Auto Exposure(AE) 란..

아래 블로그는 "라온피플" 회사의 블로그 내용을 참조한 것 입니다

​Auto Exposure(자동 노출)는 피사체의 밝기를 카메라가 판단하여

자동적으로 밝기 노출 시간을 정해주는 것을 말합니다.

예로 사람 눈과 비교해보면,

어두운 방에 계속 있으면 서서히 시야가 밝아지면서 약간 사물이 보이기 시작하고,

갑자기 밝은 곳에 가면 눈이 부시다가 적응이 되는 것처럼

AE 기능도 사람이 보기 좋은 밝기 수준을 유지해주는 역할을 합니다.

자동 노출 기능이 있는 카메라는 수동으로 적절한 노출 시간을 정할 필요 없이,

아래 <그림 1>과 같이 어두우면 화면을 밝게 해주고,

아래 <그림 2>와 같이 너무 밝으면 화면을 좀 어둡게 할 수 있도록

적절한 밝기 노출 시간을 자동적으로 맞추게 됩니다.

  그림 1. 왼쪽 영상 : 본 영상, 오른쪽 영상 : AE를 사용한 영상

​

  그림 2. 왼쪽 영상 : 본 영상, 오른쪽 영상 : AE를 사용한 영상

​

아래와 같이 대부분 칼라 값과 밝기 값은 0부터 255 사이 값으로 normalization 해서 표현 합니다.

노출시간이 긴 그림(Overexposed image)의 히스토그램은 픽셀 값이 높은 곳에 분포되어 있고,

노출시간이 적은 그림(Underexposed image)의 히스토그램은 픽셀 값이 작은 곳에 분포되어 있습니다.

적절한 노출시간(Correctly exposed image)인 그림의 히스토그램은 가운데에 분포되어 있는데

이와 같이 밝기 값이 중간에 분포될 수 있는 노출시간을 찾아야 최적의 화면을 출력할 수 가 있습니다.

 

 

 

 

그림 3. 밝기에 따른 Histogram

 

​

AE Algorithm :

 

​AE Algorithm에서 기본 알고리즘은 Mean Value Algorithm입니다.

이름과 같이 픽셀 밝기 평균 값으로 적절한 노출 시간을 찾는 알고리즘입니다.

현재 밝기 평균 값(Bl_n)과 최적의 밝기 평균 값(Bl_opt)을 구하는 공식은 다음과 같습니다.

k는 고정된 상수 값이고, L은 주변광의 휘도, G는 게인, T는 노출 시간, F는 조리개 값을 뜻합니다.

​

위의 공식을 이용하면, 최적의 노출 시간 값을 구할 수 있습니다.

현재 밝기 평균 값과 최적의 밝기 평균 값을 나누면 다음과 같아집니다.    

​

현재 밝기 평균 값, 현재 노출 시간 값과 원하는 최적의 밝기 평균 값을 이용하면

최적의 노출시간 값을 구할 수가 있습니다.

​

​계산 량이 적고 구현이 빠르지만,

이 알고리즘만으로는 역광(back light)을 판단하기에 어려운 단점이 있습니다.

그 이유는 최적의 밝기 평균 값이 127라고 치면,

역광일 때 주변은 다 밝고, 사물은 어둡기 때문에

밝기 평균 값이 127 근처로 나올 수 있습니다.

그렇기 때문에 사물은 어두워도 최적의 밝기라고 판단합니다.

​

"AN ADVANCED VIDEO CAMREA SYSTEM

WIDT ROBUST AF, AE, AND AWB CONTROL" 논문에서 나온

Weight Mean Algorithm은 Back light를 판단하는 알고리즘 입니다.

​

피사체가 가운데에 있다고 가정(Region4, Region1)하여

아래의 그림과 같이 배경 지역보다 피사체 지역에 더 가중치를 주어 역광을 발견합니다.

 

그림 4. "An advanced video camera system with robust AF, AE, and AWB.

In IEEE Trans. on Consumer Electronics" 에서 발췌

 

역광을 발견하는 공식은 다음과 같습니다.

Db 가 높을수록 역광이 많이 발생한다고 판단하게 됩니다.

Ri는 i(0~4)지역의 luminance 평균을 나타냅니다.

Luminance를 구하는 공식으로는

L = 0.299R + 0.587G + 0.114B로 계산이 가능합니다.

​

역광인 환경에서도 고려가 되지만,

판단하는 조건이 피사체가 가운데에 위치에 있다고 판단한 알고리즘이기 때문에

​ 위치 제약이 있는 단점이 있습니다.

​

다른 알고리즘으로는 기본 Mean Value Algorithm을 보완한 알고리즘으로

전체 픽셀 값 중 중간 픽셀 값을 밝기 평균 값과 같이 이용한 알고리즘

("A New Auto Exposure and Auto White-Balance Algorithm

to Detect High Dynamic Range Conditions Using CMOS Technology")입니다.

기본 Mean Value Algorithm에서 다른 점은

밝기 평균 값과 밝기 중간 값을 이용한다는 점입니다.

 Normal-light인 이미지의 밝기 값과 중간 값을 구하면,

113과 121로 두 값은 별로 차이가 발생하지 않습니다.

하지만 Back-lighting 일 때 이미지의 밝기 값과 중간 값을 구하면,

109와 64로 두 값의 차이는 많이 발생합니다.

이 점을 고려해서 최적의 밝기 평균 값을 찾게 됩니다.

아래의 그림은 최적의 밝기 평균값을 찾는 순서도 입니다.

 

 

BI_mt는 밝기 Threshold 값이고, D_ L은 밝기 평균 값과 중간 밝기 값의 차이를 나타냅니다.

​

​평균 밝기 값이 BI_mt 값 범위에 있지 않고,

​최대 값보다 크면 overexposed image 로 판단하고,

​그렇지 않으면 D_ L과 Threshold 값을 비교하여

​Back light 환경인지 아닌지 판단합니다.

​즉, 최적의 밝기 값을 다양한 환경에 맞게 변경하여

​적절한 밝기 값을 찾아 갈 수 있도록 해주는 알고리즘입니다.

AE 알고리즘에서 노출시간 조절만으로 최상의 화면을 찾기에는 어려움이 있습니다.

역광일 때 피사체 밝기를 좋게 해주면,

주위 배경 밝기가 너무 밝아져 주위 배경 화면이 안 좋아 지고,

주위 배경 화면을 좋게 하면 피사체 밝기가 어두워져 피사체 화면이 안 좋아 지기 때문입니다.

이러한 이유로 두 화면 (주위 배경 밝기가 좋은 화면 + 피사체 밝기가 좋은 화면)을 이용해서

최상의 이미지를 만드는 방법에 대한 검토가 많이 이루어 지고 있습니다..

[출처] 머신 비전 ISP - 7. Auto Exposure|작성자 비전솔루션 전문기업