[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN117750219A - 图像白平衡处理方法、装置、计算机设备和存储介质 - Google Patents

图像白平衡处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN117750219A
CN117750219A CN202211115945.9A CN202211115945A CN117750219A CN 117750219 A CN117750219 A CN 117750219A CN 202211115945 A CN202211115945 A CN 202211115945A CN 117750219 A CN117750219 A CN 117750219A
Authority
CN
China
Prior art keywords
value
color channel
compensation gain
gain value
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211115945.9A
Other languages
English (en)
Inventor
谭坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Insta360 Innovation Technology Co Ltd
Original Assignee
Insta360 Innovation Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Insta360 Innovation Technology Co Ltd filed Critical Insta360 Innovation Technology Co Ltd
Priority to CN202211115945.9A priority Critical patent/CN117750219A/zh
Priority to PCT/CN2023/118731 priority patent/WO2024056014A1/zh
Publication of CN117750219A publication Critical patent/CN117750219A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Processing Of Color Television Signals (AREA)

Abstract

本申请涉及一种图像白平衡处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：根据图像的颜色通道值确定维度特征；在判断所述维度特征对应于预设场景时，基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值；根据所述目标补偿增益值，对所述图像的目标颜色通道值进行增益；所述目标颜色通道值是与所述目标补偿增益值对应的颜色通道值。采用本方法能够在预设场景为水下环境或者其他色温在特定范围的场景实现白平衡处理。

Description

图像白平衡处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像白平衡处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着摄像技术日渐发展，能够通过摄像机进行拍摄的场景日渐增多，而为了保证拍摄的图像更加逼真，会使用白平衡的常规补偿增益值来对图像的色偏问题进行处理。
尽管在一些场景中，可以使用常规补偿增益值来纠正图像的色偏问题。但是，在色温偏高的其他预设场景(例如，水下拍摄场景)时，使用常规补偿增益值难以对色偏问题进行处理。
发明内容
基于此，有必要针对上述技术问题，提供一种在预设场景高效地进行图像白平衡的方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种图像白平衡处理方法。所述方法包括：
根据图像的颜色通道值确定维度特征；
在判断所述维度特征对应于预设场景时，基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值；
根据所述目标补偿增益值，对所述图像的目标颜色通道值进行增益；所述目标颜色通道值是与所述目标补偿增益值对应的颜色通道值。
在其中一个实施例中，所述基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值，包括：
