一种视频图像曝光度度量及自动校正的方法和装置与流程

1.本发明的实施方式涉及视频通信技术领域，更具体地，本发明的实施方式涉及一种视频图像曝光度度量及自动校正的方法和装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.随着互联网的视频通信技术得到了广泛的应用，尤其是远程会议、远程教学培训等场景中，有时会遇到会议画面光线较暗的情况，在无法改变外界环境的条件下，为改善客户的视觉效果，需要对画面进行增强，提升画面质量。
4.现有的视频会议暗场景增强算法系统，在使用中没有对画面中用户的主要关注区域进行提取，并不针对画面图像的曝光度进行度量分析，进行自适应校正，而是一视同仁的进行同一参数的增强。然而由于视频会议场景变化多端，会议画面的明暗程度不一，直接对整幅图像进行曝光度评估，背景区域引入极大干扰，导致评估结果不精准，不能准确的对图像进行校正；而不进行画面图像曝光度的度量分析，使用同一参数的增强，会导致某些场景过度增强，某些场景增强不足。当增强幅度较大时，由于只增对y分量增强处理，画面会出现一定的色彩饱和度丢失现象，因而不能获得最佳的视觉效果。
5.本发明设计了一个图像曝光度度量及自动校正算法和系统，对视频画面图像的曝光度进行度量分析，然后基于分析结果，选择最佳的校正参数实现画面的增强，同时对色彩饱和度进行恢复以获取更好的视觉体验。为兼顾用户的不同观感，设计接口进行微调。


技术实现要素：

6.本发明的目的在于通过基于对图像数据的曝光度的度量对该图像数据进行自适应校正，可以针对视频过程中不同帧的图像数据做出不同的画面增强处理，满足用户的需求。由于现有的视频会议暗场景增强算法系统，在使用中没有对画面中用户的主要关注区域进行提取，也不针对画面图像的曝光度进行度量分析，进行自适应校正。而不进行感兴趣区域提取，直接对整幅图像进行曝光度评估，背景区域会引入极大干扰，导致评估结果不精准，不能准确的对图像进行校正；一视同仁的进行同一参数的增强，会导致某些场景过度增强，某些场景增强不足。因此为解决现有技术存在的问题，非常需要一种改进的视频图像曝光度度量及自动校正的技术方案。
7.在本上下文中，本发明的实施方式期望提供一种视频图像曝光度度量及自动校正的方法和装置。
8.在本发明实施方式的第一方面中，提供了一种视频图像曝光度度量及自动校正的方法，包括：获取yuv格式图像数据；基于所述图像数据提取灰度值，即y分量；基于所述图像数据提取感兴趣区域；基于所述灰度值评估所述感兴趣区域的曝光度；基于所述曝光度对所述图像数据进行校正。
9.在本发明的一个实施例中，所述基于所述图像数据提取灰度值包括：基于所述图像数据提取每一个像素的灰度值。
10.在本发明的另一个实施例中，所述基于所述图像数据提取感兴趣区域包括：对所述图像数据进行人脸识别；识别的人脸区域为所述感兴趣区域。
11.在本发明的又一个实施例中，所述灰度值包括所述感兴趣区域内的每个像素点的灰度值。
12.在本发明的再一个实施例中，所述基于所述灰度值评估所述感兴趣区域的曝光度包括：建立所述灰度值与所述曝光度的映射关系；获取所述感兴趣区域每个像素点的曝光度；基于所述每个像素点的曝光度获取像素曝光度的均值为评估感兴趣区域的曝光度；在本发明的再一个实施例中，所述基于所述曝光度对所述图像数据进行校正包括：针对不同的曝光度自适应获取最佳校正值；基于所述最佳校正值校正所述图像数据。
13.在本发明的再一个实施例中，所述针对不同的曝光度自适应获取最佳校正值包括：建立所述曝光度和所述最佳校正值的映射关系；基于所述映射关系自适应获取最佳校正值。
14.在本发明的再一个实施例中，所述基于所述最佳校正值校正所述图像数据包括：根据所述最佳校正值和每个像素点的灰度值确定校正后的每个像素点的灰度值；基于所述校正后的每个像素点的灰度值校正所述图像数据。
15.在本发明的再一个实施例中，在所述对所述图像数据进行校正之后还包括：对所述校正后的图像数据转换到rgb空间进行色彩饱和度恢复。
