1 前言
智能照明控制是在“以人為本”作為前提的條件下， 對照明器具實行自動控制（包括： 照度的自動調節、燈的自動開關以及局部區域照度的控制）的行為。它應該符合兩個相對獨立的要求：
（1）給人提供一個舒適的工作環境， 以保證工作人員具有較高的工作效率;
（2） 通過合理的管理以節約能源和降低運行費用。具體說來， 上班時間， 智能照明控制系統自動調節光照度于最合適的水平。在天晴時， 燈光自動調暗; 在天陰時， 燈光自動調亮。
同時， 利用紅外及微波傳感器探測是否有人工作，當無人工作時， 自動轉入“夜間”工作狀態。其原理框圖如圖1 所示。為了使工作人員有一個舒適的工作環境， 使用調光電子鎮流器調光， 以減少工作人員長期工作而引起眼睛的疲勞感。隨著時間的推移， 燈具的老化和房間墻面反射率不斷衰減而引起照度下降， 而設計時的照度值高于標準照度值。這樣， 在使用初期時， 既浪費能源， 又縮短燈具的壽命。為了保持照度維持基本不變而節約能源， 因此，可以通過智能控制來實現。但是， 該智能照明控制在工程施工中工作量大， 要求安裝較多的傳感器，特別是光傳感器要分布在不同的地方。本文設計了一種基于圖像處理技術的智能照明控制系統， 以解決上述問題。
2 基于圖像處理技術的智能照明控制系統
圖像處理技術是始于20 世紀50 年代， 1964 年美國噴射推進實驗使用計算機對太空船送回的大批月球照片處理后得到了清晰逼真的圖像。70 年代初， 由于大量的研究和應用， 圖像處理技術已形成較完善的學科體系。數字圖像信息可看成是一個二維數組f （ i ， j） ， 對圖像各象素進行處理時， 輸入圖像F 上某象素的灰度值為f （ i ， j） ， 進行某種P 處理， 得到輸出圖像上該象素的灰度值為g （ i ，j） ， 即：
g （ i ， j） = p （ f （ i ， j） ）因此， 如果將某一區域內的光照度大小的分布， 通過CCD 傳感器變成一幅圖像的象素灰度值， 那么，就可以將該區域的光照度大小的分布輸出為一個待處理的二維數組f （ i ， j） ， 滿足如下關系：
f （ i ， j） = p （ z （ x ， y） ）式中， z （ x ， y） 為區域內的光照度分布函數;f （ i ， j） 為該區域內的象素灰度值形成的數組元素;p （ z） 為變換關系。
假設該數組的元素為： aij ， 表示某矩形區域單位面積的照度值。并假設該數組為： m ×n （即m行n 列） 。f （ i ， j） 稱為照度矩陣：
可知： 該區域的平均照度為：
當該區域的平均照度值處在所要求的照度值范圍內時， 執行機構維持現狀不變; 否則該區域的平均照度值不滿足設計要求， 通過執行機構將該區域的照度值加大或減小， 以滿足設計需要。
基于圖像處理技術的智能照明控制系統的框圖如圖2 所示。其工作原理是：
CCD 傳感器將某一區域的照度值傳送給圖像處理控制器， 控制器將獲取的數據進行運算。即計算區域的平均照度， 根據使用要求判別某象素值或某局部區域象素平均值是否在要求的域值內， 如果是在要求的域值內， 則認為照度合適; 反之， 說明照度過大或過小。控制器根據需要控制執行機構進行調光， 達到合適的照度要求為止。判斷是否有人走動的方法是： 將過道（人走動所經過的） 區域的圖像分割出來， 該區域的象素值在沒有人走動時基本不變或變化很小。當有人走動時， 該區域的象素值變化較大。假設t0 時刻沒有人走動時， 該區域象素值分布為f t0 （ x ， y） ， 經過δt （如： 1 S ） 時間后，該區域的象素值分布為f t1 （ x ， y） ， 計算差值： δf（ x ， y） = f t1 （ x ， y） - f t0 （ x ， y） 。如果δf （ x ，y） 內各象素值的絕對值之和較大， 可以認為是有人在走動; 如果δf （ x ， y） 內各象素值的絕對值之和較小或為零時， 則可認為沒有人走動。從而控制燈光的有無。圖像處理控制器的原理框圖如圖3 所示。
顯然， 處理器處理象素的速度要盡可能地快。
因此， 為了提高處理速度， 在進行圖像處理計算時，不是一個一個象素的處理， 而是采用先將圖像進行分割成更小塊的圖像進行處理的方法進行。由于DSP 技術在數字圖像的處理方面有其獨特的優勢，所以采用DSP 技術進行數字圖像的濾波以改善圖像的信噪比。此外， 相鄰象素之間具有一定的相關性，利用圖像相鄰象素之間的相關系數來提取亮域和暗域之間的邊界。提高控制的準確度， 大大地延長了燈具的使用壽命。
基于圖像處理技術的智能照明系統由于采用了CCD 攝相傳感， 在工程布線以及傳感安裝上， 大大降低了工作量， 可靠性高。采用光傳感器必須要求在各控制點安裝傳感器， 布線極為復雜， 可靠性不高。
基于圖像處理的程序流程圖如圖4 所示。初始化系統后， 經過采集圖像數據， 將采集來的數據進行計算： 先進行圖像分割， 然后進行圖像特征提取，區分亮區和暗區， 計算平均照度。判別照度值是否符合要求： 如果照度值符合要求， 重復采樣圖像數據; 如果照度值不符合要求， 就輸出控制信號來調節燈的亮度， 之后， 重復采樣圖像數據， 進行下一個循環。
3 結論
將圖像處理技術應用于智能照明控制為智能照明控制設計提供了一條有效的途徑。本文在理論上進行了探討， 并在圖像處理上做了一些基礎工作。
對于智能照明的照度與象素之間的關系以及更簡潔的算法還有待今后進一步研究。