CN101283604A - 具有自动白平衡的图像处理设备 - Google Patents

Abstract

本发明的目的是提供一种复杂的AWB技术。根据本发明的一个方面，提供一种用于调节包括多个色彩分量的图像数据帧的白平衡的技术。该技术特征在于包括：将所述帧划分成包括多个像素数据的多个块；针对所有多个块或部分多个块的每个块来判断该块是否可能是灰色；以及使用判断为可能是灰色的块来确定用于调节白平衡的增益。

Description

具有自动白平衡的图像处理设备

技术领域

本发明涉及使用在数字照相机中的图像处理算法。更具体地，本发明涉及自动白平衡(AWB)算法。

背景技术

人类视觉系统补偿不同的照明条件和色温，从而在大多数的情况下，白色物体可以被感知为白色。使用在数字照相机中的AWB算法试图对由数字照相机传感器所捕捉的原始图像做相同的事情。即，AWB将不同色彩分量(例如R、G和B)的增益相对于彼此进行调节，从而尽管图像场景的色温差异或色彩分量的不同敏感度，但仍将白色物体呈现为白色。

AWB的一个现有方法是计算所有色彩分量的平均值，并且将合适的增益应用到每个色彩分量，从而这些平均值对于彼此是相等的。这些类型的方法也常称为“灰度世界”AWB算法。

发明内容

本发明的目的是提供复杂的AWB技术。

根据本发明的一个方面，提供一种用于调节包括多个色彩元素的图像数据帧的白平衡的技术。该技术特征在于其包括：

-将所述帧划分成包括多个像素数据的多个块；

-针对所有块或部分块中的每个块来判断该块是否可能是灰色，以及；

-使用判断为可能是灰色的块来确定用于调节白平衡的增益。

在一个实施方式中，可以设置成检查所有块或部分块中的每个块，该块是否包含饱和像素，并且将包含饱和像素的块从用于确定用于调节白平衡的增益计算中排除出去。

在本专利申请的上下文中，“白色”被用作“灰色”的同义字并且不用于表示饱和值，除非另行明确地指出。

在一个实施方式中，所述技术可以设置成：

-针对色彩元素的每个计算判断可能为灰色的块的平均值；

-定义多个强度范围；

-对于每个强度范围，判断在该强度范围内，块是否可能是灰色并且针对每个色彩元素，计算在该强度范围内判断为可能是灰色的块的平均值；

-针对每个色彩元素，混合分别从不同的强度范围获得的累加值或从累加值所生成的值，以及；

-基于混合的值来确定用于调节白平衡的增益。

在一个实施方式中，所述技术可以被设置成针对灰色判断来定义一个或多个色温，并且在定义的色温内判断块是否可能是灰色。

可以基于下面的一个或多个量值来定义色温：关于不同色彩元素之间的直方图差异的量值，关于色调直方图的变化的量值，关于从不包含任何饱和像素的块所获得的相应色彩元素的平均的量值，以及从具有更大强度的块所获得的相应色彩元素的平均的量值。如果有关于针对不同发光色温的传感器的响应的特性数据，则所述技术可以设置成计算在定义的色温处的特性数据和块中相应的色彩元素的平均值之间的偏差并且当偏差小于预定值时，判断该块可能是灰色。

这些技术可以各种方式来实现，例如数字照相机系统，例如专用照相机设备或成像电话、电子电路(例如IC芯片)、计算机程序或方法。

根据本发明的另一方面，提供一种数字照相机系统，其能够获取图像数据帧，该图像数据帧包括多个色彩元素，该系统被设置成：

-将所述帧图像数据划分成包括多个像素数据的多个块；

-针对每个色彩元素和针对所有多个块或部分多个块中的每个块来计算预定值；

-针对所有多个块或部分多个块的每个块来判断该块是否可能是灰色(白)物体；

-针对相应的色彩元素来累加判断可能是灰色(白色)物体一部分的块的预定值，以及；

-基于累加的值来确定用于调节白平衡的第一数字增益集。

仍根据本发明的另一方面，提供一种用于处理包括多个色彩元素的图像数据帧的电子电路，其中所述电路包括：

-块提取器，用于提取图像数据块，该块包括多个像素数据；

-平均计算器，用于计算提取的块的每个色彩元素的平均值；

-判断单元，用于判断块是否潜在地是白色；

-累加器，针对相应的色彩元素累加其色彩被判断为潜在地白色的多个提取的块的平均值，以及

-判定单元，基于累加的值来确定用于调节白平衡的数字增益集。

本发明的另外特征和优势将通过使用示例性的实施方式来描述。并且在所附权利要求中描述了一些优选的实施方式。请注意到本发明在该说明书、所附权利要求书和附图中包括任何的有利特征或它们的组合。

附图说明

现在将仅通过示例并且参考附图来描述本发明的实施方式，其中：

图1是示出根据在具体实施方式部分所解释的第一实施方式的优选实施方式的照相机设备的主要组件的示意性框图；

图2是示出根据第一实施方式的AWB分析器17的主要组件的示意性框图；

图3是用于解释根据第一实施方式的AWB分析器17的图像处理的流程图；

图4是根据在具体实施方式部分所解释的第二实施方式的AWB处理流程的概略图；

图5是包括在图4中示出的步骤500中的处理的流程图；

图6是包括在图4中示出的步骤600中的处理的流程图；

图7是包括在图4中示出的步骤700中的处理的流程图；

图8是包括在图4中示出的步骤800中的处理的流程图；以及

图9示出理想黑体辐射体和示例图像传感器的响应，使用CIE等能量照明将该理想黑体辐射体定义为色温的函数并且赋予与Planck曲线的零偏差。

具体实施方式

[实施方式1]

图1是示出根据这里所解释的本发明的第一优选实施方式的照相机设备的主要组件示意性框图。照相机设备1包括传感器模块11、预处理电路13、白平衡(WB)放大器15、自动白平衡(AWB)分析器17、后置处理电路19、显示器21和存储器23。传感器模块11可用于生成用于取景器的图像并且拍取静态图像或视频。传感器模块11包括透镜、具有RGB Bayer色彩滤波器的图像传感器、模拟放大器、A/D转换器并且将入射光转换成数字信号。该数字信号可以称为原始数据，并且具有RGB Bayer格式，即，每个2x2像素块包括两个绿色数据、一个红色数据和一个蓝色数据。在另一实施方式中，色彩滤波器可以是CMY Bayer滤波器。在另一实施方式中，传感器模块11可以不使用Bayer色彩滤波器，但包括Foveon-型传感器，即，记录硅内不同深度中不同波长的图像信号的传感器。传感器模块11也可包括用于自动聚焦、缩放和光圈控制以及ND-滤波器控制的致动器。