16.在本发明实施方式的第二方面中，提供了一种视频图像曝光度度量及自动校正的装置，所述装置包括：获取模块，用于获取图像数据；提取灰度值模块，用于基于所述图像数据提取灰度值；提取感兴趣区域模块，用于基于所述图像数据提取感兴趣区域；评估模块，用于基于所述灰度值评估所述感兴趣区域的曝光度；校正模块，用于基于所述曝光度对所述图像数据进行校正。
17.在本技术的一个实施例中，所述提取灰度值模块包括：用于基于所述图像数据提取每一个像素的灰度值的模块。
18.在本技术的另一个实施例中，所述提取感兴趣区域模块包括：用于对所述图像数据进行人脸识别的模块；用于识别的人脸区域为所述感兴趣区域的模块。
19.在本技术的又一个实施例中，所述灰度值包括所述感兴趣区域内的每个像素点的灰度值。
20.在本技术的再一个实施例中，所述评估模块包括：用于建立所述灰度值与所述曝光度的映射关系的模块；用于获取所述感兴趣区域每个像素点的曝光度的模块；用于基于所述每个像素点的曝光度获取像素曝光度的均值即感兴趣区域曝光度的模块；在本技术的再一个实施例中，所述校正模块包括：用于针对不同的曝光度自适应获取最佳校正值的模块；用于基于所述最佳校正值校正所述图像数据的模块。
21.在本技术的再一个实施例中，所述用于针对不同的曝光度自适应获取最佳校正值的模块包括：用于建立所述曝光度和所述最佳校正值的映射关系的模块；用于基于所述映射关系自适应获取最佳校正值的模块。
22.在本技术的再一个实施例中，所述用于基于所述最佳校正值校正所述图像数据的
模块包括：用于根据所述最佳校正值和每个像素点的灰度值确定校正后的每个像素点的灰度值的模块；用于基于所述校正后的每个像素点的灰度值校正所述图像数据的模块。
23.在本技术的再一个实施例中，在所述校正模块之后还包括：用于对所述校正后的图像数据进行色彩饱和度恢复的模块。
24.根据本发明实施方式的一种视频图像曝光度度量及自动校正的方法和装置，对视频画面图像的曝光度进行度量分析，然后基于分析结果，选择最佳的校正参数实现画面的增强，同时对色彩饱和度进行恢复以获取更好的视觉体验。为兼顾用户的不同观感，设计接口进行微调。
附图说明
25.通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
26.图1示意性地示出了根据本发明实施方式的用于实现视频图像曝光度度量及自动校正的方法流程图；
27.图2示意性地示出了根据本发明实施方式的灰度值与曝光度的关系曲线图；
28.图3示意性地示出了根据本发明另一实施例的最佳校正值和曝光度的关系曲线图；
29.图4示意性地示出了根据发明实施方式的用于实现视频图像曝光度度量及自动校正的装置示意图；
30.在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
31.下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
32.本领域技术人员知道，本发明的实施方式可以实现为一种方法和装置。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
33.根据本发明的实施方式，提出了一种视频图像曝光度度量和自动校正的方法和装置。
34.下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
35.发明概述
36.本发明人发现，现有的对图片进行增强的技术存在以下缺陷：现有的视频会议暗场景增强算法系统，在使用中没有对画面中用户的主要关注区域进行提取，并不针对画面图像的曝光度进行度量分析，进行自适应校正，而是一视同仁的进行同一参数的增强。然而由于视频会议场景变化多端，会议画面的明暗程度不一，直接对整幅图像进行曝光度评估，背景区域引入极大干扰，导致评估结果不精准，不能准确的对图像进行校正；而不进行画面
图像曝光度的度量分析，使用同一参数的增强，会导致某些场景过度增强，某些场景增强不足。当增强幅度较大时，由于只增对y分量增强处理，画面会出现一定的色彩饱和度丢失现象，因而不能获得最佳的视觉效果。
