自動曝光方法、拍照裝置及移動終端的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及移動通信領(lǐng)域，尤其設(shè)及一種自動曝光方法、拍照裝置及移動終端。
【背景技術(shù)】
[0002] 目前，相機的自動曝光的測光方式都是基于當(dāng)前帖信息的比較設(shè)定，大部分測光 方式（如點測光、中央權(quán)重測光、平均測光等）的權(quán)重都是直接設(shè)定，只有多區(qū)域評價測光 方式的權(quán)重是基于當(dāng)前帖不同區(qū)域之間的差異來動態(tài)設(shè)定。無論哪種測光方式，都是基于 當(dāng)前帖的信息，沒有用到連續(xù)多帖的圖像變化信息來設(shè)置權(quán)重。在某些測光方式上，會采用 上一帖的曝光值對當(dāng)前帖計算曝光值進行一個平緩操作，但是運只是讓曝光平滑過渡。
[0003] 可見，由于當(dāng)前技術(shù)僅使用當(dāng)前帖的圖像信息，部分方式比較了當(dāng)前圖像不同區(qū) 域之間的差異，但是并沒有引入連續(xù)時間內(nèi)同一區(qū)域由于曝光設(shè)置的不同而造成的變化趨 勢，特別容易造成室外圖像過曝。尤其在基于人臉等感興趣區(qū)的自動曝光上，容易造成整個 圖像過曝嚴(yán)重，不能拍攝出用戶期望的圖像。

【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明實施例一方面提供了一種自動曝光方 法，包括： 陽00引獲取連續(xù)N+1帖圖像數(shù)據(jù)，連續(xù)N+1帖包括當(dāng)前帖和前N帖；
[0006] 對連續(xù)N+1帖圖像數(shù)據(jù)進行邊緣提取，得到邊緣圖像；
[0007] 利用邊緣圖像對連續(xù)N+1帖圖像進行運動檢測，得到運動圖像；
[000引根據(jù)預(yù)設(shè)規(guī)則將運動圖像的區(qū)域劃分為多個子區(qū)域，選取其中的靜止子區(qū)域；
[0009] 分別獲取每個靜止子區(qū)域在連續(xù)N+1帖內(nèi)的灰度變化累計值；
[0010] 根據(jù)灰度變化累計值采用聚類算法確定亮度飽和子區(qū)域和亮度不飽和子區(qū)域；
[0011] 對亮度飽和子區(qū)域和亮度不飽和子區(qū)域的測光權(quán)重分別進行調(diào)整；
[0012] 根據(jù)調(diào)整后的測光權(quán)重確定并設(shè)置曝光參數(shù)。
[0013] 另一方面，本發(fā)明實施例還提供了一種拍照裝置，包括：
[0014] 圖像獲取模塊，用于獲取連續(xù)N+1帖圖像數(shù)據(jù)，連續(xù)N+1帖包括當(dāng)前帖和前N帖；
[0015] 邊緣提取模塊，用于對連續(xù)N+1帖圖像數(shù)據(jù)進行邊緣提取，得到邊緣圖像；
[0016] 運動檢測模塊，用于利用邊緣圖像對連續(xù)N+1帖圖像進行運動檢測，得到運動圖 像；
[0017] 區(qū)域劃分模塊，用于根據(jù)預(yù)設(shè)規(guī)則將運動圖像的區(qū)域劃分為多個子區(qū)域，選取其 中的靜止子區(qū)域；
[0018] 計算模塊，用于分別獲取每個靜止子區(qū)域在連續(xù)N+1帖內(nèi)的灰度變化累計值；
[0019] 分析模塊，用于根據(jù)灰度變化累計值采用聚類算法確定亮度飽和子區(qū)域和亮度不 飽和子區(qū)域；
[0020] 權(quán)重設(shè)置模塊，用于對亮度飽和子區(qū)域和亮度不飽和子區(qū)域的測光權(quán)重分別進行 調(diào)整；
[0021] 參數(shù)設(shè)置模塊，用于根據(jù)調(diào)整后的測光權(quán)重確定并設(shè)置曝光參數(shù)。
[0022] 另一方面，本發(fā)明實施例還提供了一種移動終端，包括上述拍照裝置。
[0023] 本發(fā)明實施例，通過分析連續(xù)多帖之間的圖像變化趨勢，得到各個區(qū)域多帖之間 的亮度差異，并根據(jù)該亮度差異大小來動態(tài)設(shè)置權(quán)重，從而使曝光參數(shù)的設(shè)置更加合理，有 效抑制圖像的大面積過曝，更容易拍攝出用戶滿意的圖片。
【附圖說明】
[0024] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可W 根據(jù)運些附圖獲得其他的附圖。
[00巧]圖1為本發(fā)明的自動曝光方法的第一實施例的流程示意圖；
[00%]圖2為本發(fā)明的自動曝光方法的第二實施例的流程示意圖；
[0027] 圖3為多分區(qū)評價測光方式的一種區(qū)域劃分示意圖；
