产生高动态范围图像的方法及电子装置制造方法及图纸

一种产生高动态范围图像（ＨＤＲ）的方法及电子装置，该方法包括加载亮度调整模型，亮度调整模型应用类神经网络算法所构成；取得原始图像；撷取原始图像的像素特征值、第一方向上的第一特征值与第二方向上的第二特征值；及依据原始图像的像素特征值、第一特征值与第二特征值，透过亮度调整模型产生高动态范围图像。电子装置包括亮度调整模型、特征值撷取单元与亮度调整程序。电子装置透过特征值撷取单元撷取原始图像像素特征值、第一特征值与第二特征值，并透过亮度调整模型对原始图像产生高动态范围图像。

【技术实现步骤摘要】

本专利技术是关于一种图像的方法及电子装置，特别是一种产生高动态范围图像的方 法及电子装置。
技术介绍
人类的视觉系统在感应光线时，是经由周遭的光线分布来调整感光程度，所以人 类在过量或过暗的环境时，经过一段时间的适应，即可看到周遭事物。现今的摄影器材， 如摄影机、照相机、单眼相机、网络摄影机...等基础原理其实大同小异。以针孔成像的原 理，将截取的图像，经由镜头投影到感应组件上。但由于感光组件如底片(film)、电荷耦合 组件传感器(Charge Coupled Device sensor, CCD sensor)、互补金属氧化半导体传感器 (Complementary Metal-Oxide Semiconductor sensor, CMOS sensor)的感光范围与人目艮 不同，且无法随着图像做动态调整。所以造成拍摄出来的图像常常会有某一部分亮度过亮 或过暗。请参考“图1”所示，其为动态范围不足的图像的示意图。图像10为一般数字相机 所拍摄而得的动态范围不足的图像，其中左下角图像区块12为亮度过暗的区域，右上角图 像区块14为亮度过亮的区域。此种状况使得左下角图像区块12中的树木与房屋的细节都 因太暗而无法看清楚。公知为了克服这种问题可采用高动态范围图像(High Dynamic Range Images, HDR)。高动态范围图像的做法是以不同曝光设定，拍摄出相同区域图像的不同感光程度，再 经由图像合成技术，合成出符合人类视觉感受的图像。请参考“图2”所示，其为多张图像合 成高动态范围图像的示意图。高动态范围图像20由多张不同感光程度的图像21、23、25、 27、29透过图像合成方式，而合成一张高动态范围图像20。这种做法效果很好，但缺点也非 常明显。首先所拍摄的图像位置不能有误差，若有误差即会造成合成上的困难。图像在拍 摄时，所需的储存空间也从单张变为多张，再加上处理合成时所需耗费的时间成本。所以这 是一种耗费时间、储存空间、又易于出错的做
技术实现思路
鉴于以上的问题，本专利技术提供一种产生高动态范围图像的方法，藉以将一张原始 图像，透过类神经网络算法所训练而得的亮度调整模型产生高动态范围图像。因此，本专利技术所揭露的产生高动态范围图像的方法，包括加载亮度调整模型，亮 度调整模型应用类神经网络算法所构成；取得原始图像(original image)；撷取原始图像 的像素特征值、第一方向上的第一特征值与第二方向上的第二特征值；以及依据原始图像 的像素特征值、第一特征值与第二特征值，透过亮度调整模型产生高动态范围图像。其中，上述第一方向的方向与第二方向的方向相异，第一方向的方向为水平方向， 第二方向的方向为垂直方向。另外，原始图像的像素特征值是利用下式计算 。其中，Cl为原始图像的像素特征值、N为原始图像的水平 方向的像素总数、M为原始图像的垂直方向的像素总数、Yij为原始图像中第一方向第i个 及第二方向第j个像素的亮度值、且N、Μ、i与j为正整数。 此外，原始图像的第一特征值利用下式计算G。——其中， Cf2jc为原始图像的第一特征值、X为原始图像中第一方向的像素的个数、Yij为原始图像中第一方向第i个及第二方向第j个像素的亮度值、Y(i+X)j为原始图像中第一方向第i+χ个及 第二方向第j个像素的亮度值、且i、j与χ为正整数。 于此，原始图像的第二特征值利用下式计算G2 =———其中， 少 。C2为原始图像的第二特征值、y为原始图像中第二方向的像素的个数、Yij为原始图像中 yJ第一方向第i个及第二方向第j个像素的亮度值、Yi(j+y)为原始图像中第一方向第X个及第 二方向第j+y个像素的亮度值、且i、j与y为正整数。