37.为了克服现有技术存在的问题，本发明提供了一种视频图像曝光度度量及自动校正的方法，包括：获取yuv格式图像数据；基于所述图像数据提取灰度值，即y分量；基于所述图像数据提取感兴趣区域；基于所述灰度值评估所述感兴趣区域的曝光度；基于所述曝光度对所述图像数据进行校正。
38.在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。
39.应用场景总览
40.本发明实施例可以应用于远程会议、远程教学或培训等场景，然而，本领域技术人员完全可以理解，本发明实施方式的适用场景不受到该框架任何方面的限制。
41.示例性方法
42.下面结合应用场景，参考图1-4来描述根据本发明示例性实施方式的用于实现个性化设置企业云会议室的方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
43.参考图1，示意性的示出了根据本发明一个实施例的用于实现视频图像曝光度度量及自动校正的方法流程图。该方法包括以下步骤：
44.s100、获取图像数据。
45.作为示例，所述获取图像数据包括：通过在视频会议的过程中截取每一帧图像得到yuv格式图像数据。
46.s110、基于所述图像数据提取灰度值。
47.作为示例，所述基于所述图像数据提取灰度值包括：基于所述图像数据提取每一个像素的灰度值，即y分量值。
48.s120、基于所述图像数据提取感兴趣区域。
49.作为示例，所述基于所述图像数据提取感兴趣区域包括：对所述图像数据进行人脸识别；识别的人脸区域为所述感兴趣区域。具体地，视频会议中，通过对截取到的图像数据进行人脸识别，以确定最终的人脸区域，并将该人脸区域作为感兴趣区域。由于在视频会议过程中人脸的明暗是影响用户视觉体验的重要因素，因此进行人脸识别，以人脸区域为感兴趣区域进行曝光度度量可以极大地满足用户的视觉需求。
50.另一个实施例，在视频会议中，感兴趣的区域主要集中在画面的下方中间1/2区域，可以将该区域作为感兴趣区域，针对该固定区域进行曝光度度量分析，这样可以使得计算量小，算法复杂度低。
51.s130、基于所述灰度值评估所述感兴趣区域的曝光度。
52.作为示例，所述基于所述灰度值评估所述感兴趣区域的曝光度包括：建立所述灰度值与所述曝光度的映射关系；获取所述感兴趣区域每个像素点的曝光度；基于所述每个像素点的曝光度获取各像素曝光度的均值即感兴趣区域曝光度；
53.更具体地，由于视频会议场景中感兴趣区域主要集中在人像区域，人脸的明暗程
度是用户视觉体验的主要影响因素，因而图像的内容也可以认为是较为单一的，可以基于图像的灰度值(y)对各像素的曝光度进行度量。通过实验分析研究，我们构建了一种曝光度模型，将像素的灰度值与曝光度之间建立映射关系，其函数模型为：
[0054][0055]
式中，y表示任意像素的灰度值，取值范围为[0,255]，y表示曝光度级别。经过试验测试分析给出了最佳模型参数:a＝-1.5，a的取值范围为(-2.01，-0.99)；b＝-0.9，b的取值范围为(-0.61，-1.19)；c＝2.5，c的取值范围为(2.01,2.89)。如图2所示，展示了曝光度与灰度值之间的变化曲线图。如，当灰度值为100.9时，曝光度为0.4；当灰度值为191.2时，曝光度为-0.4。
[0056]
对该曝光度生成模型求取反函数，即可得到像素值y对应的曝光度，感兴趣区域的曝光度为各像素曝光度的均值：
[0057][0058]
式中n表示感兴趣区域的总像素量，yi表示第i个像素评估的曝光度。yi表示第i个像素的灰度值
[0059]
也即通过对公式(1)进行反函数求取即可得到公式(2)中的第i个像素评估的曝光度。通过对感兴趣区域内的所有像素的曝光度值求取均值即为评估感兴趣区域的曝光度y。通过测试分析，曝光度y在[-0.4,0.4]区间内，图像曝光适宜；y《-0.4时，图像曝光度不足，图像偏暗；y》0.4时，图像曝光过度，图像过亮。
[0060]
s140、对所述图像数据进行校正。
[0061]
作为示例，所述对所述图像数据进行校正包括：针对不同的曝光度自适应获取最佳校正值；基于所述最佳校正值校正所述图像数据。其中，建立所述曝光度和所述最佳校正值的映射关系；基于所述映射关系自适应获取最佳校正值，根据所述最佳校正值和每个像素点的灰度值确定校正后的每个像素点的灰度值；基于所述校正后的每个像素点的灰度值校正所述图像数据。
[0062]
具体地例子，图像实现自适应校正公式为：
[0063][0064]
其中，y
′
为校正后的图像各像素的灰度值，y为校正前的图像内的灰度值。为基于评估的曝光度y，自适应获取的最佳校正值，为曝光度y的函数。
[0065]
更具体地，本发明总的思想是通过预先确定校正值γ和曝光度y之间的期望曲线—即对不同的曝光度的图像，当曝光适宜时，即曝光度y在[-0.4,0.4]区间内，图像不需要调整，γ校正值应趋近于1；曝光不足时，即曝光度y《-0.4时，图像需要调亮，γ校正值应大于1,；曝光过度时，即曝光度y》0.4时，图像调暗，γ校正值应小于1，来建立一个函数关系拟合该期望曲线，如图3所示，为曝光度y和最佳校正值γ之间的变化关系曲线。即通过对每帧视频图像进行曝光度评估，需要基于评估的曝光度，自适应获取最佳γ校正值，
[0066]
由于确定的期望曲线是γ和y之间的，而由公式(1)可知，已经确定了y与y之间的函数关系，因此只需要构建γ与y之间的映射关系即可以获得γ和y之间的映射，利用保角映射关系，构建γ与灰度值y之间的映射关系：
[0067][0068]
式中，函数如下：
[0069][0070]
其中：β＝arctan(-2b/255)。式中各参数取值为a＝0.2,b＝0.3,c＝0.3,ρ＝0.05,k＝-1.113。
[0071]
结合图2-3可以看出，对于曝光正常的区域，γ值趋近于1，图像的修正幅度很小；而曝光不适宜时，可根据曝光度获取适宜的修正γ值，实现图像较大幅度的修正，符合对不同曝光度图像校正的预期。
[0072]
可见，通过上述公式(1)-(5)最终可以确定出最佳修正值γ，并基于γ值对图像数据进行适宜的增强处理。
[0073]
另一个实例，对于不同曝光度y可用下列分段函数来自适应获取最佳γ校正值。
[0074][0075]
式中，曝光度y≤y2时，图像严重曝光不足，y2取值为[-1.31,-1.36]，γ1为最大的校正值，取值[1.70,1.75]，γ2取值[1.8,2.0]；y2《y≤y3时，图像曝光不足，y3＝-0.4，；y3《y≤y4，图像曝光正常，γ校正值为1，y4＝0.4；y4《y≤y5，图像过度曝光，y5取值[1.18,1.25]，γ5取值[0.7,0.75]；y＞y5时，图像严重过度曝光，γ6取值[0.4,0.6]。
[0076]
由于最佳校正值γ是基于曝光度y的不同做出自适应的改变的，也即在公式(3)中视频会议中，不同光照环境下，图像数据的曝光度y和校正值γ均可能不同，这样在不同照度环境下的视频会议中，不同帧的图像数据才会根据每一帧图像数据中的曝光度的不同而做出自适应的对图片亮度进行增强或减弱处理，而不会对不同照度环境下视频中的每一帧图像数据都采用同一个固定校正值进行校正，可以使得对图像数据的校正更加的精准。本技术通过对感兴趣区域内的曝光度进行评估，进而计算最佳校正值并对图像数据进行校正，而不是采用固定的校正值对所有图像进行统一校正，避免了对光照充足的图像过度增强，或者对光照过暗图像增强不足的现象。
[0077]
在对图像数据进行增强处理之后还包括色彩饱和度恢复：对于彩色图像的校正，若在rgb通道分别处理，会导致严重的色彩失真；本发明基于yuv颜色空间，只对亮度通道y做处理，避免了色彩的失真，但会导致一定程度的饱和度丢失现象，使得图像看上去色彩不足。
[0078]
具体地，为使得用户获取更好的视觉体验，依据y分量的增益值，分别对rgb进行相似幅度的增益，可以实现色彩的恢复，其修正公式如下所示：
[0079][0080]
式中r'g'b'分别表示色彩饱和度恢复后的值，r、g、b表示色彩饱和度恢复前(也即图像数据增强后)的值，y表示原始图像数据的灰度值，y
′
表示对图像数据进行增强处理后的灰度值。
[0081]
本发明通过对视频画面图像的曝光度进行度量分析，然后基于分析结果，选择最佳的校正参数实现画面的增强，同时对色彩饱和度进行恢复以获取更好的视觉体验。为兼顾用户的不同观感，设计接口进行微调。
