CN107341767A - 一种图像校正方法及装置 - Google Patents
一种图像校正方法及装置 Download PDFInfo
- Publication number
- CN107341767A CN107341767A CN201610284184.8A CN201610284184A CN107341767A CN 107341767 A CN107341767 A CN 107341767A CN 201610284184 A CN201610284184 A CN 201610284184A CN 107341767 A CN107341767 A CN 107341767A
- Authority
- CN
- China
- Prior art keywords
- gains
- gain
- pixel
- image
- gain offsets
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003702 image correction Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 5
- 230000004075 alteration Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种图像校正方法及装置,方法包括:构建待校正图像的HS三维直方图;识别像素点的数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于第一H分量区间和第一S分量区间中的每个第一像素点;根据每个第一像素点的RGB数据,计算第一R增益和第一B增益,并采用第一R增益和第一B增益对待校正图像进行第一次校正;确定目标增益偏移量,根据目标增益偏移量,对待校正图像进行第二次校正。由此可见,针对拍摄大面积单色场景的图像,提取属于大面积单色的第一像素点,根据第一像素点的RGB数据对图像进行校正,而不需要寻找白点或者灰点,避免了因白点或者灰点的个数少导致的对图像的校正效果不佳的情况。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种图像校正方法及装置。
背景技术
当针对于大面积单色场景进行图像采集时,比如篮球场、假草坪足球场等场景,对该场景进行图像采集的多台图像采集设备采集的图像会因为白平衡未校正的问题或顺逆光问题产生色差。将上述采集的图像进行拼接或者在图像之间进行切换时,色差问题会严重影响观看效果。
目前,对采集到的大面积单色场景的图像的处理通常采用找白点或者找灰点的白平衡校正的方法。图1为不同图像采集设备采集到的同一足球场的图像,图2为不同图像采集设备采集到的同一篮球场的图像,在图1和图2中,白区或者灰区的像素点的个数相比于大面积单色区(图1中的绿色、图2中的蓝色)的像素点的个数要少的多,因此,通过找白点或者灰点进行白平衡校正很容易导致校正失效。
图2为典型的顺逆光场景,两台图像采集设备的白平衡已经校正,但色差依然很大。对图2中的图像进行RGB数据分析,结果如图3所示,从图3中可以看出,顺光采集的图像中灰色区域的像素点与逆光采集的图像中灰色区域的像素点距离很近,表示两张图像中灰色区域的色差很小,也就是说,两张图像的白平衡已经校正;但是,顺光采集的图像中蓝色地板的像素点与逆光采集的图像中蓝色地板的像素点距离很远,表示两张图像中蓝色地板的色差很大,因此可知采用白平衡校正方式不能很好的校正顺逆光导致的色差。
发明内容
本发明实施例的目的在于提供一种图像校正方法及装置,以减少色差,提高校正的准确性。
为达到上述目的,本发明实施例公开了一种图像校正方法,应用于图像采集设备,所述方法包括:
获取待校正图像中的各像素点的RGB数据,将所述各像素点的RGB数据转换为HSV数据;
根据所述各像素点的色调H数据和饱和度S数据,构建HS三维直方图,其中所述HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量;
识别所述数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于所述第一H分量区间和第一S分量区间中的每个第一像素点;
根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益,并采用所述第一R增益和第一B增益对所述待校正图像进行第一次校正;
确定目标增益偏移量,其中,增益偏移量包括R增益偏移量和B增益偏移量;
根据所述目标增益偏移量,对所述待校正图像进行第二次校正。
可选的,所述确定目标增益偏移量,可以包括:
将用户发送的增益偏移量确定为目标增益偏移量;或,
当自身为对同一场景进行图像采集的从图像采集设备时,将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
可选的,所述确定目标增益偏移量,可以包括:
根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;将所述第二R增益和所述第一R增益的商确定为所述目标增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为所述目标增益偏移量中的B增益偏移量。
可选的,当自身为对同一场景进行图像采集的主图像采集设备时,所述确定目标增益偏移量,可以包括:
根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;将所述第二R增益和所述第一R增益的商确定为自身第一增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为自身第一增益偏移量中的B增益偏移量;
接收从图像采集设备发送的所述从图像采集设备确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量;