[0028] 圖4為本發(fā)明的自動曝光方法的第S實施例的流程示意圖；
[0029] 圖5為本發(fā)明的自動曝光方法的第四實施例的流程示意圖；
[0030] 圖6為本發(fā)明的拍照裝置的第一實施例的結(jié)構(gòu)示意圖；
[0031] 圖7為本發(fā)明的拍照裝置的第二實施例的結(jié)構(gòu)示意圖；
[0032] 圖8為本發(fā)明的拍照裝置的第S實施例的結(jié)構(gòu)示意圖；
[0033] 圖9為本發(fā)明的拍照裝置的第四實施例的結(jié)構(gòu)示意圖；
[0034] 圖10為本發(fā)明的移動終端的實施例的結(jié)構(gòu)示意圖。
【具體實施方式】
[0035] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0036] 請參照圖1，是本發(fā)明的自動曝光方法的第一實施例的流程示意圖，該方法包括：
[0037] 步驟S101，獲取連續(xù)N+1帖圖像數(shù)據(jù)，連續(xù)N+1帖包括當(dāng)前帖和前N帖。 陽03引本步驟中，當(dāng)前帖的圖像數(shù)據(jù)可為相機實時獲取的YUV圖像數(shù)據(jù)，前N帖（N為正 整數(shù)）的圖像數(shù)據(jù)可為預(yù)先存儲的經(jīng)過JPEG壓縮的YUV圖像數(shù)據(jù)。
[0039] 步驟S102,對連續(xù)N+1帖圖像數(shù)據(jù)進行邊緣提取，得到邊緣圖像。
[0040] 本步驟中，邊緣提取可通過多種常見的邊緣檢測算子來完成，如：羅伯茨 (Roberts)算子、索貝爾（Sobel)算子、拉普拉斯化aplacian)算子等。
[0041] W索貝爾（Sobel)算子為例，其兩個方向算子為：
[0043] 其中，*代表二維卷積運算；
[0044] A為原始圖像灰度矩陣； W45] Gx為經(jīng)橫向邊緣檢測的圖像灰度值；
[0046] Gy為經(jīng)縱向邊緣檢測的圖像灰度值；
[0047] 通過下式可計算出圖像中每個像素的灰度值G :
W例步驟S103,利用邊緣圖像對連續(xù)N+1帖圖像進行運動檢測，得到運動圖像。
[0050] 本步驟中，運動檢測的原理是比較當(dāng)前帖圖像的邊緣圖像與前N帖圖像的邊緣圖 像，進行圖像減運算，對減運算圖像進行闊值分割，得到運動圖像。
[0051] 步驟S104,根據(jù)預(yù)設(shè)規(guī)則將運動圖像的區(qū)域劃分為多個子區(qū)域，選取其中的靜止 子區(qū)域。
[0052] 本步驟中，該預(yù)設(shè)規(guī)則可為系統(tǒng)設(shè)定的固定劃分規(guī)則，也可為綜合考慮了目標(biāo)檢 測和人為指定因素的動態(tài)劃分規(guī)則。如圖2所示為多分區(qū)評價測光方式的一種區(qū)域劃分示 意圖。
[0053] 本步驟中，在分析各個區(qū)域多帖之間的差異時，需要剔除運動區(qū)域的影響，因此在 完成區(qū)域劃分后，需要選擇其中沒有運動的子區(qū)域作為待分析區(qū)域。
[0054] 步驟S105,分別獲取每個靜止子區(qū)域在連續(xù)N+1帖內(nèi)的灰度變化累計值。 陽化5] 本步驟中，對每個靜止子區(qū)域，利用連續(xù)N+1帖圖像獲得該子區(qū)域的連續(xù)變化趨 勢。該連續(xù)變化趨勢通過如下的灰度變化累計值Deta來量化。
[00日7] Deta^二Gray i-Grayw, i二0,? ? ?N
[0058] 其中，Deta為灰度變化累計值；
[0059]Detai為相鄰兩帖的灰度變化值； W60]Grayi為第i帖的灰度值。
[0061] 步驟S106,根據(jù)灰度變化累計值采用聚類算法確定亮度飽和子區(qū)域和亮度不飽和 子區(qū)域。
[0062]本步驟中，對每個靜止子區(qū)域，根據(jù)其灰度變化累計值采用聚類算法來進行分類。 若圖像內(nèi)每個靜止子區(qū)域的灰度變化累計值都一致，或雖然有差異，但都在一個非常小的 差異闊值范圍內(nèi)，則根據(jù)圖像傳感器曝光各像素增量一致的特性，可知圖像內(nèi)沒有過曝區(qū) 域，則不需要后續(xù)的測光權(quán)重調(diào)整過程。若大部分靜止子區(qū)域的灰度變化累計值基本一致， 并且較大，而小部分靜止子區(qū)域的灰度變化累計值較小，則說明該大部分靜止子區(qū)域的亮 度不飽和，為未過曝區(qū)域，而該小部分靜止子區(qū)域的亮度已經(jīng)達(dá)到飽和，即發(fā)生了過曝。
[0063] 本步驟中，聚類算法可為劃分法、層次法、密度算法等。
[0064] 步驟S107,對亮度飽和子