[0082]
示例性装置
[0083]
在介绍了本发明示例性实施方式的方法之后，接下来，参考图4对本发明示例性实施方式的用于实现视频图像曝光度度量及自动校正的装置示意图，该装置包括以下模块：
[0084]
获取模块400，用于获取图像数据。
[0085]
作为示例，所述获取图像数据包括：通过在视频会议的过程中截取每一帧图像得到yuv格式图像数据。
[0086]
提取灰度值410，用于基于所述图像数据提取灰度值。
[0087]
作为示例，所述基于所述图像数据提取灰度值包括：基于所述图像数据提取每一个像素的灰度值，即y分量数据。
[0088]
提取感兴趣区域420，用于基于所述图像数据提取感兴趣区域。
[0089]
作为示例，所述基于所述图像数据提取感兴趣区域包括：对所述图像数据进行人脸识别；识别的人脸区域为所述感兴趣区域。具体地，视频会议中，通过对截取到的图像数据进行人脸识别，以确定最终的人脸区域，并将该人脸区域作为感兴趣区域。由于在视频会议过程中人脸的明暗是影响用户视觉体验的重要因素，因此进行人脸识别，以人脸区域为感兴趣区域进行曝光度度量可以极大地满足用户的视觉需求。
[0090]
另一个实施例，在视频会议中，感兴趣的区域主要集中在画面的下方中间1/2区域，可以将该区域作为感兴趣区域，针对该固定区域进行曝光度度量分析，这样可以使得计算量小，算法复杂度低。
[0091]
评估模块430，用于基于所述灰度值评估所述感兴趣区域的曝光度。
[0092]
作为示例，所述基于所述灰度值评估所述感兴趣区域的曝光度包括：建立所述灰
度值与所述曝光度的映射关系；获取所述感兴趣区域每个像素点的曝光度；基于所述每个像素点的曝光度获取各像素曝光度的均值，即为感兴趣区域的曝光度；
[0093]
更具体地，由于视频会议场景中感兴趣区域主要集中在人像区域，人脸的明暗程度是用户视觉体验的主要影响因素，因而图像的内容也可以认为是较为单一的，可以基于图像的灰度值(y)对各像素的曝光度进行度量。通过实验分析研究，我们构建了一种曝光度模型，将像素的灰度值与曝光度之间建立映射关系，其函数模型为：
[0094][0095]
式中，y表示任意像素的灰度值，取值范围为[0,255]，y表示曝光度级别。经过试验测试分析给出了最佳模型参数:a＝-1.5，a的取值范围为(-2.01，-0.99)；b＝-0.9，b的取值范围为(-0.61，-1.19)；c＝2.5，c的取值范围为(2.01,2.89)。如图2所示，展示了曝光度与灰度值之间的变化曲线图。如，当灰度值为100.9时，曝光度为0.4；当灰度值为191.2时，曝光度为-0.4。
[0096]
对该曝光度生成模型求取反函数，即可得到像素值y对应的曝光度，感兴趣区域的曝光度为各像素曝光度的均值：
[0097][0098]
式中n表示感兴趣区域的总像素量，yi表示第i个像素评估的曝光度。yi表示第i个像素的灰度值
[0099]
也即通过对公式(1)进行反函数求取即可得到公式(2)中的第i个像素评估的曝光度。通过对感兴趣区域内的所有像素的曝光度求取均值作为评估感兴趣区域的曝光度y。通过测试分析，曝光度y在[-0.4,0.4]区间内，图像曝光适宜；y《-0.4时，图像曝光度不足，图像偏暗；y》0.4时，图像曝光过度，图像过亮。
[0100]
校正模块440，用于对所述图像数据进行校正。
[0101]
作为示例，所述对所述图像数据进行校正包括：针对不同的曝光度自适应获取最佳校正值；基于所述最佳校正值校正所述图像数据。其中，建立所述曝光度和所述最佳校正值的映射关系；基于所述映射关系自适应获取最佳校正值，根据所述最佳校正值和每个像素点的灰度值确定校正后的每个像素点的灰度值；基于所述校正后的每个像素点的灰度值校正所述图像数据。
[0102]
具体地例子，图像实现自适应校正公式为：
[0103][0104]
其中，y
′
为校正后的感兴趣区域内的各像素的总体灰度值，y为校正前的图像内的灰度值。为基于评估的曝光度y，自适应获取的最佳校正值，为曝光度y的函数。
[0105]