将所述第一增益偏移量中的R增益偏移量和所述第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量,将所述第一增益偏移量中的B增益偏移量和所述第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
可选的,在所述根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益之前,还可以包括:
根据每个所述第一像素点的HSV数据中的亮度V数据,将所述V数据大于第二设定阈值或小于三设定阈值的第一像素点去除;
所述根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益,包括:
根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益。
为达到上述目的,本发明实施例还公开了一种图像校正装置,应用于图像采集设备,所述装置包括:
获取转换模块,用于获取待校正图像中的各像素点的RGB数据,将所述各像素点的RGB数据转换为HSV数据;
构建模块,用于根据所述各像素点的色调H数据和饱和度S数据,构建HS三维直方图,其中所述HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量;
识别确定模块,用于识别所述数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于所述第一H分量区间和第一S分量区间中的每个第一像素点;
计算模块,用于根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益;
第一校正模块,用于采用所述第一R增益和第一B增益对所述待校正图像进行第一次校正;
确定模块,用于确定目标增益偏移量,其中,增益偏移量包括R增益偏移量和B增益偏移量;
第二校正模块,用于根据所述目标增益偏移量,对所述待校正图像进行第二次校正。
可选的,所述确定模块,可以包括:
第一确定子模块,用于将用户发送的增益偏移量确定为目标增益偏移量;或,
第二确定子模块,用于当自身为对同一场景进行图像采集的从图像采集设备时,将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
可选的,所述确定模块,可以包括:
第一计算子模块,用于根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;
第三确定子模块,用于将所述第二R增益和所述第一R增益的商确定为所述目标增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为所述目标增益偏移量中的B增益偏移量。
可选的,所述确定模块,可以包括:
第二计算子模块,用于根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;
第四确定子模块,用于将所述第二R增益和所述第一R增益的商确定为自身第一增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为自身第一增益偏移量中的B增益偏移量;
接收子模块,用于当自身为对同一场景进行图像采集的主图像采集设备时,接收从图像采集设备发送的所述从图像采集设备确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量;
第五确定子模块,用于将所述第一增益偏移量中的R增益偏移量和所述第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量;将所述第一增益偏移量中的B增益偏移量和所述第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
可选的,还可以包括:
去除模块,用于根据每个所述第一像素点的HSV数据中的亮度V数据,将所述V数据大于第二设定阈值或小于三设定阈值的第一像素点去除;
所述计算模块,具体可以用于:
根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益。
由上述技术方案可见,应用本发明实施例,获取待校正图像中的各像素点的RGB数据,将各像素点的RGB数据转换为HSV数据;根据各像素点的色调H数据和饱和度S数据,构建HS三维直方图;识别像素点的数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于第一H分量区间和第一S分量区间中的每个第一像素点;根据每个第一像素点的RGB数据,计算第一R增益和第一B增益,并采用第一R增益和第一B增益对待校正图像进行第一次校正;确定目标增益偏移量,根据目标增益偏移量,对待校正图像进行第二次校正。
由此可见,针对拍摄大面积单色场景的图像,提取属于大面积单色的第一像素点,根据第一像素点的RGB数据对图像进行校正,而不需要寻找白点或者灰点,避免了因白点或者灰点的个数少导致的对图像的校正效果不佳的情况。
当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为不同图像采集设备采集到的同一足球场的图像;
图2为不同图像采集设备采集到的同一篮球场的图像;
图3为对图2中的像素点的RGB数据分析示意图;
图4为本发明实施例提供的图像校正方法的第一种流程示意图;
图5为本发明实施例提供的图像校正方法的第二种流程示意图;
图6为本发明实施例提供的图像校正装置的第一种结构示意图;
图7为本发明实施例提供的图像校正装置的第二种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决现有技术问题,本发明实施例提供了一种图像校正方法及装置,应用于图像采集设备。下面首先对本发明实施例提供的一种图像校正方法进行详细说明。
图4为本发明实施例提供的图像校正方法的第一种流程示意图,包括:
S101:获取待校正图像中的各像素点的RGB数据,将各像素点的RGB数据转换为HSV数据。
RGB色彩模式是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一。
HSV(色调H:Hue,饱和度S:Saturation,亮度V:Value)是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型(Hexcone Model)。具体的,将像素点的RGB数据转换为HSV数据为现有技术,在此不作赘述。
S102:根据各像素点的色调H数据和饱和度S数据,构建HS三维直方图。其中所述HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量。
预先将H分量划分为多个H分量区间,并将S分量划分为多个S分量区间,根据每个像素点的H数据,确定该像素点所在的H分量区间;根据每个像素点的S数据,确定该像素点所在的S分量区间,即每个像素点唯一对应一个H分量区间和S分量区间。
本领域技术人员可以理解的是,根据像素点的HS数据构建HS三维直方图为现有技术,在此不作赘述。
S103:识别像素点的数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于第一H分量区间和第一S分量区间中的每个第一像素点。
HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量。在实际应用中,当待校正图像为针对于大面积单色场景采集到的图像时,针对该待校正图像的HS三维直方图中大面积单色的像素点的数量会很多。识别像素点的数量大于第一设定阈值的第一H分量区间和第一S分量区间,位于该分量区间的点即为大面积单色的像素点,将大面积单色的像素点确定为第一像素点。
S104:根据每个第一像素点的RGB数据,计算第一R增益和第一B增益。
具体的,第一R增益=sum_s(G)/sum_s(R),第一B增益=sum_s(G)/sum_s(B),其中,sum_s(R)为第一像素点的R数据之和,sum_s(B)为第一像素点的B数据之和,sum_s(G)为第一像素点的G数据之和。
S105:采用第一R增益和第一B增益对待校正图像进行第一次校正。
利用第一R增益和第一B增益对待校正图像中的所有像素点进行校正。本领域技术人员可以理解的是,利用R增益和B增益对像素点进行校正为现有技术,在此不作赘述。
S106:确定目标增益偏移量。其中,增益偏移量包括R增益偏移量和B增益偏移量。
在本发明所示实施例中,对待校正图像进行第一次校正后,该图像中的大面积单色区域变成近似于灰度图(或者黑白图),需要在该灰度图像的基础上进行二次校正。因此,需要确定目标增益偏移量,根据目标增益偏移量对该灰度图像进行二次校正。具体的,用户可以直接发送增益偏移量至该图像采集设备,该图像采集设备将用户发送的增益偏移量确定为目标增益偏移量。
S107:根据目标增益偏移量,对待校正图像进行第二次校正。
本领域技术人员可以理解的是,利用增益偏移量对像素点进行校正属于现有技术,在此不作赘述。
本发明实施例中针对拍摄大面积单色场景的图像,提取属于大面积单色的第一像素点,根据第一像素点的RGB数据对图像进行校正,而不需要寻找白点或者灰点,避免了因白点或者灰点的个数少导致的对图像的校正效果不佳的情况。
在本发明所示实施例中,确定目标增益偏移量的方法还可以包括:
第二种方式,当自身为对同一场景进行图像采集的从图像采集设备时,将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
在实际应用中,可以从对同一场景进行图像采集的多台图像采集设备中确定一台为主图像采集设备,其他的为从图像采集设备,主图像采集设备与从图像采集设备之间可以通信连接。
当该图像采集设备为从图像采集设备时,可以将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
第三种方式,根据待校正图像中除第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;将第二R增益和所述第一R增益的商确定为目标增益偏移量中的R增益偏移量,将第二B增益和所述第一B增益的商确定为所述目标增益偏移量中的B增益偏移量。
具体的,将待校正图像中除第一像素点以外的像素点确定为第二像素点。第二R增益=sum_o(G)/sum_o(R),第二B增益=sum_o(G)/sum_o(B),其中,sum_o(R)为第二像素点的R数据之和,sum_o(B)为第二像素点的B数据之和,sum_o(G)为第二像素点的G数据之和。
第四种方式,当自身为对同一场景进行图像采集的主图像采集设备时,所述确定目标增益偏移量,包括:
根据待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;将第二R增益和所述第一R增益的商确定为自身第一增益偏移量中的R增益偏移量,将第二B增益和所述第一B增益的商确定为自身第一增益偏移量中的B增益偏移量;
接收从图像采集设备发送的所述从图像采集设备确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量;
将第一增益偏移量中的R增益偏移量和第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量,将第一增益偏移量中的B增益偏移量和所述第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
在实际应用中,可以从对同一场景进行图像采集的多台图像采集设备中确定一台为主图像采集设备,其他的为从图像采集设备,主图像采集设备与从图像采集设备之间可以通信连接。
上述对同一场景进行图像采集的多台图像采集设备均可以利用上述第一种或第三种方式确定自身增益偏移量。
当该图像采集设备为主图像采集设备时,该主图像采集设备接收其他从采集设备发送的各自确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量。该主图像采集设备将自身确定的第一增益偏移量中的R增益偏移量和其他从采集设备确定的第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量,将自身确定的第一增益偏移量中的B增益偏移量和其他从采集设备确定的第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
假设对场景A进行图像采集的有4台图像采集设备,分别为W、X、Y、Z,将W确定为主图像采集设备,X、Y、Z为从图像采集设备。W确定的自身第一增益偏移量中的R增益偏移量为R1,自身第一增益偏移量中的B增益偏移量为B1;X确定的自身第二增益偏移量中的R增益偏移量为R2,自身第二增益偏移量中的B增益偏移量为B2;Y确定的自身第二增益偏移量中的R增益偏移量为R3,自身第二增益偏移量中的B增益偏移量为B3;Z确定的自身第二增益偏移量中的R增益偏移量为R4,自身第二增益偏移量中的B增益偏移量为B4。
主图像采集设备W计算(R1+R2+R3+R4)/4,将计算得到的值确定为目标增益偏移量中的R增益偏移量;主图像采集设备W计算(B1+B2+B3+B4)/4,将计算得到的值确定为目标增益偏移量中的B增益偏移量。
将待校正图像各像素点的R增益调整为第一R增益*目标增益偏移量中的R增益偏移量;将待校正图像各像素点的B增益调整为第一B增益*目标增益偏移量中的B增益偏移量。
利用调整后的R增益和调整后的B增益对待校正图像中的所有像素点进行校正。
应用本发明图4所示实施例,获取待校正图像中的各像素点的RGB数据,将各像素点的RGB数据转换为HSV数据;根据各像素点的色调H数据和饱和度S数据,构建HS三维直方图;识别像素点的数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于第一H分量区间和第一S分量区间中的每个第一像素点;根据每个第一像素点的RGB数据,计算第一R增益和第一B增益,并采用第一R增益和第一B增益对待校正图像进行第一次校正;确定目标增益偏移量,根据目标增益偏移量,对待校正图像进行第二次校正。由此可见,针对拍摄大面积单色场景的图像,提取属于大面积单色的第一像素点,根据第一像素点的RGB数据对图像进行校正,而不需要寻找白点或者灰点,避免了因白点或者灰点的个数少导致的对图像的校正效果不佳的情况。
为了进一步提高对图像的校正效果,本发明实施例提供了另一种图像校正方法,具体如图5所示,本发明图5所示实施例在本发明图4所示实施例的基础上,在S104之前增加S108:根据每个第一像素点的HSV数据中的亮度V数据,将V数据大于第二设定阈值或小于三设定阈值的第一像素点去除。
S104为S104A:根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益。
在本发明所示实施例中,确定出属于大面积单色的第一像素点后,排除掉过亮或者过暗的点,即,将V数据大于第二设定阈值或小于三设定阈值的第一像素点去除。根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益,从而有效的提高校正效果。
应用本发明图5所示实施例,确定出第一像素点后,排除亮度对色彩的影响,进一步提高对图像的校正效果。
与上述的方法实施例相对应,本发明实施例还提供一种图像校正装置。
图6为本发明实施例提供的图像校正装置的第一种结构示意图,包括:
获取转换模块201,用于获取待校正图像中的各像素点的RGB数据,将所述各像素点的RGB数据转换为HSV数据;
构建模块202,用于根据所述各像素点的色调H数据和饱和度S数据,构建HS三维直方图,其中所述HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量;
识别确定模块203,用于识别所述数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于所述第一H分量区间和第一S分量区间中的每个第一像素点;
计算模块204,用于根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益;
第一校正模块205,用于采用所述第一R增益和第一B增益对所述待校正图像进行第一次校正;
确定模块206,用于确定目标增益偏移量,其中,增益偏移量包括R增益偏移量和B增益偏移量;
在实际应用中,确定模块206,可以包括:第一确定子模块或第二确定子模块(图中未示出),其中,
第一确定子模块,用于将用户发送的增益偏移量确定为目标增益偏移量;
第二确定子模块,用于当自身为对同一场景进行图像采集的从图像采集设备时,将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
在实际应用中,确定模块206,可以包括:第一计算子模块和第三确定子模块(图中未示出),其中,
第一计算子模块,用于根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;
第三确定子模块,用于将所述第二R增益和所述第一R增益的商确定为所述目标增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为所述目标增益偏移量中的B增益偏移量。
在实际应用中,确定模块206,可以包括:第二计算子模块、第四确定子模块、接收子模块和第五确定子模块(图中未示出),其中,
第二计算子模块,用于根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;
第四确定子模块,用于将所述第二R增益和所述第一R增益的商确定为自身第一增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为自身第一增益偏移量中的B增益偏移量;
接收子模块,用于当自身为对同一场景进行图像采集的主图像采集设备时,接收从图像采集设备发送的所述从图像采集设备确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量;
第五确定子模块,用于将所述第一增益偏移量中的R增益偏移量和所述第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量;将所述第一增益偏移量中的B增益偏移量和所述第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
第二校正模块207,用于根据所述目标增益偏移量,对所述待校正图像进行第二次校正。
应用本发明图6所示实施例,获取待校正图像中的各像素点的RGB数据,将各像素点的RGB数据转换为HSV数据;根据各像素点的色调H数据和饱和度S数据,构建HS三维直方图;识别像素点的数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于第一H分量区间和第一S分量区间中的每个第一像素点;根据每个第一像素点的RGB数据,计算第一R增益和第一B增益,并采用第一R增益和第一B增益对待校正图像进行第一次校正;确定目标增益偏移量,根据目标增益偏移量,对待校正图像进行第二次校正。由此可见,针对拍摄大面积单色场景的图像,提取属于大面积单色的第一像素点,根据第一像素点的RGB数据对图像进行校正,而不需要寻找白点或者灰点,避免了因白点或者灰点的个数少导致的对图像的校正效果不佳的情况。
图7为本发明实施例提供的图像校正装置的第二种结构示意图,本发明图7所示实施例在本发明图6所示实施例的基础上,还可以包括:
去除模块208,用于根据每个所述第一像素点的HSV数据中的亮度V数据,将所述V数据大于第二设定阈值或小于三设定阈值的第一像素点去除;
计算模块204,具体可以用于:
根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益。
应用本发明图7所示实施例,确定出第一像素点后,排除亮度对色彩的影响,进一步提高对图像的校正效果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种图像校正方法,其特征在于,应用于图像采集设备,所述方法包括:
获取待校正图像中的各像素点的RGB数据,将所述各像素点的RGB数据转换为HSV数据;
根据所述各像素点的色调H数据和饱和度S数据,构建HS三维直方图,其中所述HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量;
识别所述数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于所述第一H分量区间和第一S分量区间中的每个第一像素点;
根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益,并采用所述第一R增益和第一B增益对所述待校正图像进行第一次校正;
确定目标增益偏移量,其中,增益偏移量包括R增益偏移量和B增益偏移量;
根据所述目标增益偏移量,对所述待校正图像进行第二次校正。
2.根据权利要求1所述的方法,其特征在于,所述确定目标增益偏移量,包括:
将用户发送的增益偏移量确定为目标增益偏移量;或,
当自身为对同一场景进行图像采集的从图像采集设备时,将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
3.根据权利要求1所述的方法,其特征在于,所述确定目标增益偏移量,包括:
根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;将所述第二R增益和所述第一R增益的商确定为所述目标增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为所述目标增益偏移量中的B增益偏移量。
4.根据权利要求1所述的方法,其特征在于,当自身为对同一场景进行图像采集的主图像采集设备时,所述确定目标增益偏移量,包括:
根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;将所述第二R增益和所述第一R增益的商确定为自身第一增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为自身第一增益偏移量中的B增益偏移量;
接收从图像采集设备发送的所述从图像采集设备确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量;
将所述第一增益偏移量中的R增益偏移量和所述第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量,将所述第一增益偏移量中的B增益偏移量和所述第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
5.根据权利要求1所述的方法,其特征在于,在所述根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益之前,还包括:
根据每个所述第一像素点的HSV数据中的亮度V数据,将所述V数据大于第二设定阈值或小于三设定阈值的第一像素点去除;
所述根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益,包括:
根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益。
6.一种图像校正装置,其特征在于,应用于图像采集设备,所述装置包括:
获取转换模块,用于获取待校正图像中的各像素点的RGB数据,将所述各像素点的RGB数据转换为HSV数据;
构建模块,用于根据所述各像素点的色调H数据和饱和度S数据,构建HS三维直方图,其中所述HS三维直方图中记录有位于每一H分量区间和每一S分量区间的像素点的数量;
识别确定模块,用于识别所述数量大于第一设定阈值的第一H分量区间和第一S分量区间,并确定位于所述第一H分量区间和第一S分量区间中的每个第一像素点;
计算模块,用于根据每个所述第一像素点的RGB数据,计算第一R增益和第一B增益;
第一校正模块,用于采用所述第一R增益和第一B增益对所述待校正图像进行第一次校正;
确定模块,用于确定目标增益偏移量,其中,增益偏移量包括R增益偏移量和B增益偏移量;
第二校正模块,用于根据所述目标增益偏移量,对所述待校正图像进行第二次校正。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,包括:
第一确定子模块,用于将用户发送的增益偏移量确定为目标增益偏移量;或,
第二确定子模块,用于当自身为对同一场景进行图像采集的从图像采集设备时,将主图像采集设备发送的增益偏移量确定为目标增益偏移量。
8.根据权利要求6所述的装置,其特征在于,所述确定模块,包括:
第一计算子模块,用于根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;
第三确定子模块,用于将所述第二R增益和所述第一R增益的商确定为所述目标增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为所述目标增益偏移量中的B增益偏移量。
9.根据权利要求6所述的装置,其特征在于,所述确定模块,包括:
第二计算子模块,用于根据所述待校正图像中除所述第一像素点以外的第二像素点的RGB数据,计算第二R增益和第二B增益;
第四确定子模块,用于将所述第二R增益和所述第一R增益的商确定为自身第一增益偏移量中的R增益偏移量,将所述第二B增益和所述第一B增益的商确定为自身第一增益偏移量中的B增益偏移量;
接收子模块,用于当自身为对同一场景进行图像采集的主图像采集设备时,接收从图像采集设备发送的所述从图像采集设备确定的自身第二增益偏移量中的R增益偏移量和B增益偏移量;
第五确定子模块,用于将所述第一增益偏移量中的R增益偏移量和所述第二增益偏移量中的R增益偏移量的平均值,确定为目标增益偏移量中的R增益偏移量;将所述第一增益偏移量中的B增益偏移量和所述第二增益偏移量中的B增益偏移量的平均值,确定为目标增益偏移量中的B增益偏移量。
10.根据权利要求6所述的装置,其特征在于,还包括:
去除模块,用于根据每个所述第一像素点的HSV数据中的亮度V数据,将所述V数据大于第二设定阈值或小于三设定阈值的第一像素点去除;
所述计算模块,具体用于:
根据剩余的第一像素点的RGB数据,计算第一R增益和第一B增益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610284184.8A CN107341767B (zh) | 2016-04-29 | 2016-04-29 | 一种图像校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610284184.8A CN107341767B (zh) | 2016-04-29 | 2016-04-29 | 一种图像校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107341767A true CN107341767A (zh) | 2017-11-10 |
CN107341767B CN107341767B (zh) | 2020-07-03 |
Family
ID=60221720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610284184.8A Active CN107341767B (zh) | 2016-04-29 | 2016-04-29 | 一种图像校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107341767B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107911620A (zh) * | 2017-12-28 | 2018-04-13 | 努比亚技术有限公司 | 一种白平衡的确定方法、终端和计算机可读存储介质 |
CN108174091A (zh) * | 2017-12-28 | 2018-06-15 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN109035235A (zh) * | 2018-07-27 | 2018-12-18 | 郑州工程技术学院 | 一种车灯光导色差检测方法 |
CN109331400A (zh) * | 2018-04-03 | 2019-02-15 | 王志效 | 大数据检测方法 |
CN109934786A (zh) * | 2019-03-14 | 2019-06-25 | 河北师范大学 | 一种图像的颜色校正方法、系统及终端设备 |
CN113545033A (zh) * | 2020-02-13 | 2021-10-22 | 深圳元戎启行科技有限公司 | 白平衡控制方法、装置、电子设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101047867A (zh) * | 2007-03-20 | 2007-10-03 | 宁波大学 | 一种多视点视频颜色校正方法 |
CN101064774A (zh) * | 2006-04-27 | 2007-10-31 | 索尼株式会社 | 图像拾取装置、图像拾取方法以及程序 |
CN101141595A (zh) * | 2006-09-05 | 2008-03-12 | 三星电子株式会社 | 图像校正方法和设备 |
CN103065334A (zh) * | 2013-01-31 | 2013-04-24 | 金陵科技学院 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
-
2016
- 2016-04-29 CN CN201610284184.8A patent/CN107341767B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101064774A (zh) * | 2006-04-27 | 2007-10-31 | 索尼株式会社 | 图像拾取装置、图像拾取方法以及程序 |