按照所述图像的各区域的维度特征与所述预设场景的关系，对所述各区域进行筛选；
依据筛选出的区域的颜色通道值及区域数量生成场景补偿增益值；
根据所述场景补偿增益值与所述常规补偿增益值生成目标补偿增益值。
在其中一个实施例中，所述根据所述场景补偿增益值与所述常规补偿增益值生成目标补偿增益值，包括：
当常规补偿增益值的置信度小于预设置信度阈值时，依据所述置信度生成第一权重系数，所述第一权重系数是所述常规补偿增益值的权重系数；
依据所述置信度与所述预设置信度阈值的差异值生成第二权重系数；所述第二权重系数是所述场景补偿增益值的权重系数；
按照所述第一权重系数与所述第二权重系数，对所述常规补偿增益值和所述场景补偿增益值进行加权处理，得到目标补偿增益值。
在其中一个实施例中，所述根据图像的颜色通道值确定维度特征，包括：
根据颜色敏感度确定所述颜色通道值中的参考颜色通道值与目标颜色通道值；
根据所述参考颜色通道值与所述目标颜色通道值，生成目标颜色通道的通道差异值；
将所述参考颜色通道值与所述通道差异值作为维度特征。
在其中一个实施例中，所述判定所述维度特征对应于预设场景，包括：
判断多个所述目标颜色通道的通道差异值位于特征差异范围，并判断所述参考颜色通道值位于参考颜色通道值范围；所述特征差异范围是根据各个所述目标颜色通道的通道差异值之间的预设特征关系生成的；
当所述多个目标颜色通道的通道差异值位于所述特征差异范围，且所述参考颜色通道值位于所述参考颜色通道值范围中，判定所述维度特征对应于预设场景。
在其中一个实施例中，所述方法还包括：当所述维度特征与预设场景不匹配时，获取参考颜色通道值的常规补偿增益值，根据所述参考颜色通道值的常规补偿增益值，对所述参考颜色通道值进行增益；根据所述颜色通道值的常规补偿增益值，对所述图像的颜色通道值进行增益。
在其中一个实施例中，所述方法还包括：
当常规补偿增益值的置信度大于预设置信度阈值时，根据所述常规补偿增益值，对所述图像的颜色通道值进行增益。
第二方面，本申请还提供了一种图像白平衡处理装置。所述装置包括：
图像白平衡处理的装置，其特征在于，所述装置包括：
维度特征确定模块，用于根据图像的颜色通道值确定维度特征；
补偿增益值生成模块，用于在判断所述维度特征对应于预设场景时，基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值；
增益模块，用于根据所述目标补偿增益值，对所述图像的颜色通道值进行增益；所述目标颜色通道值是与所述目标补偿增益值对应的颜色通道值。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意实施例中图像白平衡处理的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意实施例中图像白平衡处理的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任意实施例中图像白平衡处理的步骤。
上述图像白平衡处理方法、装置、计算机设备、存储介质和计算机程序产品，根据图像的颜色通道值确定维度特征，以颜色通道值确定的维度特征在一定程度上排除了亮度信息的干扰，在判断维度特征对应于预设场景时，能够更准确地确定图像是在预设场景拍摄的，进而基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值；根据目标补偿增益值，对图像的目标颜色通道值进行增益，且目标颜色通道值是与目标补偿增益值对应的颜色通道值，能够在预设场景为水下环境或者其他色温在特定范围的场景实现白平衡处理。
附图说明
图1为一个实施例中图像白平衡处理方法的应用环境图；
图2为一个实施例中图像白平衡处理方法的流程示意图；
图3为一个实施例中特征差异范围的示意图；
图4为一个实施例中图像白平衡处理装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的图像白平衡处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种图像白平衡处理方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
步骤202，根据图像的颜色通道值确定维度特征。
颜色通道值是图像在不同颜色通道的信息。图像的颜色通道是按照图像的颜色模式设置的；颜色通道是单色通道或者复合通道等类型，单色通道用于存储像素的某颜色信息，复合通道用于存储多种颜色信息叠加所得到的复合信息。图像的单色通道是按照图像模式而确定的，当图像采用RGB颜色模式这种三原色颜色空间时，其颜色通道包括红色通道、绿色通道及蓝色通道；当图像采用CMYK颜色模式这种减色模式时，其颜色通道包括分别为青色通道、洋红通道、黄色通道、黑色通道。