更具体地，本发明总的思想是通过预先确定校正值γ和曝光度y之间的期望曲线—即对不同的曝光度的图像，当曝光适宜时，即曝光度y在[-0.4,0.4]区间内，图像不需要调整，γ校正值应趋近于1；曝光不足时，即曝光度y《-0.4时，图像需要调亮，γ校正值应
大于1；曝光过度时，即曝光度y》0.4时，图像调暗，γ校正值应小于1，并通过建立一个函数关系拟合该期望曲线，如图3所示，为曝光度y和最佳校正值γ之间的变化关系曲线。即通过对每帧视频图像进行曝光度评估，需要基于评估的曝光度，自适应获取最佳γ校正值，
[0106]
由于确定的期望曲线是γ和y之间的，而由公式(1)可知，已经确定了y与y之间的函数关系，因此只需要构建γ与y之间的映射关系即可以获得γ和y之间的映射，利用保角映射关系，构建γ与灰度值y之间的映射关系：
[0107][0108]
式中，函数如下：
[0109][0110]
其中：β＝arctan(-2b/255)。式中各参数取值为a＝0.2,b＝0.3,c＝0.3,ρ＝0.05,k＝-1.113。
[0111]
结合图2-3可以看出，对于曝光正常的区域，γ值趋近于1，图像的修正幅度很小；而曝光不适宜时，可根据曝光度获取适宜的修正γ值，实现图像较大幅度的修正，符合对不同曝光度图像校正的预期。
[0112]
可见，通过上述公式(1)-(5)最终可以确定出最佳修正值γ，并基于γ值对图像数据进行适宜的增强处理。
[0113]
另一个实例，对于不同曝光度y可用下列分段函数来自适应获取最佳γ校正值。
[0114][0115]
式中，曝光度y≤y2时，图像严重曝光不足，y2取值为[-1.31,-1.36]，γ1为最大的校正值，取值[1.70,1.75]，γ2取值[1.8,2.0]；y2《y≤y3时，图像曝光不足，y3＝-0.4，；y3《y≤y4，图像曝光正常，γ校正值为1，y4＝0.4；y4《y≤y5，图像过度曝光，y5取值[1.18,1.25]，γ5取值[0.7,0.75]；y＞y5时，图像严重过度曝光，γ6取值[0.4,0.6]。
[0116]
由于最佳校正值γ是基于曝光度y的不同做出自适应的改变的，也即在公式(3)中视频会议中，不同光照环境下，图像数据的曝光度y和校正值γ均可能不同，这样在不同照度环境下的视频会议中不同帧的图像数据才会根据每一帧图像数据中的曝光度的不同而做出自适应的对图片亮度进行增强或减弱处理，而不会对不同照度环境下视频中的每一帧图像数据都采用同一个固定校正值进行校正，可以使得对图像数据的校正更加的精准。本
申请通过对感兴趣区域内的曝光度进行评估，进而计算最佳校正值并对图像数据进行校正，而不是采用固定的校正值对所有图像进行统一校正，避免了对光照充足的图像过度增强，或者对光照过暗图像增强不足的现象。
[0117]
在对图像数据进行增强处理之后还包括色彩饱和度恢复：对于彩色图像的校正，若在rgb通道分别处理，会导致严重的色彩失真；本发明基于yuv颜色空间，只对亮度通道y做处理，避免了色彩的失真，但会导致一定程度的饱和度丢失现象，使得图像看上去色彩不足。
[0118]
具体地，为使得用户获取更好的视觉体验，依据y分量的增益值，分别对rgb进行相似幅度的增益，可以实现色彩的恢复，其修正公式如下所示：
[0119][0120]
式中r'g'b'分别表示色彩饱和度恢复后的值，r、g、b表示色彩饱和度恢复前(也即图像数据增强后)的值，y表示原始图像数据的灰度值，y
′
表示对图像数据进行增强处理后的灰度值。
[0121]
本发明通过对视频画面图像的曝光度进行度量分析，然后基于分析结果，选择最佳的校正参数实现画面的增强，同时对色彩饱和度进行恢复以获取更好的视觉体验。为兼顾用户的不同观感，设计接口进行微调。
[0122]
应当注意，尽管在上文详细描述中提及了一种图像曝光度度量及自动校正装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
[0123]
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
[0124]
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。