预处理电路13可执行例如降噪、像素线性化和阴影补偿。WB放大器15调节不同的色彩分量(即，R、G和B)相对于彼此的增益，从而使白色物体是白色。由AWB分析器17来确定增益的量。AWB分析器17分析原始数据以计算增益的量，并且根据计算的结果来设置WB放大器15的数字增益。除了色彩平衡，AWB分析器17也可包括WB增益中的整个数字增益部分以通过将直方图自适应地向明亮端位伸来增加图像亮度和对比度。AWB分析器17也可计算R、G和B偏移以通过自适应地将直方图向暗色端拉伸来增加图像对比度。这些偏移也应该被考虑进白平衡增益中，并且它们可以在WB增益前或后应用到数据。AWB分析器17也可计算非线性校正的量和形状，这可以应用到后置处理电路19处的图像数据。

后置处理电路19执行CFA(色彩滤波器阵列)内插、色彩空间转换、伽玛校正、RGB到YUV转换、图像锐化等。后置处理电路19可以是用于执行这里的一个或所有处理的硬件流水线，或也可以包括用于执行由软件处理的那些处理的处理器。由后置处理电路19所处理的图像数据可以显示在显示器21上或存储在存储器23内。优选地，存储器23是可移动存储器装置，例如MMC卡或SD卡。

图2是根据本发明的优选实施方式的AWB分析器17的主要组件的示意性框图。AWB分析器17包括块提取器31、饱和检查器33和用于红色(R)分量35、绿色(G)分量37和蓝色(B)分量39的平均计算器。AWB分析器17也包括总线39、CPU 41、固件42和RAM 43。

块提取器31将原始数据帧划分成小块，并且逐块地将原始数据提供给饱和检查器33。在上下文中，帧表示静态图像的整个区域或一系列视频数据的单个图片。每个块包含多个红色、绿色和蓝色像素数据。例如，当传感器模块11的解析度是1.3百万像素时，优选地，块提取器31被设置成将帧划分成72x54块，这意味着每个块包含大约330像素。当然任意的划分方式都是可以的，只要它们满足速度、质量、价格等的要求。

饱和检查器33连接到总线39并且检查块中是否包含饱和像素。饱和检查器33也检查处理中的块是否邻近于另一饱和块。该信息(即，“块不包含任何的饱和像素”、“包含饱和像素”或“邻近于饱和块”)被发送到CPU 41。信息也可包含块内的多个饱和像素。如果由于大的块大小等需要饱和块使用在图3的步骤150或180中(稍后将解释)，则饱和像素的数目可用于确定饱和块可靠的程度。

平均计算器35、36和37连接到总线39，并且在处理中分别计算块的红色分量、绿色分量和蓝色分量的平均值。如果处理中的块包含饱和像素，则平均计算器仅计算非饱和像素的平均值。计算的平均值通过总线39提供给CPU 41。块提取器31、饱和检查器33和平均计算器35、36和37也可以是硬件电路。但是它们也可以通过使用CPU实施为软件处理。在后一情况中，划分的方式可以被编程。

根据固件42的指令，CPU 41将针对每个块的饱和信息和R、G、B相应平均值存储在RAM 43中。固件42是指示CPU 41来执行所需的数据处理的软件。CPU 41执行进一步的计算以根据固件42的指令的信息来确定数字增益的量。

参考图3，将在下面详细描述AWB分析器17的图像处理。步骤110表示分析的开始。在步骤120中，从预处理模块13来提供将被分析的图像数据帧。如上所指出，在该实施方式中将要分析的图像数据是具有RGB Bayer格式的原始数据。请注意本发明可应用于其他的数据格式，例如CMY Bayer格式或针对所有的色彩分量包含相同数目的色彩分量的数据格式，或其中每个像素包含所有使用的色彩分量的数据格式。

在步骤130中，块提取器31将原始数据帧划分成小块，并且逐块地将原始数据提供给饱和检查器33。如上所指出，在本实施方式中，帧表示静态图像的整个区域或一系列视频数据的单个图像。并且每个块包含多个红色、绿色和蓝色像素数据。

在步骤140中，饱和检查器33检查每个块，该块是否包含任意的饱和像素、或包含一个饱和像素、或邻近于饱和块。并且平均计算器35、36和37分别在处理中计算块的红色分量、绿色分量和蓝色分量的平均值。如果在处理中，块包含饱和像素，则平均计算器仅计算非饱和像素的平均值。

作为步骤140处理的结果，AWB分析器17将获取一组块信息。块信息的数目与块的数目相同，并且每个块信息包含块的R、G和B分量的饱和信息和平均值。该组块信息被存储在RAM 43中。

在步骤150中，CPU 41根据固件42的指令来扫描所有的块信息，并且从块信息中计算用于整个帧的一组统计值。这些统计值包括处理中整个原始数据的红色分量、绿色分量、蓝色分量和亮度的直方图。本实施方式中的亮度可以由(r+2g+b)/4来定义，其中r、g和b代表块的红色、绿色和蓝色分量的平均值。这些统计值也可包括整个帧的红色、绿色和蓝色分量的平均值，以及最大亮度值。最大亮度值是处理中帧的最亮块的亮度。

这些统计值中的一些将用于对块是否是灰色物体的一部分制定规则。另外这些统计值的一些将被用于对确定强度范围制定规则。

如果块的块信息表示出该块包含了饱和像素，或该块是饱和块的下一个块，则CPU 41将该块信息从这些统计值的计算中排除。原因在于饱和像素值是不可靠的，因为关于不同色彩分量之间的关系的信息将往往被破坏。接近于饱和像素的像素也不是优选的，因为当像素接近饱和时，像素响应是很非线性的，并且也因为存在电子渗入相邻像素并且增加像素串话(cross-talk)的高度可能性。由于CPU 41排除包含饱和像素或邻近于此类块的块，所以本实施方式中的AWB增益分析对包括饱和像素不太敏感。换句话说，本实施方式中的AWB增益分析不受像素饱和的影响。这是本实施方式的一项重要优势。

在另一实施方式中，包含饱和像素的块或邻近于饱和块(包含饱和像素的块)的块信息可用于计算上述的统计值。当该帧被划分成相对大的块时，例如帧被划分成12x32块时，本实施方式是有利的。在这样的实施方式中，拒绝块将丢失大面积的图像。对于此类情形，可以使用邻近于饱和块的块或所有的块，甚至它们可能不足够可靠，或也可以使用饱和块内的非饱和像素的平均。

在步骤160中，CPU 41根据固件42的指令来设置用于确定每个块的强度范围的边界条件。例如，针对在步骤150中获得的红色分量、绿色分量、蓝色分量和亮度的直方图，计算99.8％、80％、50％和25％位置。本实施方式中直方图中xx％位置表示像素的xx％将比该值更暗。在该步骤后，将使用这些值，而非在步骤150中获得的直方图。

在步骤160中，CPU 41和固件42也可设置用于判断块是否是灰色(白色)的R/G、B/G、min(R，B)/G和max(R，B)/G关系的边界条件。这里R、G和B表示将要被判断的块中的红色、绿色和蓝色分量的平均值。min(R，B)/G表示G除R和B中较小的一个的值，并且max(R，B)/G代表G除R和B中较大的一个的值。在一个实施方式中，可以根据对不同色温的已知RGB响应来固定这些边界条件，并且接着根据传感器特性来修改(例如不同类型的照相机传感器之间的不同色彩滤波器造成所需限度中的改变)。在另一实施方式中，基于在步骤150中获得的统计值来确定这些规则(边界条件)。

在步骤250中，用于边界条件的值也可用于检测图像数据的特定情形照明条件，即，图像数据的场景的照明条件是否使得需要特定调节以产生满意的和精确的色彩。此类的照明条件分析可以提高白平衡的性能，尤其是在当场景内可用的合适参考白色很少或没有的情形中。

从步骤170到步骤240，CPU 41和固件42针对相应的块来判断该块的色彩是否对应于灰色(白色)物体，并且累加白色/灰色块的RGB平均值。累加值用于确定白平衡的数字增益。

然而，在判断和累加前，CPU 41和固件42从这些操作中排除饱和块和饱和块的下一块(步骤180)。如上所指出，排除这些块的原因在于它们不足够的可靠。这也是本实施方式中AWB增益分析对包括饱和像素不太敏感的另一原因。这也是该实施方式的一项重要优势。在一个实施方式中，如果块大小非常大，则饱和块的下一块可以不被拒绝。在另一实施方式中，甚至可以不拒绝饱和块，并且对于一些特定情形强度范围，饱和块的非饱和平均也可以用于下面的步骤，至少如果块大小相对较大。

在步骤200中，CPU 41和固件42检查块是否属于强度范围的一个或多个。可以定义各种类型的强度。例如，强度范围C可以被定义从而覆盖范围A和范围B的强度范围。因此，属于范围A的块也属于范围C。一般地，块可属于若干个强度范围。

在一个实施方式中，可以定义第一强度范围和第二强度范围，其中第二强度范围包括第一强度范围。也可以定义第三强度范围，其包括第一和第二强度范围二者的范围。或者可以定义这样的强度范围，即其范围很窄的强度范围，或对于特定的照明条件(即，很亮、很暗、蓝天、多云、钨光)很敏感的强度范围。

在步骤210中，CPU 41和固件42判断处理中的块是否潜在地是白色(灰色)物体的一部分。

在一个实施方式中，通过将块的R、G和B平均值相互比较，并通过考虑将传感器响应规范化成例如5000K色温的某些传感器特定预增益，从而确定块是否是灰色(白色)。对应于不同黑体辐射体色温的不同色彩分量之间的关系可以用作这些限度的起始点，因为黑体辐射体不能精确地代表所有可能的光源(例如，荧光光源在光谱响应中具有大的方差并且它们的一些不接近于黑体辐射体)，所以需要允许额外的方差。

在优选的实施方式中，针对如在步骤160中所提到的灰色(白色)判断，CPU 41和固件42定义限度。在步骤210中，CPU 41和固件42检查R/G、B/G、min(R，B)/G和max(R，B)/G是否满足在步骤160中所确定的规则，并且将满足那些规则的块判断为灰色或白色块。针对每个强度范围，用于灰色(白色)判断的规则可以不同。根据估计的照明条件，那些规则也可以不同。对于高可能性白色和低可能性白色，存在单独的色彩限度。相比较于更低的可能性块，更大的权重将给予累加值中的高可能性块。

在步骤220中，CPU 41和固件42在处理中累加在强度范围内判断为白色或灰色的块的相应红色、绿色和蓝色平均值。如从步骤190到步骤230的循环所示出，针对每个强度范围执行灰色判断。并且在每个强度范围内，如果块值处于在步骤160中所设的限度内，则红色、绿色和蓝色平均值被累加进每个变量。(块值指R/G、B/G、min(R，B)/G和max(R，B)/G，参见步骤160的描述)

当完成所有块的扫描时，在步骤240中，针对每个强度范围生成R、G和B分量的一组累加值。这些累加值接着被临时存储在RAM43中，并且将被用于稍后计算白平衡增益。

在步骤250中，CPU 41和固件42检测需要色彩平衡调节以便生成精确和令人满意的色彩的特殊情况。例如，可以检测明亮的蓝天场景并且可连同灰色块一起使用在明亮的蓝天下的已知黑体辐射体色温，以确定最终的色温。在步骤160中获得的用于确定边界条件的值将被用于识别此类特殊的色彩情况。包括曝光时间和模拟增益(如果数字增益也应用于原始数据，则也包括数字增益，以及光圈长度和焦距可在系统中被调节，则也包括光圈长度和焦距)的总的曝光也可用于识别特殊的色彩情况。特殊情况检测的结果将被考虑用于步骤310中的数字增益计算。

特殊情况的例子可以是蓝天。在明亮的白光照明条件下捕捉并且包括明亮的蓝天和可能一些昏暗云雾的图像场景可包含许多错误的参考白色。在数字增益计算中检测此类情况和考虑此类情况将改进AWB性能。特殊情况的其他例子是烛光和烟火的图像。在那些情况下，可以通过检测和修改AWB增益来获得更多令人满意的色彩(在该情况下，可能不会更为精确但仍然更为令人满意)。

在步骤260中，CPU 41和固件42计算灰度世界算法的某个品质因数(goodness)分，从而如果看起来有很少的参考白色可用以及针对灰度世界算法存在高品质因数分，则灰度世界算法也可包括在最终的结果中。由灰度世界算法的校正将在步骤320中被执行。

在步骤290中，针对相应的色彩分量，CPU 41和固件42混合从在步骤170-240中的不同强度范围获得的累加值。从而在该步骤中创建一组R、G和B混合值。在该实施方式中，仅一部分强度范围将被用于该混合。在步骤280中选择用于混合的一组强度范围。混合值将被用于确定白平衡增益。为了混合，CPU 41和固件42可以被设置成根据从其强度范围内已找到多少可能的白色块来给出关于累加值的权重。例如，其强度范围包含多个灰色(白色)块的累加值将在混合处给予更高的权重。或者，CPU 41和固件42可以被设置成对于特定强度范围的累加值给出更高的权重。例如，当更明亮的范围被考虑是更为可靠，则在混合处，最明亮的强度范围的累加值将被给予最大的权重。给予权重可以预先在步骤220中执行。如果从初始强度范围内找到很少量的灰色块，则另外的强度范围可以被添加到累加值。

在步骤300，CPU 41和固件42基于一组混合值来确定白平衡增益的第一候选。增益值可以被确定为这样的值，即该值可通过应用在R、G和B混合值上而使该混合值均衡。

在步骤310中，可以基于在步骤250中执行的色调估计来校正在步骤290中获得的混合值，从而提高白平衡的性能，尤其在其中在场景中很少或没有合适的参考白色可用的情况中。例如，如果没有清晰的白云而只有一些云雾，则蓝天也可能造成问题，因为这些云雾可能被误认为白色。该校正可以改进此类情况。可以通过将某些强度范围的累加值混合进在步骤290中获得的混合值来完成该校正。并且基于新的混合值，将更新候选的白平衡增益。如果没有必要，则可以不执行该步骤中的校正。

在步骤320中，通过由灰度世界算法基于在步骤260中品质因数计算，可以校正在步骤300或310中获得候选的白平衡增益。在步骤260中计算的品质因数分可以被用于确定在最终增益中多大的权重被给予从灰度世界算法获得的结果。如果针对灰度世界的品质因数分很高，则例如80％的权重将给予灰度世界部分并且20％的权重将给予由先前的步骤所获得的增益值。类似地，如果针对灰度世界的品质因数分不是很高，则0％的权重将给予灰度世界而100％的权重将给予由先前步骤所获得的结果。

为了将灰度世界算法纳入考虑，可针对在步骤290中获得的混合值来进行校正。在步骤310中，可以首先检测像明亮的蓝天或没有白色参考的特殊情况，接着如在步骤310中那样执行混合。如果没有必要，则可以不执行该步骤中的校正。

在步骤330中，可以根据总的曝光(曝光时间*模拟增益)来修改在先前步骤中所获得的候选数字增益或混合值，从而在明亮场景中给出好的整体图像对比度，而同时在暗的场景的明亮图像区域中保持低的噪声和好的细节保留。另外，如果那些参数是可变化的，则光圈、ND滤波器、焦距和附加的数字预增益也可以被考虑。

最终的增益可以包括色彩平衡增益和总的数字增益的组合，即以增益以及亮度等级来校正色彩。如果没有必要或如果该步骤没有实施在固件42中，则可以不执行该步骤中的校正。

在步骤340中，确定最终的一组数字增益。然而，仍将检查最终的增益是否是可靠的值。例如，如果某个色彩分量好像支配了其他的色彩分量，则可能存在错误。在这样的情形下，固件42指示CPU 41返回到步骤270，并且在步骤280中选择不同组的强度范围，并且重新执行下面的步骤。如果最终的增益是可靠的，则完成增益计算(步骤360)。根据固件42的指示，CPU 41将AWB放大器15的数字增益设置成计算的值。

已经在本发明的受让人测试了优选实施方式。在该测试中，使用在许多照明条件下捕捉到的248个图像。并且结果已显示其可很大地提高AWB精确度。

在步骤360后，AWB放大器可以将数字增益应用到用于增益计算的图像数据帧，或可将它们仅应用于下一帧的图像数据，即，由下一拍摄所抓取的图像数据。在一个实施方式中，照相机设备1可包括帧存储器，其可存储包括在完整帧内的整个图像数据。在该实施方式中，可以通过计算的增益来校正用于白平衡计算的相同帧。但在另一实施方式中，照相机设备1可以不包括可存储整个帧的存储器，而是可包括仅可存储帧的一部分的线缓冲器。在该实施方式中，在针对帧的整个图像数据的统计可用于AWB分析前，AWB增益需要被应用到部分帧数据。因此替代地，可以使用来自先前帧(例如，取景器帧)的AWB分析的结果。换句话说，基于帧n计算的AWB分析将被用于帧n+1。在这些存储器有限的系统中，在整个图像可用于AWB分析块17前，可将WB增益应用到图像开始中的线。

请注意在没有偏离本发明的范围下可以做出各种修改。例如，本发明不仅可以应用于Bayer原始数据，也可以应用于不同类型的图像数据，例如Foveon型数据。在可以在稍后的步骤中从R、G、B和亮度直方图来执行步骤150中的平均值和最大亮度值的计算。

[实施方式2]

将参考附图并且尤其参考图4到8来解释将被称为实施方式2的本发明的优选实施方式的另一例子。实施方式2的硬件配置与上面所解释的实施方式相同，以下将上述的实施方式称为实施方式1。对于实施方式2和实施方式1，相同的硬件名将以相同的参考号来使用。然而，用于控制CPU 41的实施方式2的固件软件不同于实施方式1的固件。所以为了表达该不同，将使用编号42’来指示实施方式2的固件，而并非用于实施方式1的固件42。实施方式1和实施方式2之间的AWB计算的差异是由固件42和42’的差异造成的。

图4示出用于根据实施方式2获得理想白平衡增益的处理流程图的概略图。步骤400恰指示该处理的开始。在步骤402中，如同图3的步骤120，图像数据帧被提供给AWB分析器17。如早些所指出，图像数据帧具有构建一个完整静态图像或一系列视频数据的一个完整帧的信息。当照相机设备1的用户拍图像或视频时，或当用户预览照相机设备1的监视器时，可以从传感器模块11提供图像数据的帧以确定图像帧成分。在另一实施方式中，可从存储器将图像数据提供给具有AWB分析器17的电子电路。如前所指出，该图像数据可以由具有RGB色彩过滤器的CMOS传感器或CCD传感器来获得。在其他实施方式中，该数据可由具有CMY色彩滤波器的相片传感器或Foveon传感器来获得。由于此类的图像数据不会被构建为可以由通用个人计算机显示或打印的一般图像数据，所以如前所指出，通常其被称为原始数据。

步骤500指示用于计算将用于在该实施方式中的AWB算法的信息的处理。该步骤对应于图3中的步骤130到步骤150，但存在差异。稍后将解释细节。步骤600指示用于限制色温范围的处理，该色温范围将是用于判断帧的块是否可能是灰色的基础。稍后将详细解释。步骤700指示用于找到帧中可能是灰色的块并且基于这些参考灰色块来计算初始白平衡增益。步骤800指示由某些规则来调节初始增益以确定最终白平衡增益的步骤。步骤404指示处理的结束。将在下面解释步骤500-800的细节。

图5示出包括在图4的步骤500中的处理。步骤502恰好指示出该处理的开始。在由索引504所指示的循环中，帧的图像数据被划分成小块并且针对每个块来计算所需的信息。在该步骤中的处理与图3中的步骤130和140的相同。类似于实施方式1，具有RGBBayer格式的原始图像数据被划分成小的块，该块包括多个红色、绿色和蓝色分量(像素数据)。可以由类似于块提取器31的专用硬件电路来执行将帧数据划分成多个小的块数据。但当然其也可以由软件处理来执行。

在步骤506中，从帧数据提取第i个块。可以由块提取器31或由CPU 41根据固件42’的指令来执行提取。接着在步骤508中，将针对第i个块来计算下面的信息。

(i)块中R、G和B像素值的平均。

(ii)块的亮度。(其被定义为(R+2G+B)/4，其中R、G和B分别是该块中的平均R、G和B像素值)。

(iii)块是否包含饱和像素的信息。(可选的)

(iv)块中饱和像素的数目。(可选的)

由于该信息与单独的块有关，所以在下面，一些或所有的这些信息可以被称为块信息或块值。可以由专用硬件来计算一些块信息。例如，可以从平均计算器35、36和37来获得R、G和B像素值的平均。在另一实施方式中，可以由CPU 41根据固件42’的指令来计算所有的块信息。

在完成了针对所有块的块信息计算后，处理移动到步骤510。步骤510是计算关于整个帧的信息的步骤。计算下面的信息。

(i)不包含任何饱和像素的块的块信息的平均(i)，即不包含任何饱和像素的所有块的平均R、G和B值。

(ii)非饱和块的块信息的直方图，即，不包含任何饱和像素的R、G和B块平均值和亮度值的直方图。

(iii)针对相应的R、G和B分量的某些点中的直方图百分比。例如，假设传感器模块11的A/D转换器的解析度是8比特，并且在25％、50％、80％和99.8％处计算直方图百分比。接着获得的直方图百分比可如下。

$\left\{\begin{array}{cccc}{P}_{R25\%}=125,& P_{R50\%}=180,& P_{R80\%}=210,& P_{R99,.8\%}=235\\ P_{G25\%}=75,& P_{G50\%}=100,& P_{G80\%}=120,& P_{G99,.8\%}=150,\\ P_{B25\%}=80,& P_{B50\%}=90,& P_{B80\%}=100,& P_{B99,.8\%}=125,\end{array}\right\}$

其中R分量的25％的直方图百分比被表示为P_R25％，，B分量的80％的直方图百分比被表示为P_B80％，，并且依此类推。当然，这些值仅是用于更好的理解该步骤的例子。这些值可以根据下面来变化，例如图像数据、将要计算的百分比数、百分比被计算的位置、A/D转换器的解析度和/或色彩分量的数目和类型。

(iv)明亮块的平均R、G和B值。例如，从那些强度大于例如90％强度百分比的块来计算R、G和B块值的各自平均。上限可以被用于将用于该计算的块，例如为了确保可靠性，强度必须小于总动态范围的95％。应该从该计算中排除包含饱和像素的块。

由于在步骤510中获得的信息与整个图像帧有关，所以以下该信息可以被称为帧信息或统计值。步骤512指示关于图4中的步骤500的处理的结束。

因为包含饱和像素的块从帧信息排除，所以从该实施方式获得的白平衡增益相对于饱和来说是具有鲁棒性的。在一个实施方式中，估计块是否邻近于包含饱和像素的块。除了包含饱和像素的块以外，也将此类块从计算中排除以获得帧信息。此类的实施方式可进一步增加相对于像素饱和的鲁棒性。在另一实施方式中，可以从帧信息中排除包含饱和像素的块，但各个块中的饱和像素的数目被纳入考虑。此类的实施方式是有用的，例如，在有太多此类块并且将太多的块从白平衡计算中排除是不太好的情况中。

图6示出在图4的步骤600中包括的处理。如上所指出，步骤600包括确定色温范围的处理，该色温范围将是判断块是否可能是灰色的基础。换句话说，步骤600缩小AWB算法将不得不处理的色温范围。该特征改进了AWB性能，尤其在将被捕捉的场景包含例如淡蓝色或浅棕色的不明确目标的情形中。

步骤602指示处理的开始。循环604是计算第一量值以确定色温范围的处理。在循环604中，针对将要被估计的每个色温来计算关于不同色彩成分之间的直方图差异的量值。例如，在[2500K，13000K]，之间，即，[2500K，3000K，3500K，4000K，4500K，5000K，5500K，6000K，6500K，7000K，7500K，8000K，9000K，10000K，11500K，13000K].，每500K可定义将被估计的色温，对于更高的色温，更大的步幅大小可以用在该例子中，因为在更高的色温区域内，传感器响应改变往往变小。当然这只是示例性的定义。也可以有许多各种其他的定义。

在步骤606，对应于当前循环的色温的预增益被应用于在步骤510处所计算的直方图百分比。这里，预增益指已经在标准环境内测量的R/G和B/G传感器的倒数值。因此，在该步骤中，相应的R百分比和相应的B百分比分别与在当前色温处的R/G和B/G传感器响应的倒数值相乘。

必须预先测量在不同的色温中关于标准光源的R/G和B/G传感器响应，并且应该存储在设备中，例如，作为固件42’的一部分。图9示出市场中可用的RGB图像传感器的此类测量的结果。在该图中，在每个500K中描绘出测量的结果。图9也示出黑体辐射体的归一化R和B光谱，其使用CIE等能量亮度定义并且赋予相对于Planck曲线的零偏差。黑体辐射体数据也可以存储在系统中，例如，作为固件42’的一部分。本领域技术人员将知道，可以通过使用例如SimOnetent和Gretag MacBeth patch来执行该校准。

本申请的发明人已经发现如果当前循环的色温接近于场景的真实色温时，则所述预增益已经应用到的图像数据应该被很好地白平衡，并且因此最大和最小预增益色分量直方图百分比之间的差异将小至少一个百分比。

基于该发现，发明人提出针对将要被估计的每个色温来使用下面的量值。

$\mathrm{Measure}\_1\left(i\right)=\underset{n=1}{\overset{\mathrm{Npercentiles}}{\mathrm{\Σ}}}\max \_\min \_\mathrm{dif}(i,n)$

$(\max \_\min \_\mathrm{dif}\left(n\right)=\frac{\max ({\mathrm{pregain}}_{R\left(i\right)}\×R_{P\left(n\right)},G_{P\left(n\right)},{\mathrm{pregain}}_{B\left(i\right)}\×B_{P\left(n\right)})}{\min ({\mathrm{pregain}}_{R\left(i\right)}\×R_{P\left(n\right)},G_{P\left(n\right)},{\mathrm{pregain}}_{B\left(i\right)}\×B_{P\left(n\right)})})---\left(1\right)$

其中：

pregain_R(i)：在第i个色温处的R分量的预增益

pregain_B(i)：在第i个色温处的B分量的预增益

R_P(n)：R直方图的第n个百分比值

G_P(n)：G直方图的第n个百分比值

B_P(n)：B直方图的第n个百分比值

max(pregain_R(i)×R_P(n)，G_P(n)，pregain_R(i)×B_P(n))：(pregain_R(i)×R_P(n)，G_P(n)，pregain_R(i)×B_P(n))的最大元素

min(pregain_R(i)×R_P(n)，G_P(n)，pregain_R(i)×B_P(n))：(pregain_R(i)×R_P(n)，G_P(n)，pregain_R(i)×B_P(n))的最小元素

i从1变化到将要被估计的色温的数目。

n从1变化到针对色彩分量直方图将要估计的百分比数目。

当循环中的当前色温接近于实际的色温时，在等式(1)中表达的量值将变得小，因为如果白平衡是好的，则最大和最小预增益色彩分量直方图百分比之间的差异将变得小至少一个百分比。并且当循环中的当前的色温远离于实际的色温时，该量值将变大，这是因为如果白平衡不是好的，则最大和最小预增益色彩分量直方图百分比之间的差异将变大。因此该量值可以被用于检测图像场景的实际色温。

为了减小可能的大单色物体的影响，该量值可以被修改为如下

Measure_1′(i)＝Measure_1(i)-0.75×max(max_min_dif(n))     (1′)

其中：

max(max_min_dif(n))是max_min_dif(1)～max_min_dif(N)的最大一个(N：针对色彩分量直方图将计算的百分比数目)

在循环604中，针对在步骤608处将被估计的每个色温来计算在等式(1)或(1’)中表达的量值。

循环610是计算第二量值以确定色温范围的处理。发明人已经考虑，如果应用的增益接近于对应于图像的正确白平衡增益，则对于大多数图像场景，将在色调(hue)直方图中存在作为波峰的许多单独的色彩。(色调是HSV色彩空间的H分量)。但如果应用的增益远离于理想的白平衡增益，则根据与图像场景的实际色温相比估计的色温是太高还是太低，可能在红色区域或蓝色区域中存在强波峰。基于此发现，发明人提出使用关于预增益已应用到的图像数据的色调直方图的方差的分数。类似于第一量值，针对将要估计的每个色温来计算第二量值。接着将得到的分数彼此比较以检测实际的色温。

在步骤612中，在循环610中的当前色温的预增益被应用到已经在步骤508中计算的R和B块平均。如上所指出并且如图9中所示，预增益是在标准光源亮度下的当前循环位置的色温处的R/G和B/G传感器响应的倒数值并且必须被预先测量。该预增益被应用到不包含饱和像素的所有块。

在步骤614中，通过对预增益的RGB块平均应用RGB转换(或其他类似的转换)从而归一化传感器色彩响应，通过对归一化RGB值应用RGB-到-HSV转换，以及通过将得到的色调值累加到色调直方图来在开始处创建色调直方图。接着，分数，即，以下面的方式计算第二量值：在色调直方图中的每个块值与直方图的平均块计数值进行比较，并且N被加到具有比平均块计数值更高值的每个块的分数。N*bin_count/bin_count_average被加入到具有小于平均块计数值的每个块的分数。“N”是数目并且针对具体的实施方式而被优化。发明人已经测试了N＝1000并且已经获得了好的结果。另外针对具体的实施方式，块的数目应该被优化。发明人已经测试了块的数目＝32，并且已经获得了好的结果。

在一个实施方式中，关于不同色温的相应预增益的色调直方图的数学方差可以被用作第二量值。

在一个实施方式中，具有太低或太高强度值的块，以及具有太低饱和值的块(HSV的S分量)可以从步骤614中的色调直方图省去，因为在那些条件下，色调可能不是可靠的量值。

当循环610完成时，针对将要估计的所有色温来计算第二量值。

在步骤616中，获得用于确定色温范围的第三量值。在步骤510中已经计算的不包含任何饱和像素的块的平均R、G和B值可以被用作第三量值。还计算色温，该色温对应于Planck曲线上的位置，该位置最接近于第三量值的RGB值。

在步骤618中，获得用于确定色温的第四量值。已经在步骤510中计算的明亮块的平均R、G和B值可以用作第四量值。还计算色温，其对应于Planck曲线上的位置，该位置最接近于第四量值的RGB值。

在步骤620中，由对应于最低第一量值分数的色温和对应于最高第二量值分数的色温来定义初始色温。例如，如果第一量值指示6000K并且第二量值指示5000K，接着初始范围被定义为[5000K，6000K]。

如果利用第二量值注意到针对所有的色温，太多的灰色、太低的图像强度等级或色调中太低的方差，则将使用第三和第四量值而非第二量值的结果来指示色温的平均。可以检测其中图像场景中有太多灰色的情况，因为在此类的情况中，当估计的RGB增益接近于正确的AWB增益时，可以有具有低的饱和值(HSV的S分量)的大量块。

步骤622指示执行在先前步骤中获得的初始范围的精细调节的处理。在优选的实施方式中，可以下面的顺序来执行调节：

-根据照明等级来限制操作范围，照明等级可以根据使用的总曝光和从该曝光所得到的平均信号等级来检测。例如，很亮的亮度等级可以将操作范围限制到[3500K，7500K]，而不是默认的例如[2500K，15000K]范围。

-如果第一和第二量值指示几乎相同的色温，则将范围扩展到覆盖至少1000K(例如[2500K，3500K])。首先，向由第三量值所指示的色温的方向扩展一个步幅(500K)，如果需要，则向5500K的方向扩展更多的步幅。

-如果照明等级足够高，则将范围向[5000K，6000K]移动。

-如果大于1500K范围被覆盖，则限制该范围。首先，根据由第三和第四量值所指示的色温的平均来限制一个步幅(500K)，并且接着限制针对5500K。

-应用特殊情况的限制(检测的特殊情况(例如利用训练成检测已知对于第一到第四量值来说困难的某些特殊情况的神经网络来进行检测))，或手动地选择的例如“日光”、“钨光”等AWB模式)

应该注意到上述的值仅仅是例子。根据具体的实施方式，所有的值可以变化。

为了从第一量值到第四量值来确定最终的强度范围，还可以使用另一启发式的方法而不是步骤620和622。例如，可以使用神经网络，其使用第一到第四量值的一个或多个来作为输入(或可以是其他量值)，并且输出估计的色温。

作为步骤622的结果，操作的色温范围被最终化。如上所示，最终色温范围相对较窄。由于下面的原因，这对于增加AWB性能是很有利的。

许多现有的AWB算法都将颜色搞错，例如将淡蓝色(蓝天的一部分，尤其靠近乌云)或淡棕色(淡棕色皮肤或沙子的一部分)误认为白色。原因在于更低色温(例如～5500K)照明下的淡蓝色目标可在传感器中做出与更高色温(例如～10000K)照明下的白色目标类似的响应，并且类似地，更高色温照明下的淡棕色目标可做出如在更低色温照明下的白色目标类似的响应。现有的解决方案是固定AWB操作范围，例如3500K-7000K。该现有技术的明显不利方面在于此类的AWB算法没有在极端色温下给出很好的结果，例如钨光或多云雪天的场景等。

然而，关于实施方式2的AWB算法限制了将要被自适应处理的色温范围，并且很窄，即限制到其中没有上述的不明确问题的范围。因此，在本专利申请中的本发明的AWB算法可以在不同的照明条件下提供可靠的AWB结果。通过这种方式，由于该限制性的特征，AWB性能被提升。

步骤624指示出关于图4的步骤600的处理的结束。

图7示出包括在图4的步骤700中的处理。如早些所指出，步骤700指示出用于找到可能是灰色的块并且基于这些参考的灰色块来计算初始白平衡增益的处理。

步骤702指示出处理的开始。循环704指示针对所有的块分别地执行色彩判断。然而，优选地，包含饱和像素的块可以从色彩判断中排除以提高相对于像素饱和的鲁棒性。

在循环706中，计算当前块中的相应RGB平均值和当前色温处的标准源的RGB传感器响应之间的偏差。如上所指出，相应的RGB平均在步骤508中被计算并且针对不同色温中的标准光源的RGB传感器响应被存储在例如固件42’中。针对每个色温来计算偏差，其中传感器响应数据存在并且处于在步骤600中确定的范围之间。例如，如果步骤600已经确定色温范围是[5000K，6000K]并且针对每500K已执行传感器特征化，针对5000K、5500K和6000K计算偏差。通过比较块平均和特征化数据之间的R/G和B/G来计算偏差(即，标准环境中的传感器响应)。如果偏差小，则块的色彩可以被认为是灰色。

在步骤708中，检查在哪种色温中偏差是最小的。并且在步骤710中，将最小偏差与预定的阈值进行比较。在一个实施方式中，算法针对(R/G，B/G)的差异来定义三种可能性区域：+/-3％作为最高可能性区域，+/-5％作为中间可能性区域，而+/-10％作为最低可接受范围。作为步骤710的结果，根据给出最高可能性的色温(在本情况下是5000K、5500K或6000K)来将每个块注册到四类中的一类(+/-3/5/10％或不是灰色)。

当然这些阈值仅仅是例子并且可以使用各种阈值。例如，如果已知传感器响应根据各个传感器在某种范围内变化(这可以由色彩滤波器响应中的变化造成)，则如上所述的限制可以被相应地放宽。另外，当针对以例如500K步幅来确定例如[1000K，15000K]之间的每个色温的R/G和B/G的限度时，可能期望将不同的亮度源(其光已知远在Planck曲线的外部)考虑进。

在循环704完成后，所有的块被分类成这四类。应该注意到上述的规则仅仅是例子并且可以根据传感器特性、制造商或用户等的偏好来以各种方式进行定义。

在步骤712中，R、G和B块值的权重平均从判断为灰色的块创建(即，在上述的例子中，偏差小于10％)。具有更高可能性的块的块值在权重平均的计算中具有更大的权重。如果找到很多高可能性的灰块，则针对更低可能性的灰块的权重可以是0，即，此类的块可以不包括在混合值中。在一个实施方式中，也可以在权重平均值中考虑块的强度。更高强度块的块值可以比更低强度块的块值具有更大的权重。步骤712中得到的R、G和B值将是最终白平衡增益，的基础。

步骤714和716是用于计算获得白平衡增益的补充值的步骤。步骤714计算第一组补充值。这是对应于Plank曲线上的一个位置的一组RGB值或(R/G、B/G)值，该位置具有比Plank曲线上的下面两个位置更短的距离；一个是对应于在步骤600中确定的范围中的中央色温的位置，而另一个是对应于不包含任何饱和像素的所有块的平均R、G和B值(已经在步骤510中获得)的位置。可以从传感器的光谱响应测量来获得对应于Plank曲线上的位置的R/G和B/G值。

步骤716计算第二组补充值。这是对应于Plank曲线上的一个位置的一组RGB值或(R/G、B/G)值，该位置具有离与在步骤712中获得的权重RGB平均值相对应位置的最短距离。

在步骤718中，从在步骤712到716获得的三组值来确定初始白平衡增益。如果已经在步骤600中找到多个灰块，则优选地，关于步骤712的值应该在该步骤中得到的增益中占优。如果在步骤600中找到很少的灰块或没有找到灰块，则关于步骤714和716的值应该在得到的增益中占优。权重因子可根据在步骤600中被认为是灰色的块的数目来自适应地变化。在步骤718中得到的值被认为是白平衡增益的初始候选。在一个实施方式中，尽管这里所述的实施方式另外具有由步骤800中所指示的处理，但这些得到的值可以被用作最终的白平衡增益。步骤720指示关于步骤700的处理的结束。

当在图像场景中有很少的参考灰色或没有参考灰色时(即，没有白色/灰色物体等)，并且灰度世界分数不是太高，许多的现有AWB算法丢失了鲁棒性。然而，由于本发明的AWB算法不仅从判断为灰色的块确定白平衡增益，也从上述的两个量值来确定白平衡增益，所以其甚至在此类极端的条件下也可提供鲁棒性的AWB结果。因此，可以理解从那些量值确定AWB增益的特征增加AWB性能。

图8示出包括在图4的步骤800中的处理。如早些所指出，步骤800指示用于通过某些规则来调整白平衡增益以提供理想的白平衡增益的处理。

步骤802指示关于步骤800的处理的开始。在步骤804中，从步骤700得到的值可以被调整，如果那些值对应于位于某些限制之外的色温。

步骤806指示用于检测可能色差的步骤。如果相比较于某他的色彩分量，某个色彩分量很强，例如在R、G和B之间的差异最小的直方图百分比中，并且根据从步骤700获得的初始白平衡增益获得，则差异将被自适应地减小，例如减小最大值的10％。即，如果差异高于某个阈值，则应用最大校正，否则校正针对更低的阈值线性地减小，直到其在更低的阈值处变为零。

在步骤808中，如果需要，计算附加的数字增益以补偿欠曝光。在步骤810中，根据在步骤804-808中执行的调整来确定最终白平衡增益。由于这些调整，最终的白平衡增益相对于可能的错误具有更强的鲁棒性。步骤812指示关于步骤800的处理的结束。

可以针对上述的实施方式来做出各种修改。例如，可以设置系统或算法，使得如果用户选择一些特殊AWB模式，像例如“白光”或“钨光”，则其将在步骤600和/或步骤800中具有对色温限度的相应影响。

根据本发明的AWB算法(当然包括实施方式1&2)可以被使用于任何的成像设备，例如数字静态照相机、数字视频照相机和具有照相机或视频功能的移动设备(例如成像电话)。并且如这里所述，根据本发明的AWB算法可以部分地由硬件和部分地由软件来实施，但也可以完全由软件处理来实施。因此，本发明包括计算机程序，其在个人计算机、移动设备、服务器、或任何的计算机设备上执行上述的AWB算法。

尽管致力于前述说明书以关注于据信尤其重要的本发明的特征，但应当理解的是，申请人就附图所指和/或所示的任何可专利特征或特征组合而要求保护，而不管是否对此进行特别的强调。

Claims (24)

1.一种数字照相机系统，其能够获取图像数据帧，该图像数据帧包括多个色彩元素，该系统被设置成：

-将所述帧划分成包括多个像素数据的多个块；

-针对所有块或部分块的每个来判断该块是否可能是灰色；以及

-使用判断为可能是灰色的块来确定用于调节白平衡的增益。

2.根据权利要求1所述的数字照相机系统，所述系统被设置成检查所有块或部分块中的每个块是否包含饱和像素，并且将包含饱和像素的块从确定用于调节白平衡的增益计算中排除出去。

3.根据权利要求1所述的数字照相机系统，所述系统被设置成检查所有块或部分块中的每个块是否邻近于包含饱和像素的块，并且将邻近于包含饱和像素的块从确定用于调节白平衡的增益计算中排除出去。

4.根据权利要求1所述的数字照相机系统，其中色彩元素是红色、绿色和蓝色，并且判断所述块是否可能是灰色取决于B/G、R/G、min(R，B)/G和max(R，B)/G是否满足给定的规则，

其中：

-R代表将要被判断的块中的红色数据的平均值；

-G代表将要被判断的块中的绿色数据的平均值；

-B代表将要被判断的块中的蓝色数据的平均值；

-min(R，B)/G代表由G除R和B中的较小一个的值；

-max(R，B)/G代表由G除R和B中的较大一个的值。

5.根据权利要求4所述的数字照相机系统，其中基于整个帧的相应色彩元素和亮度的直方图、以及整个帧的相应色彩元素的平均值的一个或多个来确定规则。

6.根据权利要求4所述的数字照相机系统，其中用于确定规则的计算不使用包含饱和像素的块和/或邻近于包含饱和像素的块的块。

7.根据权利要求1所述的数字照相机系统，所述系统被设置成针对色彩元素的每个来累加被判断为可能是灰色的块的平均值，并且设置成基于累加的值来确定用于调节白平衡的增益。

8.根据权利要求7所述的数字照相机系统，其中所述系统被设置成对判断为具有更高概率可能是灰色的块中的色彩元素的平均值应用加权，和/或对具有更高强度的块中的色彩元素的平均值应用加权。

9.根据权利要求7所述的数字照相机系统，其中所述系统被设置成：

-定义多个强度范围；

-对于每个强度范围，判断在该强度范围内，所述块是否可能是灰色，并且计算在该强度范围内判断为可能是灰色的块的累加值；

-针对每个色彩元素，混合分别从不同的强度范围所获得的累加值或从累加值所生成的值；以及

-基于混合的值来确定用于调节白平衡的增益。

10.根据权利要求9所述的数字照相机系统，其中该系统被设置成基于在相应的强度范围内被判断为可能是灰色的块的数目和/或所述相应的强度范围的相应强度值来对混合应用加权。

11.根据权利要求7所述的数字照相机系统，其中该系统被设置成从不包含任何饱和像素的块和/或不邻近于包含饱和像素的块的块来计算相应色彩元素的平均值，并且通过考虑这些平均值来确定用于调节白平衡的增益。

12.根据权利要求1所述的数字照相机系统，其中所述系统被设置成针对灰色判断来定义一个或多个色温，并且在所定义的色温内判断块是否可能是灰色。

13.根据权利要求12所述的数字照相机系统，其中基于下面的一个或多个量值来定义色温：关于不同色彩元素之间的直方图差异的量值、关于色调直方图的方差的量值、关于从不包含任何饱和像素的块所获得的相应色彩元素的平均值的量值、以及从具有更大强度的块所获得的相应色彩元素的平均值的量值。

14.根据权利要求12所述的数字照相机系统，其中所述系统包括关于相对于标准光源的所述数字照相机系统的传感器光谱响应的特性数据，并且所述系统被设置成针对每个块来计算在块中所定义的色温处的特性数据和相应的色彩元素的平均值之间的偏差，并且当偏差小于预定的值时，判断该块可能是灰色。

15.根据权利要求12所述的数字照相机系统，该系统被设置成：

-计算第一组平均值，该第一组平均值是判断可能是灰色的块中的色彩元素的一组平均值，以及

-基于所述第一组平均值来确定用于调节白平衡的增益。

16.根据权利要求15所述的数字照相机系统，该系统被设置成基于关于块的偏差和/或强度来将加权应用于计算第一组平均值。

17.根据权利要求15所述的数字照相机系统，其中该系统被设置成在判定用于调节白平衡的增益中考虑第一组补充值，该第一组补充值是关于对应于Plank曲线上的位置的色彩元素的一组值，该位置具有距离对应于定义的色温的位置和对应于第二组平均值的位置的最短距离，第二组平均值是不包含任何饱和像素的块和/或不邻近于包含饱和像素的块的块的相应色彩元素的一组平均值。

18.根据权利要求15所述的数字照相机系统，其中所述系统被设置成在判定用于调节白平衡的增益中考虑第二组补充值，该第二组补充值是关于对应于Plank曲线上的位置的色彩元素的值，该位置具有离对应于第一组平均值的位置最短的距离。

19.一种电子电路，用于处理包括多个色彩元素的图像数据帧，其中所述电路被设置成：

-将所述帧划分成包括多个像素数据的多个块；

-针对所有块或部分块的每个块来判断该块是否可能是灰色；以及

-使用判断为可能是灰色的块来确定用于调节白平衡的增益。

20.根据权利要求19所述的电子电路，被设置成检查所有块或部分块中的每个块是否包含饱和像素，并且将包含饱和像素的块从确定用于调节白平衡的增益的计算中排除出去。

21.根据权利要求19所述的电子电路，被设置成：

-针对每个色彩元素来计算判断为可能是灰色的块的平均值；

-定义多个强度范围；

-对于每个强度范围，判断在该强度范围内，块是否可能是灰色并且针对每个色彩元素来累加在该强度范围内可能被判断为灰色的块的平均值；

-针对每个色彩元素，混合分别从不同的强度范围所获得的累加值或从累加值所生成的值，以及

-基于混合的值来确定用于调节白平衡的增益。

22.根据权利要求19所述的电子电路，被设置成针对灰色判断来定义一个或多个色温，并且在定义的色温内判断块是否可能是灰色。

23.一种用于调节包括多个色彩元素的图像数据帧的白平衡的方法，该方法包括步骤：

-将所述帧划分成包括多个像素数据的多个块；

-针对所有多个块或部分多个块的每个块来判断该块是否可能是灰色；以及

-使用判断为可能是灰色的块来确定用于调节白平衡的增益。

24.一种用于调节包括多个色彩元素的图像数据帧的白平衡的计算机程序，该程序指示处理器以执行：

-将所述帧划分成包括多个像素数据的多个块；

-针对所有多个块或部分多个块的每个块来判断该块是否可能是灰色；以及

-使用判断为可能是灰色的块来确定用于调节白平衡的增益。

Images