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

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：

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-1C_i <C_i-1C_i =C_i-1。信息量已达到峰值，曝光时间的图像为最佳图像。

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。

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》