在一个实施例中，图像的颜色通道值是相机所拍摄到的当前图像中在颜色通道的平均值，计算方式就是各像素的颜色通道值，在对各像素的颜色通道值累积，对累积结果进行均值化所得到的颜色通道值。示例性地，各像素的颜色通道值分别包括红色通道值、绿色通道值、蓝色通道值。
颜色通道值是根据所拍摄的对象的颜色与信息亮度生成的，且颜色通道的信息是随着该对象的亮度信息变化的，为了避免因为亮度信息误判图像的拍摄场景，终端根据图像的颜色通道值确定维度特征，通过维度特征降低亮度信息对颜色通道值影响，以维度特征准确地评估图像所对应的场景信息。
在一个实施例中，根据图像的颜色通道值确定维度特征，包括：根据颜色敏感度确定颜色通道值中的参考颜色通道值与目标颜色通道值；根据参考颜色通道值与目标颜色通道值，生成目标颜色通道的通道差异值；将参考颜色通道值与通道差异值作为维度特征。
其中，颜色敏感度是人眼对不同颜色的敏感程度，其可以是基于视觉的各种颜色分辨的试验所生成的。当某一颜色通道的颜色敏感度高于其他颜色通道的颜色敏感度时，颜色敏感度较高的颜色通道值是参考颜色通道值，颜色敏感度较低的颜色通道值是目标颜色通道值，而基于目标颜色通道值与参考颜色通道值能够生成通道差异值。
通道差异值是参考颜色通道值与目标颜色通道值的相对值，相对值是参考颜色通道值与目标颜色通道值的比值或者其他用于去除亮度信息对目标颜色通道值影响的计算结果，其属于一种维度特征；而参考颜色通道值是按照各颜色通道值的颜色敏感度选出的另一种维度特征，这两种维度特征具有不同的特征确定过程与评判标准，而通过这两种维度特征能够准确地评估图像所对应的场景信息。
示例性地，当目标颜色通道值是红色通道值和蓝色通道值，参考颜色通道值是绿色通道值时，红色通道的通道差异值是图像的绿色通道值与图像的红色通道值的相对值，蓝色通道的通道差异值是图像的绿色通道值与图像的蓝色通道值的相对值，红色通道的通道差异值与蓝色通道的通道差异值的计算公式如下：
Rg＝G÷R；
Bg＝G÷B；
其中，Rg是红色通道的通道差异值，G是绿色通道值，R是红色通道值，Bg是蓝色通道的通道差异值，B是蓝色通道值。
在一个实施例中，判断维度特征对应于预设场景，包括：判断多个目标颜色通道的通道差异值位于特征差异范围，并判断参考颜色通道值位于参考颜色通道值范围；特征差异范围是根据各个目标颜色通道的通道差异值之间的预设特征关系生成的；当多个目标颜色通道的通道差异值位于特征差异范围，且参考颜色通道值位于参考颜色通道值范围中，判定维度特征对应于预设场景。
特征差异范围是针对多个目标颜色通道的通道差异值进行定义的范围，该范围是根据各个目标颜色通道各自的通道差异值确定的，也是根据各个目标颜色通道之间的通道差异值确定的。而参考颜色通道值范围是针对参考颜色通道值进行设定的范围，该范围是参考颜色通道值在预设场景下的范围值。
如图3所示，8条直线所围成的区域是较为精确的特征差异范围，特征差异范围的横轴和纵轴分别代表了不同目标颜色通道的信息；其中，一个目标颜色通道是红色通道，另一个目标颜色通道是蓝色通道。而参考颜色通道是绿色通道，通道差异值是相对值；在这一情况下，特征差异范围先是根据红色通道的相对值范围、蓝色通道的相对值范围确定初始临界值，再将初始临界值按照红色通道与蓝色通道之间的预设特征关系进行变更，以得到多个目标颜色通道的特征差异范围。当参考颜色通道为绿色通道时，参考颜色通道值范围是从5到200。由此，能够更准确地判断图像进行拍摄的场景是否为预设场景。
其中，预设场景为水下场景，预设特征关系是根据不同水域、不同深度的水下场景的数据确定的。在水下场景拍摄的图像，其具有较高的色温，无法依据常规补偿增益值进行增益；而根据不同水域、不同深度的水下场景的数据能够更精确地定义水下环境。水下场景的数据是基于水下环境所拍摄的图片或者视频的目标颜色通道的通道差异值计算出的临界数据，水下环境的临界数据是上述图3中的8条直线，这8条直线所围成的区域是水下场景的范围，8条直线的数据如表1所示：
表1
直线编号 斜率 偏移
1 1000 3.61
2 1000 6.59
3 0 0.81
4 0 2.64
5 -1 5.74
6 -1 7.57
7 0.73 -0.31
8 0.73 -3.3
具体的，当上述目标颜色通道的通道差异值位于表1中的8条直线所合围的特征差异范围，且对应的参考颜色通道值位于参考颜色通道值范围中，判定维度特征对应于预设场景。
步骤204，在判断维度特征对应于预设场景时，基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值。
