而数码相机自动曝光控制则可以直接根据所拍摄的图像进行调整，使得最终 获得的图像达到最佳的效果，图像好的效果要考虑图像的亮度、色彩的饱和度、 灰度的层次等因素，这里我们最重要的是确定数码相机的曝光量，使最终拍摄的 图像亮度适中。 所获得图像的亮度是控制器调节设备控制参数的重要判断依据。然而，对于 图像亮度的判断，完全是根据人的主观意识进行的，并不能从客观上很好的解决 6 第二翥图像传感器实验平台及准备工作 这一问题。个人的喜好和经验甚至视力差异都会使判断的结果不同。为此，我们 要建立图像亮度的隶属函数，我们采取了模糊统计的方法，并且类似于三分法计 算出我们需要的亮度隶属函数。 1 亮度图像对比卡的设计 由于图像内容对图像的亮度判断有很大影响，我们对人脸的轮廓和面部的灰 度层次比较敏感也比较熟悉，并且在本文的第三章中还要讨论以人脸作为判断依 据的白平衡方法，因此，我们选择人脸像作为亮度图像对比卡的内容。 亮度图像对比卡一共选取了6 0 幅图片，打印在同一张纸上，并给出了编号。 每一幅图片的平均亮度均不同，按编号顺序由亮到暗排列。亮度的等级在2 5 5 到 0 的范围内进行抽样。编号与亮度对照表如表2 1 所示： 图像编号平均亮度图像编号平均亮度 12 4 83 11 2 7 22 4 43 21 2 4 32 4 03 31 2 0 4 2 3 63 41 1 7 52 3 23 51 1 3 62 2 83 61 1 0 72 2 43 71 0 3 82 2 l3 81 0 0 92 1 73 99 7 1 02 1 34 09 4 i i2 0 94 18 8 1 22 0 54 28 6 1 32 0 04 38 0 1 41 9 84 47 7 1 51 9 34 57 4 1 61 9 04 66 8 1 71 8 44 76 5 1 81 8 14 86 2 1 91 7 84 95 7 2 01 7 25 05 4 2 11 6 95 14 9 2 21 6 65 24 6 2 31 6 25 34 1 2 41 5 95 43 8 2 51 5 55 53 4 2 61 5 15 62 9 2 71 4 75 72 5 2 81 4 35 82 l 2 91 3 95 91 7 3 01 3 56 01 4 表2 1 编号亮度对照表 由表2 1 可见，我们所设计的亮度图像对比卡覆盖了全部的灰度等级( 对于 亮度大于2 4 8 及小于1 4 的图片已经没有判断的意义，故对比卡中没有包括) 。由 于亮度图像对比卡使用普通白纸制作，其打印的效果与屏幕显示有所不同，因此 堡三兰璺堡生壁塑塞竺兰鱼墨苎鱼三堡 我4 f j j n 入一个亮度校正因子k ，为简便，设k 为一常数，为亮度的平移值。对于 k 的确定，我们以屏幕显示亮度的动态范围的中心值为目标，对于灰度等级为2 5 5 的图像而言，其目标值为1 2 8 ，即中一t l , 值。中心值对于图像的亮暗都有最大的扩 展空间。 2 模糊统计试验及数据结果 试验规则：将亮度图像对比卡上的6 0 幅图片，根据各人的理解和判断，按照 其亮度行进划分。共分成5 个模式：过亮、较亮、正常、较暗和过暗。选出区分 这5 个模式的分界点( 即图片编号) 即可。 我们选取了近6 0 人进行试验，首先对其讲解试验规则，然后让每一个人按照 自己的经验单独进行判断，将分界点编号写出。试验结果如表2 2 所示： 编号点l点2点3点4编号点l点2点3点4 l1 7 1 82 8 2 99 1 04 1 4 23 11 6 1 72 8 2 91 2 1 33 9 4 0 22 1 2 22 6 2 71 3 1 44 1 4 23 21 3 1 43 2 3 38 94 7 4 8 j2 1 ，2 22 2 2 31 1 1 23 0 3 l3 32 3 2 43 3 3 41 4 1 54 5 4 6 41 4 153 3 3 4l o 1 l4 0 4 13 42 l 2 22 8 2 91 1 1 2 3 8 3 9 51 4 1 53 0 3 l1 0 1 14 0 4 13 51 6 1 72 5 2 61 1 1 24 2 4 3 61 62 6l l3 93 61 8 1 93 2 3 31 0 1 l4 0 4 l 72 02 81 33 73 71 7 1 83 6 3 76 74 8 4 9 81 63 594 73 81 9 2 03 4 3 51 7 1 84 6 4 7 92 23 51 44 23 91 4 1 52 5 2 69 1 03 6 3 7 1 01 7 ，3 1 1 24 04 01 6 1 7 2 8 2 97 84 9 5 0 1 11 43 1 74 44 l 1 7 1 83 2 3 31 1 1 24 8 4 9 1 21 7 1 83 0 3 19 l o3 7 3 84 22 0 2 l3 9 4 01 4 1 55 0 5 l 1 31 51 9 2 092 7 2 84 31 4 1 53 0 3 19 1 04 8 4 9 1 41 63 3l o4 44 41 9 ，2 0 3 3 3 4l o 1 14 旬4 s 1 52 l 2 22 6 2 71 l 1 23 8 3 94 51 4 1 53 2 3 3 1 1 1 24 2 4 3 1 61 83 694 54 61 6 1 7 2 7 2 89 1 05 0 5 l 1 71 9 ，2 02 9 3 01 4 1 54 54 71 7 1 82 7 2 81 3 1 4 3 1 3 2 1 81 62 71 23 94 82 9 3 0 3 3 3 47 84 1 4 2 1 91 53 384 l4 91 2 1 32 6 2 76 7 3 6 3 7 2 081 754 l5 01 9 2 03 5 3 61 2 1 34 8 4 9 2 11 62 463 l5 l2 0 2 l 3 0 3 l1 5 1 64 1 4 2 2 21 63 083 75 2 1 5 1 61 9 2 09 l o2 7 2 8 2 32 04 01 34 85 32 1 ，2 22 2 2 3】l 1 2 3 0 3 l 2 41 52 21 23 95 419 2 02 9 3 0 1 4 1 54 4 4 5 2 51 54 4i 05 25 52 l 2 2 2 6 2 71 1 1 23 8 3 9 2 62 22 81 73 2 2 72 03 275 0 2 82 0 2 13 01 5 1 64 1 2 91 62 68 94 3 3 01 53 21 l4 2 襄2 2 模糊统计试验数据表 在表2 2 中，点1 是正常与较亮的分界点，点2 是正常与较暗的分界点，点3 是过亮与较亮的分界点，点4 是过暗与较暗的分界点。对表中数据进行观察，剔 除其中明显不合理数据如编号2 0 的4 个点。对于有两个编号的数据我们取其亮 苎三兰堕堡堡堕墨壅壁! 鱼垦堡墨三堡一 度的平均值作为分界值。 3 数据分析和隶属函数的确定 根据表l 和表2 所提供的数据，我们运用类似于三分法的方法，根据概率统 计可以对于5 个模式的分界点统计数据，如图2 7 所示a ci l 阡j 亓f肌 ( i c 。 甲帘雨正脚仟 圈2 ，7模式分界点概率分布图 图2 7 中从t - 至l j 下从左到右依次是正常与较亮，正常与较暗，较亮与过亮， 较暗与过暗的分界点分布。 利用各个模式的边界概率密度函数，我们可以得到这5 个模式的边界分布函 数，如图2 8 所示。 图2 8 模式边界分布 苎三兰望堡堡壁塑壅丝兰鱼墨堡鱼王生 我们对图2 8 所示的边界进行多项式拟合以及归一化处理后，结果如图2 9 所示。 图2 9拟合处理后的模式边界分布圈 各个亮度模式的多项式表示为： m o d e o g ( b ) = 2 2 9 2 1 5 5 7 9 7 9 9 8 7 7 5 e 一0 1 7 + b 2 7 1 5 0 5 1 9 1 0 6 3 7 9 1 7 e 0 1 4 + b 8 + 1 3 2 8 8 6 1 8 6 7 5 4 5 4 3 7 e 0 1 1 + b7 3 4 4 5 6 0 2 0 5 1 1 8 0 1 8 2 e 0 0 9 + b 6 + 5 0 2 3 0 3 2 7 2 8 7 4 6 0 9 5 e 0 0 7 + b 4 0 0 3 3 7 2 7 7 3 0 3 4 8 6 7 e 0 0 5 + b 4 + 1 5 6 4 5 7 6 0 2 5 4 4 5 5 8 7 e 0 0 3 + b 一2 7 3 0 3 6 5 5 2 8 8 0 0 5 9 3 e 0 0 2 + b 2 + 1 7 5 9 6 6 9 6 5 6 6 31 4 1 6 e 0 0 l + b + 5 0 7 4 7 9 0 3 7 0 8 3 0 0 0 0 e + 0 0 l m o d e v g ( b ) = 5 9 4 8 6 5 9 5 9 2 4 1 5 6 9 4 e 0 1 7 + b + 7 0 3 6 9 8 5 3 9 9 2 2 1 8 8 7 e 0 1 4 + b 8 3