一个通过大津法修正摄像头曝光时间的数学模型设想

目录

写在前面

大津法阈值

平均阈值

曝光时间自调节模型

总结

---

写在前面

最近正在尝试在室外使用灰度摄像头，但是不同时间点阳光照射情况都有不小的差别，感觉对大津法的影响稍微有些大。所以就想能不能用现有的资源简陋地补偿一下曝光时间。

不过我最后没有测试这个模型，因为我后来使用了一个更强力的算法，能够直接无视曝光的差异。但我觉得这个模型还是有一些借鉴意义的。它非常简陋，以至于初学者都能够直接上手，但是从理论上来看是能够实现的。和chatgpt讨论这个模型时，chatgpt也给出了肯定的答复。

希望能对大家起到一定的帮助。

大津法阈值

大津法（Otsu）是一种用于图像分割的算法，它可以将图像分成两个或更多的部分，其中每个部分具有相似的灰度值。

大津法的原理是基于图像的灰度直方图，它假设图像由前景和背景组成，前景和背景的像素灰度值不同。通过对图像的灰度直方图进行分析，找到一个阈值，将图像分为两个部分，使得分割后两个部分的类内方差最小、类间方差最大，从而达到最优化分割的目的。

简单来说就是将图像的灰度值聚成两个类，聚类的条件是：找到一个阈值使得聚出来的两个类之间的方差最大，简单来说，也就是前景类和背景类两个类的灰度值差异性最大。

更简单来说，就是找到一个阈值，使得前景和背景的对比度最大。

所以通过大津法获取的阈值是一个能够表征图像对比度的量。

平均阈值

该方法基于图像中像素灰度值的平均值，将低于平均值的像素视为背景，高于平均值的像素视为前景。

图像的平均阈值可以通过以下步骤计算：

1. 将灰度图像中所有像素的灰度值相加，得到灰度值的总和。
2. 将总和除以像素数量，得到平均灰度值。
3. 将平均灰度值作为阈值，将像素分为背景和前景两部分。

图像的平均阈值简单易懂，并且计算速度比较快，适用于对比较均匀的图像进行分割。但是对于复杂的图像，由于亮度分布不均匀，可能会出现分割效果不佳的情况。

简单来说，平均阈值求的是整个图像的平均灰度值。

显而易见，平均阈值，也就是平均灰度值是一个能够表征图像平均亮度的量。

曝光时间自调节模型

计算本次图像的大津法阈值和平均阈值，并与上一次的大津法阈值和平均阈值进行比较。

计算它们的变化量，并用大津法阈值的变化量除以平均阈值的变化量得到一个参数：

其中，表示本次图像的大津法阈值与上次图像的大津法阈值之差，用于表征本次相较于上一次的对比度变化情况。表示本次图像的平均阈值与上次图像的平均阈值之差，用于表征本次相较于上一次的平均亮度变化情况。

▲根据参数判断本次图像的阈值选取是否合理：

如果过大，说明在图像的平均亮度没有太大变化的情况下，由于阈值选取而导致的图像对比度的变化剧烈，显然这在大多数情况下是不合理的。

如果过小，说明在图像的平均亮度剧烈变化的情况下，由于阈值选取而导致的图像对比度没有明显变化，显然这在大多数情况下也是不合理的。

如果介于某个合适的范围之间，那么就说明平均亮度和图像对比度在相互作用的情况下合理变化，大概率是合理的。

▲如果通过判断出阈值选取不合理，可以通过现有条件补偿阈值或者曝光时间。下面以补偿曝光时间为例说明。

如果需要调整曝光时间，可以根据上一次的曝光时间和反映平均亮度变化的平均阈值，来计算本次的曝光时间：

其中，是需要根据实验调节得到的参数，可以理解为对于每个单位的平均亮度变化，需要增加多少单位的曝光时间来适应光线的变化。

总结

这样的数学模型可以帮助我们自动调节摄像头的曝光时间，来适应不同的光线条件，以获得更好的二值化效果和图像质量。

但是该模型仅能用于对精度要求较低的场合，适用于初学者。如果想要达到更好的效果，需要修正模型，或是换用更高级的算法。

另外，使用该模型，对于的测试和选取亦十分重要。