第4章 · 亮度与曝光

1. 图像亮度定义

在数字图像中，亮度（Luminance）通常指像素的灰度强度，范围从 0（纯黑）到 255（纯白）。对于彩色图像，亮度可通过加权转换得到：

亮度是曝光控制的核心指标。摄像头实时调整时，通常将平均亮度映射到目标区间（如 100~150）。

2. 直方图分析

直方图展示图像中每个灰度级出现的频率。横轴为灰度值 (0~255)，纵轴为像素计数。通过直方图可快速判断曝光状态：

3. 曝光过度与不足的识别

基于直方图统计，定义两个关键指标：

• 过曝比率：像素值 > 230 的像素占比 > 15% 视为过曝。
• 欠曝比率：像素值 < 25 的像素占比 > 20% 视为欠曝。

以下 Python 代码使用 OpenCV 计算直方图并判断曝光状态：

import cv2
import numpy as np

def analyze_exposure(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    hist = cv2.calcHist([gray], [0], None, [256], [0, 256])
    total = gray.size
    under = np.sum(hist[:25]) / total
    over = np.sum(hist[230:]) / total
    status = "正常"
    if under > 0.20:
        status = "曝光不足"
    elif over > 0.15:
        status = "曝光过度"
    return status, under, over

# 示例调用
img = cv2.imread('frame.jpg')
status, u, o = analyze_exposure(img)
print(f"曝光状态: {status} (欠曝 {u:.1%}, 过曝 {o:.1%})")

4. 实战：直方图可视化与曝光告警

在实时视频流中，每帧计算直方图并绘制亮度分布，同时标注曝光状态：

def draw_exposure_overlay(frame):
    status, under, over = analyze_exposure(frame)
    color = (0, 255, 0) if status == "正常" else (0, 0, 255)
    cv2.putText(frame, f"Exposure: {status}", (20, 40),
                cv2.FONT_HERSHEY_SIMPLEX, 1, color, 2)
    # 绘制简易直方图 (略)
    return frame