此外，上述亮度调整模型于外部装置中所产生，包括加载多个帧训练图像；以及 撷取每一帧训练图像的像素特征值、第一方向上的第一特征值与第二方向上的第二特征 值，并透过类神经网络算法产生亮度调整模型。其中，上述第一方向的方向与第二方向的方向相异，第一方向的方向为水平方向， 第二方向的方向为垂直方向。此外，每一帧训练图像的像素特征值利用下式计算 。其中，C1为每一帧训练图像的像素特征值、N为每一帧训练图像的水平方向的像素总数、M为每一帧训练图像的垂直方向的像素总数、Yij为每一帧 训练图像中第一方向第i个及第二方向第j个像素的亮度值、且N、M、i与j为正整数。于此，上述每一帧训练图像的第一特征值利用下式计算 Y - Y 其中，r为每一帧训练图像的第一特征值、X为每一帧训练图 像中第一方向的像素的个数、Yij为每一帧训练图像中第一方向第i个及第二方向第j个像 素的亮度值、Y(i+x)J为每一帧训练图像中第一方向第i+x个及第二方向第j个像素的亮度 值、且i、j与X为正整数。另外，上述每一帧训练图像的第二特征值利用下式计算 其中，"为每一帧训练图像的第二特征值、y为每一帧训练图像中第二方向的像素的个数、Yij为每一帧训练图像中第一方向第i个及第二方向第j个像 素的亮度值、Yi(j+y)为每一帧训练图像中第一方向第X个及第二方向第j+y个像素的亮度 值、且i、j与y为正整数。这里，上述类神经网络算法为倒传递神经网络(Back-propagation Neural Network，BNN)算法、径向基函数(Radial Basis Function，RBF)或自主特征映像网络 (Self-Organizing Map, S0M)算法其中之一。因此，本专利技术所揭露的产生高动态范围图像的电子装置，其依据亮度调整模型，用 以对一原始图像进行亮度的调整，电子装置包括亮度调整模型、特征值撷取单元与亮度调 整程序。其中，亮度调整模型为应用类神经网络算法所构成；特征值撷取单元撷取原始图像 的像素特征值、第一方向上的第一特征值与第二方向上的第二特征值；以及亮度调整程序， 连接亮度调整模型与特征值撷取单元，亮度调整程序依据原始图像的像素特征值、第一特 征值与第二特征值，透过亮度调整模型产生高动态范围图像。于此，上述第一方向的方向与第二方向的方向相异，第一方向的方向为水平方向， 第二方向的方向为垂直方向。 此外，原始图像的像素特征值利用下式计算 其中，C1为原始图像的像素特征值、N为原始图像的水平方向的像素总数、M为原始图像的 垂直方向的像素总数、Yij为原始图像中第一方向第i个及第二方向第j个像素的亮度值、 且N、M、i与j为正整数。另外，原始图像的第一特征值利用下式计算G，=———其中， Cf2x为原始图像的第一特征值、χ为原始图像中第一方向的像素的个数、Yij为原始图像中第一方向第i个及第二方向第j个像素的亮度值、Y(i+X)j为原始图像中第一方向第i+x个及 第二方向第j个像素的亮度值、且i、j与χ为正整数。γ. - Y..其中，原始图像的第二特征值利用下式计算=G2 二——其中，‘ y °C2为原始图像的第二特征值、y为原始图像中第二方向的像素的个数、Yij为原始图像中 yJ第一方向第i个及第二方向第j个像素的亮度值、Yi(J+y)为原始图像中第一方向第X个及 第二方向第j+y个像素的亮度值、且i、j与y为正整数。于此，上述亮度调整模型于外部装置中所产生，包括加载多个帧训练图像；以及 撷取每一帧训练图本文档来自技高网...

【技术保护点】
一种产生高动态范围图像（ＨｉｇｈＤｙｎａｍｉｃＲａｎｇｅＩｍａｇｅ，ＨＤＲ）的方法，该方法包括：加载一亮度调整模型，该亮度调整模型是应用一类神经网络算法所构成；取得一原始图像；撷取该原始图像的一像素特征值、一第一方向上的一第一特征值与一第二方向上的一第二特征值；以及依据该原始图像的该像素特征值、该第一特征值与该第二特征值，透过该亮度调整模型产生一高动态范围图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：林照钧，
申请(专利权)人：微星科技股份有限公司，
类型：发明
国别省市：71[中国|台湾]