预设场景是图像拍摄的环境，该环境的色温是在某一色温范围的。预设场景是通过预设场景的特征差异范围与参考颜色通道值表征的，特征差异范围是同一环境在不同地理位置生成的，参考颜色通道值是颜色通道值中的某一个颜色分量在该环境的临界值。具体的，预设场景的色温超过色温范围，根据预设场景中的不同地理位置能够生成相应的特征差异范围。当预设场景是水下环境时，其地理位置是根据水域和水下深度确定的。
常规补偿增益值是针对色温在上述色温范围之外的场景进行白平衡补偿增益的数据，用于对色偏进行纠正。常规补偿增益值的生成过程包括：计算图像的亮度信息，根据计算出的亮度值查询图像中的目标像素点；目标像素点是与图像的亮度信息差异最小的点；根据各个目标像素点在各颜色通道的均值及亮度信息的均值，生成各颜色通道的常规补偿增益值；各颜色通道的常规补偿增益值分别用于补偿增益各自对应的图像中的颜色通道值。
当图像的维度特征处于某一特征差异范围时，判断维度特征对应于预设场景，图像拍摄的环境具有较高的色温，基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值；当图像的维度特征在某一特征差异范围之外，判断维度特征与预设场景不匹配，图像拍摄的环境具有较低的色温，无需生成目标补偿增益值。
在一个实施例中，基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值，包括：基于维度特征或维度特征映射的数据，对常规补偿增益值进行调整，得到调整后的补偿增益值；将调整后的补偿增益值作为目标补偿增益值。
在一个实施例中，基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值，包括：按照图像的各区域的维度特征与预设场景的关系，对各区域进行筛选；依据筛选出的区域的颜色通道值及区域数量生成场景补偿增益值；根据场景补偿增益值与常规补偿增益值生成目标补偿增益值。
图像包括多个区域，一个区域是图像中的一个或多个像素点，每个区域的面积可以是相同的，也可以是不同的；当每个区域的面积相同时，可以将图像栅格化，并将每个栅格作为一个区域，以便于计算各区域的维度特征，提高区域进行筛选的速度。
区域的维度特征是根据该区域的各像素点的颜色通道值确定的。区域的维度特征的计算过程包括：在区域中，根据颜色敏感度确定颜色通道值中的参考颜色通道值与目标颜色通道值；根据参考颜色通道值与目标颜色通道值，生成目标颜色通道的通道差异值；将参考颜色通道值与通道差异值作为区域的维度特征。
在一个实施例中，维度特征包括区域维度特征和全局维度特征，区域维度特征是图像中某一区域的维度特征是区域维度特征，区域维度特征能够生成全局维度特征，同时，根据区域维度特征对各个区域进行筛选，筛选出的区域的颜色通道值用于生成场景补偿增益值。而全局维度特征是对该图像的区域维度特征进行累积而生成的维度特征，当全局维度特征判断预设场景时，基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值。
按照图像的各区域的维度特征与预设场景的关系，对各区域进行筛选，其是用于筛选掉一些不符合预设场景的误导信息，以便于增加场景补偿增益值的可靠性。而该可靠性的进一步增强的方式包括：基于区域的维度特征与预设场景在对应区域的误差值计算各区域的权重信息，根据各区域的维度特征及对应的权重信息生成场景补偿增益值。
在一个实施例中，依据筛选出的区域的颜色通道值及区域数量生成场景补偿增益值，包括：对筛选出的区域的颜色通道值进行累积，得到区域的颜色通道累积值；根据筛选出的区域数量，对区域的颜色通道累积值进行均值化，得到区域的颜色通道均值，将区域的颜色通道均值作为场景补偿增益值。
示例性地，场景补偿增益值的根据筛选出的区域数量，对区域的颜色通道累积值进行均值化，得到区域的颜色通道均值的公式如下：
Rg_avg＝Rg_sum÷k
Bg_avg＝Bg_sum÷k
其中，Rg_avg是区域的红色通道均值，Rg_sum是区域的红色通道累积值，k是筛选出的区域数量，Bg_avg是区域的红色通道均值，Bg_sum是区域的红色通道累积值。
在终端对筛选出的区域的颜色通道值进行累积的过程中，终端可根据区域的颜色通道值及对应的权重信息生成区域的颜色通道加权累积值，再对区域的颜色通道加权累积值进行均值化，得到区域的颜色通道加权均值，将区域的颜色通道加权均值作为场景补偿增益值。由此，增加了场景补偿增益值的可靠性。
在一个实施例中，根据参考颜色通道值与目标颜色通道值，生成目标颜色通道的通道差异值，包括：确定常规补偿增益值的置信度；根据置信度对参考颜色通道值与目标颜色通道值进行加权处理；得到目标颜色通道的通道差异值。
在一个实施例中，确定常规补偿增益值的置信度，包括：根据图像中的亮度信息或者拍摄时的亮度信息，生成常规补偿增益值的置信度。确定常规补偿增益值的置信度的具体过程包括：通过将图像中满足灰色条件的灰色像素点查找出来；计算查找到的灰色像素点的数量与该图像的像素点总数量的相对值，得到亮度信息的相对值，将亮度信息的相对值作为常规补偿增益值的置信度；其中，灰色条件是像素点的亮度信息与某个阈值的比较结果。
具体的，根据场景补偿增益值与常规补偿增益值生成目标补偿增益值，包括：当常规补偿增益值的置信度小于预设置信度阈值时，依据置信度生成第一权重系数；依据置信度与预设置信度阈值的差异值生成第二权重系数；按照第一权重系数与第二权重系数，对常规补偿增益值和场景补偿增益值进行加权处理，得到目标补偿增益值。
预设置信度阈值是根据历史数据、经验数据或专家库数据生成的阈值，该阈值用于评估常规补偿增益值是否可靠；此外，当常规补偿增益值的置信度小于预设置信度阈值时，依据置信度与预设置信度阈值的差异值生成第二权重系数。
第一权重系数与第二权重系数存在如下区别中的一种或多种：第一权重系数是场景补偿增益值的权重系数，第二权重系数是场景补偿增益值的权重系数；第一权重系数与置信度是正相关的，而第一权重系数与置信度与预设置信度阈值的差异值正相关。
在一个实施例中，按照第一权重系数与第二权重系数，对常规补偿增益值和场景补偿增益值进行加权处理，包括：将第一权重系数与常规补偿增益值融合，得到第一融合参数；将第二权重系数与场景补偿增益值进行融合，得到第二融合参数；组合第一融合参数与第二融合参数，得到组合参数；根据组合参数生成目标补偿增益值。可以理解的，当置信度的确定方式不同时，目标补偿增益值具有多种形式，例如：组合参数与预设置信度阈值的相对值是目标补偿增益值。
目标增益补偿值是对应于颜色通道值的；在预设场景拍摄的图像中，将目标增益补偿值对各自对应的颜色通道值进行增益，进而生成白平衡的图像。而使用目标增益补偿值对图像的颜色通道值进行增益之后，尽管该图像的色温高于某个色温范围，也不会发生色偏现象。
示例性地，根据场景补偿增益值与常规补偿增益值生成目标补偿增益值的公式如下：
Rg_wg＝(Rg_std×C+Rg_avg×(Cthr-C))÷Cthr
Bg_wg＝(Bg_std×C+Bg_avg×(Cthr-C))÷Cthr
其中，Rg_wg是红色通道的目标补偿增益值，Rg_std是红色通道的常规补偿增益值，C是常规补偿增益值的置信度，Rg_avg是红色通道的场景补偿增益值，Cthr是预设置信度阈值；Bg_wg是蓝色通道的目标补偿增益值，Bg_std是蓝色通道的常规补偿增益值，Bg_avg是蓝色通道的场景补偿增益值。
步骤206，根据目标补偿增益值，对图像的目标颜色通道值进行增益；目标颜色通道值是与目标补偿增益值对应的颜色通道值。
在一个实施例中，根据目标补偿增益值，对图像的颜色通道值进行增益，包括：将图像的各颜色通道值与各自对应的目标补偿增益值进行组合，得到增益后的颜色通道值。而具有增益后的颜色通道值的图像是白平衡的图像。示例性地，图像的各颜色通道值与各自对应的目标补偿增益值进行组合的公式可以如下：
R*＝Kr*R；
其中，R*是增益后的红色通道值，Kr是与红色通道对应的目标补偿增益值，R是红色通道值；
B*＝Kb*B；
其中，B*是增益后的蓝色通道值，Kb是与蓝色通道对应的目标补偿增益值，B是蓝色通道值。
可选地，当所述维度特征与预设场景不匹配时，获取参考颜色通道值的常规补偿增益值，根据所述参考颜色通道值的常规补偿增益值，对所述参考颜色通道值进行增益；根据所述颜色通道值的常规补偿增益值，对所述图像的颜色通道值进行增益。由此，在预设场景之外，既对目标颜色通道值进行了白平衡处理，也对参考颜色通道值进行了白平衡处理。
示例性地，当常规补偿增益值的置信度大于预设置信度阈值或者维度特征与预设场景不匹配时，获取蓝色通道值的常规补偿增益值，根据蓝色通道值的常规补偿增益值，对蓝色通道值进行增益；而颜色通道值的常规补偿增益值是红色通道值与绿色通道值，根据图像中的红色通道值与对应的常规补偿增益值对红色通道值进行增益，并根据图像中的绿色通道值与对应的常规补偿增益值对绿色通道值进行增益。
该方法还包括：按照常规补偿增益值的置信度对图像的颜色通道值进行增益的步骤，该步骤包括：当常规补偿增益值的置信度大于预设置信度阈值时，根据常规补偿增益值，对图像的颜色通道值进行增益。由此，在当图像并不是在预设场景所拍摄的，也能够进行白平衡处理。
在一个实施例中，根据常规补偿增益值，对图像的颜色通道值进行增益，包括：根据图像中的各颜色通道值与各自对应的常规补偿增益值，对各颜色通道值进行增益。各颜色通道值包括参考颜色通道值和目标颜色通道值。
