一种亮度感知定量计算方法、系统、设备及介质

技术领域

本发明涉及亮度感知领域，特别是涉及一种亮度感知定量计算方法、系统、设备及介质。

背景技术

近年来，室内照明标准和相关指导文件已经改变并增加了新的指标，如房间表面的最小照度指标，虽然这些指标已经被正式引入到标准和指南中，但在实践中，室内工作场所的工作面照度仍然是最突出的指标，而对于室内光环境的整体亮度感知没有定量的标准和指标。

关于亮度感知的方法可以分为两类：第一种通过真实场景进行主观判断，第二种是通过图像对光环境进行主观判断。但是存在以下缺点：

前者方法的实验结果比较可靠，但是费事费力，并且只能定性地分析光环境中不同参数对于亮度感知的影响。

后者通过图像评价又可分为两类：RGB图像和高动态范围成像图像(High DynamicRange Imaging，简称HDR)。通过提取图像中的亮度信息来和主观判断进行拟合，但RGB图像的亮度范围是经过计算机压缩的，不能完全体现真实空间中的亮度范围，HDR图像虽然能体现真实空间中的范围，但现有技术中，指标单一，并且没有充分考虑像素间的相关性和人眼视觉特性，在复杂的光环境下不能很好地反映人对光环境的主观感受，无法实现亮度感知的定量分析计算。

发明内容

本发明的目的是提供一种亮度感知定量计算方法、系统、设备及介质，通过多维度的图像指标，实现亮度感知的定量计算。

为实现上述目的，本发明提供了如下方案：

一种亮度感知定量计算方法，所述方法包括：

获取目标区域的高动态范围成像图像；

提取所述高动态范围成像图像的亮度信息和色度信息；

采用图像阈值分割法，根据所述亮度信息计算亮度指标；

根据所述亮度信息，采用层次采样的方法计算对比度指标；

根据所述色度信息，通过色彩空间转换矩阵，计算色温指标；

根据所述亮度指标、所述对比度指标和所述色温指标计算所述目标区域的亮度感知值。

可选地，所述目标区域内包含环境表面和照明光源；所述环境表面为所述目标区域内除所述照明光源之外的物体；采用图像阈值分割法，根据所述亮度信息计算亮度指标，具体包括：

根据所述亮度信息，采用图像阈值分割法将所述高动态范围成像图像进行分割，得到环境表面分割图像和照明光源分割图像；

根据所述环境表面分割图像确定环境表面亮度，并根据所述照明光源分割图像确定照明光源亮度；

根据所述环境表面亮度和环境表面分割图像的像素点数，确定环境表面平均亮度；

根据所述照明光源亮度和照明光源分割图像的像素点数，确定照明光源平均亮度；

根据环境表面分割图像的像素点数和照明光源分割图像的像素点数，计算权重值；所述权重值包括：环境表面权重和照明光源权重；

根据所述环境表面平均亮度、所述照明光源平均亮度和所述权重值，计算亮度指标。

可选地，所述对比度指标的计算公式为：

其中，C为对比度指标；N为亮度信息的层次数目；

可选地，根据所述色度信息，通过色彩空间转换矩阵，计算色温指标，具体包括：

根据所述色度信息，通过色彩空间转换矩阵进行色彩空间转换，得到色度转换信息；

根据所述色度转换信息，确定各个像素点对应的色度坐标；

计算各个所述色度坐标与设定点坐标之间的夹角的正切值；

根据各个所述正切值，确定对应像素点的色温值；

计算所有色温值的平均值，得到色温指标。

可选地，所述亮度感知值的计算公式为：

其中，B为亮度感知值；a为第一拟合系数；C为对比度指标；L

一种亮度感知定量计算系统，所述系统包括：

图像获取模块，用于获取目标区域的高动态范围成像图像；

信息提取模块，用于提取所述高动态范围成像图像的亮度信息和色度信息；

亮度指标计算模块，用于采用图像阈值分割法，根据所述亮度信息计算亮度指标；

对比度指标计算模块，用于根据所述亮度信息，采用层次采样的方法计算对比度指标；

色温指标计算模块，用于根据所述色度信息，通过色彩空间转换矩阵，计算色温指标；

亮度感知值计算模块，用于根据所述亮度指标、所述对比度指标和所述色温指标计算所述目标区域的亮度感知值。

一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的亮度感知定量计算方法。

一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的亮度感知定量计算方法。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种亮度感知定量计算方法、系统、设备及介质，通过采用图像阈值分割法和色彩空间转换矩阵，从多个维度计算图像指标，进而根据图像指标计算亮度感知，其中，图像指标包括：亮度指标、对比度指标和色温指标，本发明通过计算多维度的图像指标，实现亮度感知的定量计算，使得计算结果与人眼主观亮度感知之间的相关性得以提高，进而提高图像的仿真性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的亮度感知定量计算方法的流程图；

图2为本发明实施例提供的亮度感知定量计算方法的整体构图；

图3为本发明实施例提供的亮度感知定量计算系统的结构图。

符号说明：

图像获取模块-1、信息提取模块-2、亮度指标计算模块-3、对比度指标计算模块-4、色温指标计算模块-5、亮度感知值计算模块-6。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种亮度感知定量计算方法、系统、设备及介质，通过多维度的图像指标，实现亮度感知的定量计算。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1所示，本发明实施例提供了一种亮度感知定量计算方法，该方法包括：

