[发明专利]产生高动态范围图像的方法及电子装置

说明书

技术领域

本发明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。

背景技术

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)的感光范围与人眼不同，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

发明内容

鉴于以上的问题，本发明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，本发明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，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、Y_ij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。

此外，原始图像的第一特征值利用下式计算：其中，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、Y_ij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x为正整数。

于此，原始图像的第二特征值利用下式计算：其中，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、Y_ij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(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、Y_ij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。