上述图像白平衡处理方法中，根据图像的颜色通道值确定维度特征，以颜色通道值确定的维度特征在一定程度上排除了亮度信息的干扰，在判断维度特征对应于预设场景时，能够更准确地确定图像是在预设场景拍摄的，进而基于维度特征与颜色通道值的常规补偿增益值生成目标补偿增益值；根据目标补偿增益值，对图像的目标颜色通道值进行增益，且目标颜色通道值是与目标补偿增益值对应的颜色通道值，能够在预设场景为水下环境或者其他色温在特定范围的场景实现白平衡处理。此外，无需用户在界面输入的指令，也能够兼顾水下和水上的场景。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的图像白平衡处理方法的图像白平衡处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像白平衡处理装置实施例中的具体限定可以参见上文中对于图像白平衡处理方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种图像白平衡处理装置，包括：维度特征确定模块402、补偿增益值生成模块404和增益模块406，其中：
维度特征确定模块402，用于根据图像的颜色通道值确定维度特征；
补偿增益值生成模块404，用于在判断所述维度特征对应于预设场景时，基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值；
增益模块406，用于根据所述目标补偿增益值，对所述图像的颜色通道值进行增益；所述目标颜色通道值是与所述目标补偿增益值对应的颜色通道值。
在其中一个实施例中，所述补偿增益值生成模块404用于：
按照所述图像的各区域的维度特征与所述预设场景的关系，对所述各区域进行筛选；
依据筛选出的区域的颜色通道值及区域数量生成场景补偿增益值；
根据所述场景补偿增益值与所述常规补偿增益值生成目标补偿增益值。
在其中一个实施例中，所述补偿增益值生成模块404还用于：
当常规补偿增益值的置信度小于预设置信度阈值时，依据所述置信度生成第一权重系数，所述第一权重系数是所述常规补偿增益值的权重系数；
依据所述置信度与所述预设置信度阈值的差异值生成第二权重系数；所述第二权重系数是所述场景补偿增益值的权重系数；
按照所述第一权重系数与所述第二权重系数，对所述常规补偿增益值和所述场景补偿增益值进行加权处理，得到目标补偿增益值。
在其中一个实施例中，所述维度特征确定模块402用于：
根据颜色敏感度确定所述颜色通道值中的参考颜色通道值与目标颜色通道值；
根据所述参考颜色通道值与所述目标颜色通道值，生成目标颜色通道的通道差异值；
将所述参考颜色通道值与所述通道差异值作为维度特征。
在其中一个实施例中，所述维度特征确定模块402用于：
判断多个所述目标颜色通道的通道差异值位于特征差异范围，并判断所述参考颜色通道值位于参考颜色通道值范围；所述特征差异范围是根据各个所述目标颜色通道的通道差异值之间的预设特征关系生成的；
当所述多个目标颜色通道的通道差异值位于所述特征差异范围，且所述参考颜色通道值位于所述参考颜色通道值范围中，判定所述维度特征对应于预设场景。
在其中一个实施例中，所述补偿增益值生成模块404还用于：当所述维度特征与预设场景不匹配时，获取参考颜色通道值的常规补偿增益值，根据所述参考颜色通道值的常规补偿增益值，对所述参考颜色通道值进行增益；根据所述颜色通道值的常规补偿增益值，对所述图像的颜色通道值进行增益。
在其中一个实施例中，所述补偿增益值生成模块404还用于：
当常规补偿增益值的置信度大于预设置信度阈值时，根据所述常规补偿增益值，对所述图像的颜色通道值进行增益。
应用该图像白平衡处理装置，即使是在色温较高的水下环境拍摄的图像能够进行白平衡处理，避免水下场景偏色严重的问题；而且，无需用户手动操作，自动选取水下白平衡与常规白平衡处理，同时兼顾水下和水上的场景，用户体验好。
上述图像白平衡处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像白平衡处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权值和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像白平衡处理的方法，其特征在于，所述方法包括：
根据图像的颜色通道值确定维度特征；
在判断所述维度特征对应于预设场景时，基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值；
根据所述目标补偿增益值，对所述图像的目标颜色通道值进行增益；所述目标颜色通道值是与所述目标补偿增益值对应的颜色通道值。
