【阅读笔记】信息熵自动曝光An Automatic Exposure Algorithm Based on Information Entropy

AomanHao

2025 年 02 月 09 日

153 次浏览

暂无评论

536字数

ISP图像处理相关

## 一、算法背景

信息熵作为衡量图像信息量的重要指标，能够反映图像的细节丰富程度。通过基于信息熵的自动曝光算法，可以自动调整曝光时间，使图像包含更多信息，从而提高图像质量。

灰度直方图在各个灰度值上分布越均匀，图像对应的动态范围就越宽，图像自然就越清晰。

信息熵用于衡量图像的复杂度和信息量。对于灰度图像，其信息熵可以通过图像的灰度直方图计算得出，公式如下：

$$
H(x)=-\sum_{i=0}^{255}P(X_i)log(P(X_i))
$$

其中$P(X_i)$为灰度值为$i$的像素在图像中出现的概率。

如对一个8bit的图像信息，当灰度0-255每个值出现的概率相当时，直方图分布最均匀，图像熵最大(为8)

## 二、算法思路

算法的基本思路：通过计算图像的信息熵，寻找使信息熵最大化的曝光时间，从而实现自动曝光控制。信息熵越大，说明图像包含的信息越丰富，细节越清晰。

## 三、算法步骤：

下图显示了信息熵的算法流程。初始化信息量$C_0$并设置曝光时间E。读取图像的所有像素灰度后，设置初始曝光时间调整步骤并计算信息熵$C_i$。如果$C_i >C_i-1$，则增加暴露时间。如果$C_i <C_i-1$，则暴露时间的信息熵已越过峰值。设置调整参数b并将调整步距降低。使用新的曝光时间获取新图像，并循环直至$C_i =C_i-1$。信息量已达到峰值，曝光时间的图像为最佳图像。

![](https://img-blog.nos-eastchina1.126.net/Paper/AE/2006_22cita_AE_information_entropy_flow.png)

## 四、算法结果

从实验结果来看，信息熵峰值点附近差异不大，但图像效果对比明显。因此，需要非常接近峰值点才能保证最佳的图像效果。

![](https://img-blog.nos-eastchina1.126.net/Paper/AE/2006_22cita_AE_information_entropy_result.png)

适当调整参数b可以提高收敛速度，并在最短的时间内找到最大信息量

## 五、参考文献

《An Automatic Exposure Algorithm Based on Information Entropy》

《基于 FPGA 的数字相机自动曝光技术研究》

---

觉得本文对您有一点帮助，欢迎讨论、点赞、收藏，您的支持激励我多多创作。

### [我的个人博客主页，欢迎访问](https://www.aomanhao.top/)

### [我的CSDN主页，欢迎访问](https://blog.csdn.net/Aoman_Hao)

### [我的GitHub主页，欢迎访问](https://github.com/AomanHao)

### [我的知乎主页，欢迎访问](https://www.zhihu.com/people/aomanhao-hao)

最后修改：2025 年 02 月 09 日

如果觉得我的文章对你有用，请随意赞赏

【阅读笔记】信息熵自动曝光An Automatic Exposure Algorithm Based on Information Entropy

AomanHao • 2025 年 02 月 09 日

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

【阅读笔记】信息熵自动曝光An Automatic Exposure Algorithm Based on Information Entropy

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款