步骤100：获取目标区域的高动态范围成像图像。

步骤200：提取高动态范围成像图像的亮度信息和色度信息。

步骤300：采用图像阈值分割法，根据亮度信息计算亮度指标。

其中，步骤300，具体包括：

根据亮度信息，采用图像阈值分割法将高动态范围成像图像进行分割，得到环境表面分割图像和照明光源分割图像。

根据环境表面分割图像确定环境表面亮度，并根据照明光源分割图像确定照明光源亮度。

根据环境表面亮度和环境表面分割图像的像素点数，确定环境表面平均亮度。

根据照明光源亮度和照明光源分割图像的像素点数，确定照明光源平均亮度。

根据环境表面分割图像的像素点数和照明光源分割图像的像素点数，计算权重值；权重值包括：环境表面权重和照明光源权重。

根据环境表面平均亮度、照明光源平均亮度和权重值，计算亮度指标。

具体地，令{L(i,j)}表示宽度为W且高度为H的高动态范围成像图像(HDR)，其中，1≤i≤W，1≤j≤H，{L

采用图像阈值分割算法，将HDR图像中的直接照明光源和目标区域内的环境表面(如天花板、地板、墙壁以及其他家具)分割出来。

阈值分割方法如下：

{L

其中，n

分别计算房间表面像素数目、光源像素数目和图像总像素数目之间的比值作为权重：

其中，ω

将权重值与平均亮度分别进行加权相加计算，得到亮度指标L

L

步骤400：根据亮度信息，采用层次采样的方法计算对比度指标。

对HDR图像进行RAMMG对比度的计算。RAMMG是一种对比度算法，通过应用金字塔式子采样结构的多层次方法来计算局部亮度值的变化。该方法考虑到从多种图像分辨率下感知亮度的差异性。

对比度指标的计算公式为：

其中，C为对比度指标；N为亮度信息的层次数目；

由于图像分辨率在每个后续层次中都会减半，则：

W

H

对八个相邻像素赋予相应的权重：

步骤500：根据色度信息，通过色彩空间转换矩阵，计算色温指标。

其中，步骤500具体包括：

根据色度信息，通过色彩空间转换矩阵进行色彩空间转换，得到色度转换信息。

根据色度转换信息，确定各个像素点对应的色度坐标。

计算各个色度坐标与设定点坐标之间的夹角的正切值。

根据各个正切值，确定对应像素点的色温值。

计算所有色温值的平均值，得到色温指标。

具体地，在CIE 1931RGB色彩空间和CIE 1931XYZ色彩空间之间存在一种线性转换，该转换通过矩阵M进行。最常见的M矩阵是CIE XYZ到sRGB，使用CIE StandardIlluminant D65标准作为参考白光，转换后可以分别获得信号值X、Y和Z。根据X、Y和Z参数计算出每个像素值所对应的色度坐标(x，y)，计算如下：

根据色度坐标值再确定n值。从该像素点的色坐标画一条线到普朗克轨迹上的一个点(0.332，0.1858)，该直线代表色温，n表示该直线与y轴间所夹角度的正切值。使用该n值和系数近似估计每个像素点的色温CCT(i,j)，最后计算所有像素值对应的色温的平均值，得到色温指标，计算公式如下：

CCT(i,j)＝449n

步骤600：根据亮度指标、对比度指标和色温指标计算目标区域的亮度感知值。

亮度感知值的计算公式为：

其中，B为亮度感知值；a为第一拟合系数；C为对比度指标；L

实施例2

如图3所示，本发明实施例提供了一种亮度感知定量计算系统，该系统包括：图像获取模块1、信息提取模块2、亮度指标计算模块3、对比度指标计算模块4、色温指标计算模块5和亮度感知值计算模块6。

图像获取模块1，用于获取目标区域的高动态范围成像图像。

信息提取模块2，用于提取高动态范围成像图像的亮度信息和色度信息。

亮度指标计算模块3，用于采用图像阈值分割法，根据亮度信息计算亮度指标。

对比度指标计算模块4，用于根据亮度信息，采用层次采样的方法计算对比度指标。

色温指标计算模块5，用于根据色度信息，通过色彩空间转换矩阵，计算色温指标。

亮度感知值计算模块6，用于根据亮度指标、对比度指标和色温指标计算目标区域的亮度感知值。

在一种实施例中，当B＝a·(-L

采用本发明方法所得的HDR图像的亮度感知值与人眼主观感知的相关性分析所用图像是根据真实场景进行仿真模拟的HDR图像库，其中包括三种色温(3000K，4000K，5000K)以及13种光分布场景，共计39幅光环境场景。本实施例采用两个常用客观参量作为评估的指标，即：非线性回归条件下的Pearson相关系数(Correlation Coefficient，CC)和模型预测偏差(R

表1 性能指标

实施例3

本发明实施例提供了一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行所述计算机程序以使电子设备执行实施例1中的亮度感知定量计算方法。

在一种实施例中，本发明还提供了一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现实施例1中的亮度感知定量计算方法。

本发明的有益之处：

1.本发明方法考虑到了图像的色温信息对亮度感知的影响，从而能在不同色温灯具下也能得到与人主观感受较为一致的亮度感知值。

2.本发明方法考虑到了图像中房间不同表面的亮度信息，从而计算出人眼感知的有效亮度信息，使评价结果与人主观感受一致。

3.本发明方法考虑到了图像中光的出射方向分布对亮度感知的影响，能有效提高客观评价结果与主观感知之间的相关性。

4.本发明方法考虑到了人眼视觉感知特性，从多种图像分辨率下进行图像对比度的计算，较好反映了人眼对光环境中明暗对比的主观感受。

5.本发明方法综合考虑了光环境的亮度指标，对比度指标，以及色温指标对于亮度感知的影响，从而使得计算结果与人的主观感受较为一致，较好地反映了室内光环境的亮度感知结果。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。