2.根据权利要求1所述的方法，其特征在于，所述基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值，包括：
按照所述图像的各区域的维度特征与所述预设场景的关系，对所述各区域进行筛选；
依据筛选出的区域的颜色通道值及区域数量生成场景补偿增益值；
根据所述场景补偿增益值与所述常规补偿增益值生成目标补偿增益值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述场景补偿增益值与所述常规补偿增益值生成目标补偿增益值，包括：
当常规补偿增益值的置信度小于预设置信度阈值时，依据所述置信度生成第一权重系数，所述第一权重系数是所述常规补偿增益值的权重系数；
依据所述置信度与所述预设置信度阈值的差异值生成第二权重系数；所述第二权重系数是所述场景补偿增益值的权重系数；
按照所述第一权重系数与所述第二权重系数，对所述常规补偿增益值和所述场景补偿增益值进行加权处理，得到目标补偿增益值。
4.根据权利要求1所述的方法，其特征在于，所述根据图像的颜色通道值确定维度特征，包括：
根据颜色敏感度确定所述颜色通道值中的参考颜色通道值与目标颜色通道值；
根据所述参考颜色通道值与所述目标颜色通道值，生成目标颜色通道的通道差异值；
将所述参考颜色通道值与所述通道差异值作为维度特征。
5.根据权利要求4所述的方法，其特征在于，所述判定所述维度特征对应于预设场景，包括：
判断多个所述目标颜色通道的通道差异值位于特征差异范围，并判断所述参考颜色通道值位于参考颜色通道值范围；所述特征差异范围是根据各个所述目标颜色通道的通道差异值之间的预设特征关系生成的；
当所述多个目标颜色通道的通道差异值位于所述特征差异范围，且所述参考颜色通道值位于所述参考颜色通道值范围中，判定所述维度特征对应于预设场景。
6.根据权利要求1所述的方法，其特征在于，当所述维度特征与预设场景不匹配时，获取参考颜色通道值的常规补偿增益值，根据所述参考颜色通道值的常规补偿增益值，对所述参考颜色通道值进行增益；根据所述颜色通道值的常规补偿增益值，对所述图像的颜色通道值进行增益。
7.根据权利要求1所述的方法，其特征在于，当常规补偿增益值的置信度大于预设置信度阈值时，根据所述常规补偿增益值，对所述图像的颜色通道值进行增益。
8.一种图像白平衡处理的装置，其特征在于，所述装置包括：
维度特征确定模块，用于根据图像的颜色通道值确定维度特征；
补偿增益值生成模块，用于在判断所述维度特征对应于预设场景时，基于所述维度特征与所述颜色通道值的常规补偿增益值生成目标补偿增益值；
增益模块，用于根据所述目标补偿增益值，对所述图像的颜色通道值进行增益；所述目标颜色通道值是与所述目标补偿增益值对应的颜色通道值。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202211115945.9A 2022-09-14 2022-09-14 图像白平衡处理方法、装置、计算机设备和存储介质 Pending CN117750219A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211115945.9A CN117750219A (zh) 2022-09-14 2022-09-14 图像白平衡处理方法、装置、计算机设备和存储介质
PCT/CN2023/118731 WO2024056014A1 (zh) 2022-09-14 2023-09-14 图像白平衡处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211115945.9A CN117750219A (zh) 2022-09-14 2022-09-14 图像白平衡处理方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN117750219A true CN117750219A (zh) 2024-03-22

Family

ID=90249453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211115945.9A Pending CN117750219A (zh) 2022-09-14 2022-09-14 图像白平衡处理方法、装置、计算机设备和存储介质

Country Status (2)

Country Link
CN (1) CN117750219A (zh)