CN101141595A (zh) * | 2006-09-05 | 2008-03-12 | 三星电子株式会社 | 图像校正方法和设备 |
CN101047867A (zh) * | 2007-03-20 | 2007-10-03 | 宁波大学 | 一种多视点视频颜色校正方法 |
CN103065334A (zh) * | 2013-01-31 | 2013-04-24 | 金陵科技学院 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107911620A (zh) * | 2017-12-28 | 2018-04-13 | 努比亚技术有限公司 | 一种白平衡的确定方法、终端和计算机可读存储介质 |
CN108174091A (zh) * | 2017-12-28 | 2018-06-15 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN108174091B (zh) * | 2017-12-28 | 2021-04-13 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN109331400A (zh) * | 2018-04-03 | 2019-02-15 | 王志效 | 大数据检测方法 |
CN109331400B (zh) * | 2018-04-03 | 2020-09-22 | 付军 | 大数据检测方法 |
CN109035235A (zh) * | 2018-07-27 | 2018-12-18 | 郑州工程技术学院 | 一种车灯光导色差检测方法 |
CN109035235B (zh) * | 2018-07-27 | 2021-09-07 | 郑州工程技术学院 | 一种车灯光导色差检测方法 |
CN109934786A (zh) * | 2019-03-14 | 2019-06-25 | 河北师范大学 | 一种图像的颜色校正方法、系统及终端设备 |
CN109934786B (zh) * | 2019-03-14 | 2023-03-17 | 河北师范大学 | 一种图像的颜色校正方法、系统及终端设备 |
CN113545033A (zh) * | 2020-02-13 | 2021-10-22 | 深圳元戎启行科技有限公司 | 白平衡控制方法、装置、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107341767B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341767A (zh) | 一种图像校正方法及装置 | |
US7978903B2 (en) | Defect detecting method and defect detecting device | |
JP5647878B2 (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
CN105976354B (zh) | 基于颜色和梯度的元件定位方法和系统 | |
US20130223760A1 (en) | Microscopic image fusion method based on region growing | |
JP4229980B1 (ja) | 画像分割装置および画像分割方法 | |
CN107507144A (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
CN101946519A (zh) | 图像处理装置、成像装置、校正系数计算方法以及图像处理程序 | |
JP3741672B2 (ja) | 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム | |
CN110458789A (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN108593645A (zh) | 一种尿液试纸的检测结果确定方法及确定装置 | |
CN110060250A (zh) | 一种舌体图像处理方法、装置及电子设备 | |
CN109889696A (zh) | 用于自动几何校正的抗噪声拍摄图像识别方法及系统 | |
CN102724541B (zh) | 一种监控影像智能诊断恢复方法 | |
CN113281017B (zh) | 一种显示屏的质量检测方法、终端及存储介质 | |
CN113132639B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN101534375A (zh) | 用于校正色差的方法 | |
CN113766203B (zh) | 一种图像白平衡处理方法 | |
CN101561316A (zh) | 一种基于感兴趣区域(roi)的在线检测视觉数据处理系统 | |
CN113365103A (zh) | 坏帧自动检测方法、装置、设备、存储介质、程序产品 | |
CN105389818B (zh) | 元件的定位方法和系统 | |
Russo et al. | A vector approach to quality assessment of color images | |
Rattanapitak et al. | Comparative efficiency of color models for multi-focus color image fusion | |
Choudhury et al. | Combining quality metrics using machine learning for improved and robust HDR image quality assessment | |
CN108270983B (zh) | 一种字符叠加显示方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |