CN106993175A - 产生供自动白平衡校正运算使用的像素筛选范围的方法 - Google Patents

Abstract

本发明提出一种产生供自动白平衡校正运算使用的像素筛选范围的方法，包含：以特定色温参考点为中心，将G/B-G/R色域空间划分为具有不同色彩元素关系的六个色彩区域；利用HSV色域空间的饱和度计算方式，分别在六个色彩区域中界定出与特定色温参考点的饱和度差异为预定差异值的六个色彩边界，以产生对应的特定六边形筛选范围；比照特定六边形筛选范围的产生方式，分别界定出其他多个色温参考点所对应的多个六边形筛选范围；依据特定六边形筛选范围与其他多个六边形筛选范围，在G/B-G/R色域空间中产生对应的包络范围以做为像素筛选范围。

Description

产生供自动白平衡校正运算使用的像素筛选范围的方法

技术领域

本发明涉及自动白平衡校正(auto white balance，AWB)运算，尤指一种产生供自动白平衡校正运算使用的像素筛选范围的方法。

背景技术

自动白平衡校正运算对于影像质量有很大影响，因此被广泛应用在许多领域中，例如，数字相机、智能型手机、平板计算机、监控系统等等。

一般影像处理系统最常使用RGB格式来表达影像的像素数据，但传统的自动白平衡校正运算则需先将像素数据转换到Cb-Cr色域空间进行筛选及自动白平衡补偿。之后，再将补偿后的像素数据从G/B-G/R色域空间转换成用以施加在成像系统上的R色彩元素增益(R gain)与B色彩元素增益(B gain)。

换言之，传统的自动白平衡校正运算需要将像素数据在G/B-G/R色域空间与Cb-Cr色域空间两者间进行转换。将像素数据在G/B-G/R色域空间与Cb-Cr色域空间之间进行转换，不仅需要增加额外的运算量，也容易造成转换后的影像颜色产生误差的问题。

发明内容

有鉴于此，如何有效降低自动白平衡校正所需的运算量，并提高成转换后影像的颜色精确度，实为业界有待解决的问题。

本说明书提供一种产生供自动白平衡校正运算使用的像素筛选范围的方法的实施例，其包含：，以一特定色温参考点为中心，将一G/B-G/R色域空间划分为具有不同色彩元素关系的六个色彩区域；利用HSV色域空间的饱和度计算方式，分别在该六个色彩区域中界定出与该特定色温参考点的饱和度差异为一预定差异值的六个色彩边界，以产生对应于该特定色温参考点的一特定六边形筛选范围；比照该特定六边形筛选范围的产生方式，分别界定出其他多个色温参考点所对应的多个六边形筛选范围；依据该特定六边形筛选范围与该多个六边形筛选范围，在该G/B-G/R色域空间中产生一对应的包络范围；以及将该包络范围设置为一自动白平衡校正运算所使用的一像素筛选范围。

上述实施例的优点之一，是无需将像素数据在G/B-G/R色域空间与Cb-Cr色域空间之间进行转换，故能有效降低进行自动白平衡校正所需的运算量。

上述实施例的另一优点，是可在G/B-G/R色域空间中筛选像素数据并进行自动白平衡补偿，达到Cb-Cr色彩空间筛选像素之精准度，以直接产生用以施加在成像系统上的R色彩元素增益与B色彩元素增益，故能有效提高成像系统的影像颜色精确度。

本发明的其他优点将藉由以下的说明和示图进行更详细的解说。

附图说明

图1为本发明一实施例之产生供自动白平衡校正运算使用的像素筛选范围的方法简化后的流程图。

图2为在G/B-G/R色域空间中的多个色温参考点的一实施例简化后的示意图。

图3为在G/B-G/R色域空间中的特定色温参考点所对应的六边形筛选范围的一实施例简化后的示意图。

图4为分别对应图2中的多个色温参考点的多个六边形筛选范围的一实施例简化后的示意图。

图5为依据图4中的多个六边形筛选范围所产生的一像素筛选范围的一实施例简化后的示意图。

图6为依据图5中的像素筛选范围进行像素数据筛选的一实施例简化后的示意图。

[图的符号简单说明]

110-150 方法流程

具体实施方式

以下将配合相关示图来说明本发明的实施例。在示图中，相同的标号表示相同或类似的元件或方法流程。

图1为本发明一实施例之产生供自动白平衡校正运算使用的像素筛选范围的方法简化后的流程图。在实际应用中，数字相机、智能型手机、平板计算机、监控系统等各种影像处理系统(imaging system)，可藉由执行实施图1中的方法的软件，来产生供自动白平衡校正运算使用的像素筛选范围(pixel filtering boundary)。接着，影像处理系统便可利用像素筛选范围来筛选影像中的像素数据，以进行自动白平衡校正运算。

影像处理系统可依据各种已知的方式或是使用者的设定，选择多个色温参考点(color temperature reference point)作为后续进行自动白平衡校正运算的参考基准。例如，图2所绘示为在G/B-G/R色域空间(color space)中的多个色温参考点210-260的一实施例简化后的示意图。

在流程110中，影像处理系统可以G/B-G/R色域空间中的某一特定色温参考点为中心，将G/B-G/R色域空间划分为具有不同色彩元素关系的六个色彩区域。

为了方便说明起见，以下假设前述的特定色温参考点为图2中的色温参考点210。如图3所示，影像处理系统可以特定色温参考点210为中心，将G/B-G/R色域空间划分为具有不同色彩元素关系的六个色彩区域(colorregion)301-306。

在图3的实施例中，色彩区域301中的色彩元素关系为G>R>B，其中，R、G、B分别为像素数据的红色元素值、绿色元素值、以及蓝色元素值。色彩区域302中的色彩元素关系为R>G>B。色彩区域303中的色彩元素关系为R>B>G。色彩区域304中的色彩元素关系为B>R>G。色彩区域305中的色彩元素关系为B>G>R。色彩区域306中的色彩元素关系为G>B>R。

接着，影像处理系统可进行流程120，利用HSV(hue,saturation,value)色域空间的饱和度计算方式，分别在六个色彩区域301-306中界定出与特定色温参考点210的饱和度差异为一预定差异值Sd的六个色彩边界(colorboundary)311-316，以产生对应于特定色温参考点210的一特定六边形筛选范围(hexagonal filtering boundary)310。

具体而言，HSV色域空间的饱和度(saturation，S)计算方式如下：

S＝[Max(R,G,B)–Min(R,G,B)]/Max(R,G,B)

按照前述HSV色域空间的饱和度计算方式，可以计算出特定色温参考点210的饱和度为0。

如前所述，色彩区域301中的色彩元素关系为G>R>B，因此，色彩区域301中任一点的饱和度都可以表示为(G-B)/G。由于特定色温参考点210的饱和度为0，所以色彩区域301中的任一点与特定色温参考点210之间的的饱和度差异，亦可表示为(G-B)/G。

因此，在色彩区域301中，与特定色温参考点210之间的饱和度差异小于预定差异值Sd的所有像素数据，都会满足以下关系式：

(G-B)/G<Sd (1)

由式(1)进行数学推导，便可得到以下关系式：

G/B<1/(1-Sd) (2)

由前述的关系式(2)便可在色彩区域301中定义出一第一色彩边界311，使得第一色彩边界311左侧区域内的每个位置与特定色温参考点210之间的饱和度差异都会小于预定差异值Sd，而位于第一色彩边界311上的每个位置与特定色温参考点210之间的饱和度差异，则都会是预定差异值Sd。

同理，由于色彩区域302中的色彩元素关系为R>G>B，因此，色彩区域302中的任一点与特定色温参考点210之间的饱和度差异，可表示为(R-B)/R。

因此，在色彩区域302中，与特定色温参考点210之间的饱和度差异小于预定差异值Sd的所有像素数据，都会满足以下关系式：

(R-B)/R<Sd (3)

由式(3)进行数学推导，便可得到以下关系式：

(G/R)/(G/B)<1-Sd (4)

由前述的关系式(4)便可在色彩区域302中定义出一第二色彩边界312，使得第二色彩边界312左上方区域内的每个位置与特定色温参考点210之间的饱和度差异都会小于预定差异值Sd，而位于第二色彩边界312上的每个位置与特定色温参考点210之间的饱和度差异，则都会是预定差异值Sd。

同理，由于色彩区域303中的色彩元素关系为R>B>G，因此，色彩区域303中的任一点与特定色温参考点210之间的饱和度差异，可表示为(R-G)/R。

因此，在色彩区域303中，与特定色温参考点210之间的饱和度差异小于预定差异值Sd的所有像素数据，都会满足以下关系式：

(R-G)/R<Sd (5)

由式(5)进行数学推导，便可得到以下关系式：

G/R>1-Sd (6)

由前述的关系式(6)便可在色彩区域303中定义出一第三色彩边界313，使得第三色彩边界313上方区域内的每个位置与特定色温参考点210之间的饱和度差异都会小于预定差异值Sd，而位于第三色彩边界313上的每个位置与特定色温参考点210之间的饱和度差异，则都会是预定差异值Sd。

同理，由于色彩区域304中的色彩元素关系为B>R>G，因此，色彩区域304中的任一点与特定色温参考点210之间的饱和度差异，可表示为(B-G)/B。

因此，在色彩区域304中，与特定色温参考点210之间的饱和度差异小于预定差异值Sd的所有像素数据，都会满足以下关系式：

(B-G)/B<Sd (7)

由式(7)进行数学推导，便可得到以下关系式：

G/B>1-Sd (8)

由前述的关系式(8)便可在色彩区域304中定义出一第四色彩边界314，使得第四色彩边界314右侧区域内的每个位置与特定色温参考点210之间的饱和度差异都会小于预定差异值Sd，而位于第四色彩边界314上的每个位置与特定色温参考点210之间的饱和度差异，则都会是预定差异值Sd。

同理，由于色彩区域305中的色彩元素关系为B>G>R，因此，色彩区域305中的任一点与特定色温参考点210之间的饱和度差异，可表示为(B-R)/B。

因此，在色彩区域305中，与特定色温参考点210之间的饱和度差异小于预定差异值Sd的所有像素数据，都会满足以下关系式：

(B-R)/B<Sd (9)

由式(9)进行数学推导，便可得到以下关系式：

(G/R)/(G/B)<1/(1-Sd) (10)

由前述的关系式(10)便可在色彩区域305中定义出一第五色彩边界315，使得第五色彩边界315右下方区域内的每个位置与特定色温参考点210之间的饱和度差异都会小于预定差异值Sd，而位于第五色彩边界315上的每个位置与特定色温参考点210之间的饱和度差异，则都会是预定差异值Sd。

同理，由于色彩区域306中的色彩元素关系为G>B>R，因此，色彩区域306中的任一点与特定色温参考点210之间的饱和度差异，可表示为(G-R)/G。

因此，在色彩区域306中，与特定色温参考点210之间的饱和度差异小于预定差异值Sd的所有像素数据，都会满足以下关系式：

(G-R)/G<Sd (11)

由式(11)进行数学推导，便可得到以下关系式：

G/R<1/(1-Sd) (12)

由前述的关系式(12)便可在色彩区域306中定义出一第六色彩边界316，使得第六色彩边界316下方区域内的每个位置与特定色温参考点210之间的饱和度差异都会小于预定差异值Sd，而位于第六色彩边界316上的每个位置与特定色温参考点210之间的饱和度差异，则都会是预定差异值Sd。

影像处理系统可将前述的六个色彩边界311-316组成对应于特定色温参考点210的特定六边形筛选范围310。由前述说明可知，特定六边形筛选范围310上的每个位置与特定色温参考点210之间的饱和度差异，都是预定差异值Sd，而当一特定像素数据位于前述特定六边形筛选范围310内时，代表该特定像素数据与特定色温参考点210之间的饱和度差异小于前述的预定差异值Sd。

由图3及前述说明可知，前述的六个色彩边界311-316是依序相接的，其中，第一色彩边界311与第四色彩边界314平行、第三色彩边界313与第六色彩边界316平行、第一色彩边界311与第六色彩边界316垂直、且第三色彩边界313与第四色彩边界314垂直。

由图3中亦可清楚看出，第一色彩边界311与第四色彩边界314两者都垂直于G/B-G/R色域空间的G/B轴，且第三色彩边界313与第六色彩边界316两者都垂直于G/B-G/R色域空间的G/R轴。

接着，影像处理系统可进行流程130，比照前述特定六边形筛选范围310的产生方式，分别界定出其他多个色温参考点220-260所对应的多个六边形筛选范围320-360，如图4所示。

在流程140中，影像处理系统可依据前述流程120所产生的特定六边形筛选范围310，以及前述流程130所产生的多个六边形筛选范围320-360，在G/B-G/R色域空间中产生一对应的包络范围(envelopingboundary)，如图5所示。

在流程150中，影像处理系统可将六边形筛选范围310-360所对应的包络范围，设置为后续进行自动白平衡校正运算时所使用的一像素筛选范围(pixel filtering boundary)500。

之后，影像处理系统在对影像数据进行自动白平衡校正运算时，可先利用像素筛选范围500筛选影像数据中的像素数据，以过滤掉可能会干扰自动白平衡校正运算准确度的错误像素数据。

例如，图6为依据图5中的像素筛选范围500进行像素数据筛选的一实施例简化后的示意图。在图6中，像素数据611-617及621-625代表影像处理系统接收到的RGB格式影像数据中的像素数据。

由于位于像素筛选范围500之外的像素数据621-625比较可能造成自动白平衡校正运算的错误，因此，影像处理系统可只将位于像素筛选范围500之内的像素数据611-617纳入考虑，而舍弃位于像素筛选范围500之外的像素数据621-625。藉此，也可有效降低后续进行自动白平衡校正运算所需的运算量。

例如，影像处理系统可只利用位于像素筛选范围500之内的像素数据611-617进行多数决(majority voting)判断，以从多个色温参考点210-260中选出进行自动白平衡校正运算所需的一目标色温参考点。

换言之，位于前述像素筛选范围500之内的像素数据611-617会被自动白平衡校正运算纳入考虑，但位于像素筛选范围500之外的像素数据621-625则不会被自动白平衡校正运算纳入考虑。

实际上，影像处理系统可以在产生不同的六边形筛选范围时，改变前述预定差异值Sd的大小，以降低影像处理系统对影像传感器(未绘示)灵敏度的要求，提升自动白平衡校正运算的精确度，并可提升判断色温参考点的正确性。

由前述说明可知，影像处理系统可直接在G/B-G/R色域空间中利用像素筛选范围500进行像素数据的筛选动作，而无需将像素数据先转换到其他色域空间(例如，Cb-Cr色域空间)进行筛选，然后再转换回G/B-G/R色域空间。因此，前述的方法可减少像素数据转换上的失真，也可有效减少自动白平衡校正运算所需的计算量。

另外，影像处理系统可在G/B-G/R色域空间中筛选像素数据并进行自动白平衡补偿，以直接产生R色彩元素增益与B色彩元素增益，故能有效提高自动白平衡校正的效率以及成像系统的影像颜色精确度。

在说明书及申请专利范围中使用了某些词汇来指称特定的元件。然而，所属技术领域中的普通技术人员应可理解，同样的元件可能会用不同的名词来称呼。说明书及申请专利范围并不以名称的差异做为区分元件的方式，而是以元件在功能上的差异来做为区分的基准。在说明书及申请专利范围所提及的“包含”为开放式的用语，故应解释成“包含但不限定于”。另外，“耦接”在此包含任何直接及间接的连接手段。因此，若文中描述第一元件耦接于第二元件，则代表第一元件可通过电性连接或无线传输、光学传输等信号连接方式而直接地连接于第二元件，或者通过其他元件或连接手段间接地电性或信号连接至该第二元件。

在此所使用的“及/或”的描述方式，包含所列举的其中之一或多个项目的任意组合。另外，除非说明书中特别指明，否则任何单数格的用语都同时包含复数格的涵义。

以上仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。

符号说明

110-150 方法流程

210-260 色温参考点

310 六边形筛选范围

311-316 色彩边界

320-360 六边形筛选范围

500 像素筛选范围

611-617 像素数据

621-625 像素数据

Claims (5)

1.一种产生供自动白平衡校正运算使用的像素筛选范围的方法，包含：

以一特定色温参考点(210)为中心，将一G/B-G/R色域空间划分为具有不同色彩元素关系的六个色彩区域(301-306)；

利用HSV色域空间的饱和度计算方式，分别在该六个色彩区域(301-306)中界定出与该特定色温参考点(210)的饱和度差异为一预定差异值(Sd)的六个色彩边界(311-316)，以产生对应于该特定色温参考点(210)的一特定六边形筛选范围(310)；

比照该特定六边形筛选范围(310)的产生方式，分别界定出其他多个色温参考点(220-260)所对应的多个六边形筛选范围(320-360)；

依据该特定六边形筛选范围(310)与该多个六边形筛选范围(320-360)，在该G/B-G/R色域空间中产生一对应的包络范围；以及

将该包络范围设置为一自动白平衡校正运算所使用的一像素筛选范围(500)。

2.根据权利要求1所述的方法，其中，该六个色彩边界(311-316)包含依序相接的一第一色彩边界(311)、一第二色彩边界(312)、一第三色彩边界(313)、一第四色彩边界(314)、一第五色彩边界(315)、以及一第六色彩边界(316)；

其中，该第一色彩边界(311)与该第四色彩边界(314)平行、该第三色彩边界(313)与该第六色彩边界(316)平行、且该第一色彩边界(311)与该第六色彩边界(316)垂直。

3.根据权利要求2所述的方法，其中，该第一色彩边界(311)与该第四色彩边界(314)垂直于该G/B-G/R色域空间的G/B轴，且该第三色彩边界(313)与该第六色彩边界(316)垂直于该G/B-G/R色域空间的G/R轴。

4.根据权利要求1所述的方法，其中，位于该像素筛选范围(500)之内的像素数据(611-617)能够被该自动白平衡校正运算纳入考虑，但位于该像素筛选范围(500)之外的像素数据(621-625)则不能够被该自动白平衡校正运算纳入考虑。

5.根据权利要求1所述的方法，还包含有：

在产生不同的六边形筛选范围时，改变该预定差异值(Sd)的大小。