WO (1) WO2024056014A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2797326A1 (en) * 2013-04-22 2014-10-29 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Image color correction
TWI562636B (en) * 2014-06-16 2016-12-11 Altek Semiconductor Corp Image capture apparatus and image compensating method thereof
CN107635102B (zh) * 2017-10-30 2020-02-14 Oppo广东移动通信有限公司 高动态范围图像曝光补偿值获取方法和装置
CN111127359B (zh) * 2019-12-19 2023-05-23 大连海事大学 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法
CN111696052B (zh) * 2020-05-20 2022-08-12 河海大学 一种基于红通道衰弱的水下图像增强方法及系统
WO2022067762A1 (zh) * 2020-09-30 2022-04-07 深圳市大疆创新科技有限公司 图像处理方法、装置、拍摄设备、可移动平台及计算机可读存储介质
CN112446841B (zh) * 2020-12-14 2022-05-31 中国科学院长春光学精密机械与物理研究所 一种自适应图像恢复方法

Also Published As

Publication number Publication date
WO2024056014A1 (zh) 2024-03-21

Similar Documents

Publication Publication Date Title
US9558543B2 (en) Image fusion method and image processing apparatus
CN107948627B (zh) 视频播放方法、装置、计算设备及存储介质
TWI777536B (zh) 針對圖像識別模型的增強訓練方法及裝置
CN114004754A (zh) 一种基于深度学习的场景深度补全系统及方法
CN112384946A (zh) 一种图像坏点检测方法及装置
CN111476739B (zh) 水下图像增强方法、系统及存储介质
US20220377235A1 (en) Data simulation method and device for event camera
CN109933639B (zh) 一种面向图层叠加的多光谱图像与全色图像自适应融合方法
CN113132695A (zh) 镜头阴影校正方法、装置及电子设备
CN111445487A (zh) 图像分割方法、装置、计算机设备和存储介质
CN116843566A (zh) 色调映射方法、装置、显示设备和存储介质
CN113177886B (zh) 图像处理方法、装置、计算机设备及可读存储介质
CN114862735A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN117750219A (zh) 图像白平衡处理方法、装置、计算机设备和存储介质
CN112243119A (zh) 一种白平衡处理方法、装置、电子设备及存储介质
CN115731143A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN111988592B (zh) 影像色彩还原与增强电路
CN117522749B (zh) 图像校正方法、装置、计算机设备和存储介质
CN113034552B (zh) 一种光流的修正方法和计算机设备
CN118015102A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN118071794A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN118485704A (zh) 双目立体匹配网络的训练方法、双目深度估计方法和装置
CN118608495A (zh) 场景检测方法、装置、设备及计算机可读存储介质
CN113962914A (zh) 图像融合方法、装置、计算机设备和存储介质
CN116935767A (zh) 视觉系统的准确度确定方法、装置、计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination