CN107836115A - 使用红外和/或紫外信号的自动白平衡 - Google Patents

使用红外和/或紫外信号的自动白平衡 Download PDF

Info

Publication number
CN107836115A
CN107836115A CN201680039068.8A CN201680039068A CN107836115A CN 107836115 A CN107836115 A CN 107836115A CN 201680039068 A CN201680039068 A CN 201680039068A CN 107836115 A CN107836115 A CN 107836115A
Authority
CN
China
Prior art keywords
probability
light
datas
illuminator
illuminator type
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
Application number
CN201680039068.8A
Other languages
English (en)
Other versions
CN107836115B (zh
Inventor
洪嗣博
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.)
Google LLC
Original Assignee
Google LLC
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 Google LLC filed Critical Google LLC
Publication of CN107836115A publication Critical patent/CN107836115A/zh
Application granted granted Critical
Publication of CN107836115B publication Critical patent/CN107836115B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6027—Correction or control of colour gradation or colour contrast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6083—Colour correction or control controlled by factors external to the apparatus
    • H04N1/6086—Colour correction or control controlled by factors external to the apparatus by scene illuminant, i.e. conditions at the time of picture capture, e.g. flash, optical filter used, evening, cloud, daylight, artificial lighting, white point measurement, colour temperature
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Color Television Image Signal Generators (AREA)
  • Processing Of Color Television Signals (AREA)
  • Studio Devices (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

根据一个方面，一种设备，包括：照相机，其被配置成获得图像；电磁辐射传感器，其被配置成产生与所述图像相关联的紫外(UV)光数据和红外(IR)光数据中的至少一个；传感器处理器，其被配置成使用所述UV光数据和所述IR光数据中的至少一个根据概率数据检测发光体类型概率，其中，所述发光体类型概率指示与所述图像相关联的光源是特定发光体类型的置信度的水平；以及自动白平衡单元，其被配置成利用所述发光体类型概率调节自动白平衡。

Description

使用红外和/或紫外信号的自动白平衡
相关申请的交叉引用
本申请要求题为“AUTO WHITE BALANCE USING INFRARED AND/OR ULTRAVIOLETSIGNALS”于2015年10月16日提交的美国非临时专利申请号14/885,377的优先权并且是其继续申请，其公开内容通过引用全部并入本文。
背景技术
自动白平衡(AWB)是可以被用于在用于由照相机传感器所捕捉的图像的各种发光体下实现颜色恒常性的功能。常规地，AWB可以从输入图像采集统计样本并且通过分析统计样本估计发光体。然而，该方法可能由输入图像中的颜色误导。例如，照相机可以检测具有仅红绿蓝(Red Green Blue(RGB))颜色的场景，但是可能不能够确定发光体的光谱分布。因此，通过使用仅图像自己，AWB可以被所检测到的RGB值误导。例如，皮肤或者木材颜色倾向于通过朝向较低的颜色温度方向估计误导AWB并且结果图像可能看起来不正确(例如，是浅蓝色而不是白色)。
发明内容
在下面附图和描述中阐述一个或多个实施方式的细节。其它特征将从描述和附图并且从权利要求而显而易见。
根据方面，一种设备，包括：照相机，其被配置成获得图像；电磁辐射传感器，其被配置成产生与图像相关联的紫外(UV)光数据和红外(IR)光数据中的至少一个；传感器处理器，其被配置成使用UV光数据和IR光数据中的至少一个根据概率数据确定/检测发光体类型概率，其中，发光体类型概率指示与图像相关联的光源是特定发光体类型的置信度的水平；以及自动白平衡单元，其被配置成利用/基于发光体类型概率调节自动白平衡。
设备可以包括以下特征中的一个或多个(或其任何组合)。传感器处理器可以被配置成基于UV光数据是否在UV值的范围内并且IR光数据是否在IR值的范围内，将发光体类型概率确定/检测为在置信度阈值以上，其中，发光体类型概率在置信度阈值以上指示光源可以被分类为特定发光体类型。传感器处理器可以被配置成确定当发光体类型概率在置信度阈值以上时与图像相关联的光源是日光，其中，当UV光数据在第一上限阈值以上并且IR光数据在第二上限阈值以上时，发光体类型概率在置信度阈值以上。传感器处理器可以被配置成确定当发光体类型概率在置信度阈值以上时，与图像相关联的光源是荧光灯，其中，当UV光数据在上限中间阈值与下限中间阈值之间并且IR光数据在下限阈值以下时，发光体类型概率在置信度阈值以上。传感器处理器可以被配置成确定当发光体类型概率在置信度阈值以上时，与图像相关联的光源是白炽灯，其中，当UV光数据在上限中间阈值与下限中间阈值之间并且IR光数据在上限阈值以上时，发光体类型概率在置信度阈值以上。传感器处理器可以被配置成确定当发光体类型概率在置信度阈值以上时，与图像相关联的光源是可见的发光二极管(LED)，其中，当UV光数据在第一下限阈值以下并且IR光数据在第二下限阈值以下时，发光体类型概率在置信度阈值以上。概率数据可以包括UV概率关系和IR概率关系中的至少一个。UV概率关系可以提供UV值相对于亮度值的布置。UV概率关系可以包括用于UV值和亮度值的组合的概率。IR概率关系可以提供IR值相对于亮度值的布置。IR概率关系可以指示用于IR值和亮度值的组合的概率。概率数据可以包括比率概率关系，所述比率概率关系针对UV光数据和IR光数据的比率的比率值提供概率。照相机和电磁辐射传感器可以共享接口总线和电源连接。照相机可以是被部署在设备的显示屏的相同侧的前置照相机。
根据方面，一种存储可执行指令的非暂时性计算机可读介质，所述可执行指令当被执行时，使得至少一个处理器：捕捉图像；产生与图像相关联的紫外(UV)光数据和红外(IR)光数据；确定与图像相关联的亮度是否在阈值以上；当亮度在阈值以上时，根据第一方法使用UV光数据和IR光数据根据概率数据确定/检测发光体类型概率，其中，发光体类型概率指示与图像相关联的光源是特定发光体类型的置信度水平；当亮度在阈值以下时，根据第二方法使用UV光数据和IR光数据根据概率数据确定/检测发光体类型概率，其中，第二方法与第一方法不同；并且根据第一方法或者第二方法利用/基于发光体类型概率，调节自动白平衡。
非暂时性计算机可读介质可以包括以上或以下特征中的一个或多个(或其任何组合)。概率数据可以包括UV概率关系和IR概率关系，并且第一方法包括可执行指令，所述可执行指令当被执行时，使得至少一个处理器进行以下各项：确定UV光数据的绝对值和IR光数据的绝对值；基于UV光数据的绝对值，根据UV概率关系获得UV概率；基于IR光数据的绝对值，根据IR概率关系获得IR概率；并且基于UV概率和IR概率，计算发光体类型概率。概率数据可以包括比率概率关系，并且第二方法包括可执行指令，所述可执行指令当被执行时，使得至少一个处理器进行以下各项：计算UV光数据的值和IR光数据的值的比率；并且使用该比率根据比率概率关系获得发光体类型概率。发光体类型概率可以基于UV光数据是否在UV值的范围内并且IR光数据是否在IR值的范围内被确定/检测为在置信度阈值以上，其中，发光体类型概率在置信度阈值以上指示光源可以被分类为特定发光体类型。调节自动白平衡的可执行指令包括可执行指令，所述可执行指令当被执行时，使得至少一个处理器对AWB增益量的初始决策之前并入来自概率数据的发光体类型概率，包括利用来自概率数据的发光体类型概率对图像的AWB统计样本进行加权。调节自动白平衡的可执行指令包括可执行指令，所述指令当被执行时，使得至少一个处理器并入来自概率数据的发光体类型概率作为决策修改启发法和时间启发法的一部分。
根据方面，一种方法，包括：通过照相机获得图像；通过电磁辐射传感器产生与图像相关联的紫外(UV)光数据和红外(IR)光数据；通过传感器处理器根据或者第一方法或者第二方法使用UV光数据和IR光数据根据概率数据确定/检测发光体类型概率，发光体类型概率指示与图像相关联的光源是特定发光体类型的置信度水平；并且通过自动白平衡单元利用/基于发光体类型概率调节自动白平衡。
方法可以包括下面的以下或以上特征中的一个或多个(或其任何组合)。概率数据可以包括UV概率关系和IR概率关系，并且第一方法包括：使用UV光数据的绝对值和与图像相关联的亮度值根据UV概率关系获得UV概率；基于IR光数据的值和与图像相关联的亮度值，根据IR概率关系获得IR概率；并且通过将UV概率乘以IR概率计算发光体类型概率。概率数据可以包括比率概率关系，并且第二方法包括：计算UV光数据的值和IR光数据的值的比率；并且使用该比率根据比率概率关系确定光源的特定发光体类型和特定发光体类型的发光体类型概率。利用/基于发光体类型概率调节自动白平衡可以包括：解析图像的AWB统计样本；利用来自概率数据的发光体类型概率对AWB统计样本进行加权；基于加权的AWB统计样本将AWB增益量确定为初始决策；对AWB统计样本和被确定为初始决策的一部分的AWB增益量执行启发法，来自概率数据的发光体类型概率还被并入启发法中。
附图说明
图1A图示了根据方面的被配置成利用紫外(UV)光数据和/或红外(IR)光数据增强自动白平衡(AWB)的设备的块图。
图1B图示了根据方面的具有多个阈值的UV值。
图1C图示了根据方面的具有多个阈值的IR值。
图2图示了根据方面的图1A的设备的传感器处理器的示例。
图3A图示了根据方面的描绘用于日光的发光体类型的UV概率关系的图形表示的图形。
图3B图示了根据方面的描绘用于日光的发光体类型的IR概率关系的图形表示的图形。
图4图示了根据方面的描绘比率概率关系的图形表示的图形。
图5是根据方面的图示绝对值方法的示例操作的流程图。
图6是根据方面的图示比率方法的示例操作的流程图。
图7是根据方面的图示图1A的设备的示例操作的流程图。
图8是根据方面的图示图1A的AWB单元的示例操作的流程图。
图9是根据方面的图示图1A的设备的示例操作的流程图。
图10是示出可以被用于实现图1-9的系统和方法的示例或代表性计算设备和相关联的元件的块图。
具体实施方式
根据方面，本文所讨论的实施方式可以提供在其中利用红外(IR)和/或紫外(UV)光数据增强AWB的增强型自动白平衡(AWB)机制。例如，取代使用仅来自图像自己的红绿蓝(Red Green Blue(RGB))值估计发光体，增强型AWB机制可以使用IR和/或UV光数据来提供关于图像的场景的附加信息，其可以辅助做出关于用于图像的适当的白平衡的正确决策。UV和/或IR光数据可以提供关于与图像相关联的发光体的类型的信息，诸如其是否包含真实的日光、白炽灯、荧光灯和/或可见发光二极管(LED)。
图1A图示了根据方面的被配置成利用紫外(UV)光数据106和/或红外(IR)光数据108增强自动白平衡(AWB)的设备100的块图。例如，取代使用仅用于AWB的图像105的RGB值，设备100将UV光数据106和/或IR光数据108并入分析中来确定与图像105相关联的发光体的类型。例如，设备100可以基于UV光数据106和/或IR光数据108，确定图像的光源的发光体类型(例如，其是否是真实的日光、白炽灯、荧光灯和/或可见LED灯)和/或图像的光源是特定发光体类型的概率。
设备100可以包括具有图像捕捉能力的任何类型的设备。在一些示例中，设备100是计算设备(诸如移动计算设备(例如，膝上型电脑、智能电话、平板电脑等))或者非移动计算设备(例如，桌面型计算机)。在一些示例中，设备100是独立式照相机设备(例如，设备100的主要用途是捕捉图像105)。
设备100可以包括照相机102，其被配置成捕捉图像105。照相机102可以是数字照相机。在一些示例中，照相机102可以被部署在设备100的前面(例如，前置照相机)。例如，照相机102可以被部署在与设备100的显示屏160相同侧。在一些示例中，照相机102可以被部署在设备100的后面(例如，被部署在显示屏160的相对侧的后置照相机)。在一些示例中，设备100可以包括多个照相机102(例如，前置照相机和后置照相机二者)。
图像105可以是单独的静止图像(例如，照片)或者构成视频或电影的图像的序列。图像105可以是数字图像。图像105可以是具有被称为图片元素或像素的数字值的二维图像的数值表示，其中，每个像素具有指示明亮度(brightness)水平的亮度(luminance)值。图像105可以包括固定数目的像素行和列，其中，像素是图像中的最小单独元素，这保持表示任何特定点处的给定颜色的明亮度的量化值。在一些示例中，图像105包括红绿蓝(RGB)亮度值，其中，每个像素由指示其红、绿和蓝强度的RGB亮度值表示。
设备100可以包括电磁辐射传感器104，其被配置成检测与图像105相关联的紫外(UV)光和/或红外(IR)光的量并且将所检测到的量处理或者表示为UV光数据106和/或IR光数据108。在一些示例中，电磁辐射传感器104可以产生UV光数据106和IR光数据108二者。在一些示例中，电磁辐射传感器104是能够感测UV光和IR光二者的单个传感器部件。在其它示例中，电磁辐射传感器104可以包括分离的传感器部件(诸如UV传感器，其被配置成生成UV光数据106，以及IR传感器，其被配置成生成IR光数据108)。在一些示例中，电磁辐射传感器104可以产生仅UV光数据106。在一些示例中，电磁辐射传感器104可以产生仅IR光数据108。UV光数据106可以包括表示与图像105(或图像105的一部分)相关联的UV光的水平。在一些示例中，UV光数据106包括多个UV读数(诸如在第一时间处捕捉的第一UV值和在第一时间之后的第二时间处所捕捉的第二UV值)。IR光数据108可以包括表示与图像105(或图像105的一部分)相关联的IR光的水平。在一些示例中，IR光数据108可以包括多个IR读数(诸如在第一时间处捕捉的第一IR值和在第一时间之后的第二时间处所捕捉的第二IR值)。
电磁辐射传感器104可以从电磁辐射传感器104的视场检测UV光和/或IR光的量。电磁辐射传感器104可以通过测量UV射线的量产生UV光数据106，并且可以通过测量IR射线的量产生IR光数据108。电磁辐射传感器104可以从接近于设备100(例如，在距设备100特定范围内)的物理区域检测UV光和/或IR光的量。在一些示例中，电磁辐射传感器104可以从所捕捉的图像105的场景的位置(或部分位置)检测UV光和/或IR光的量。例如，电磁辐射传感器104可以被引导以从通常与照相机102的视场相对应的区域感测UV光和/或IR光。
电磁辐射传感器104可以包括一个或多个光电二极管、放大器和/或模拟和数字电路的布置。电磁辐射传感器104可以被部署在照相机102附近。在一些示例中，电磁辐射传感器104可以被耦合到照相机102。在一些示例中，电磁辐射传感器104和照相机102可以共享电源连接118和计算机总线119。在一些示例中，计算机总线119是内部集成电路(I2C)总线。在一些示例中，设备100可以包括多个照相机102，其中，照相机102中的仅一个与电磁辐射传感器104共享公共电源连接118和计算机总线119。在一些示例中，被配置为前置照相机的照相机102与电磁辐射传感器104共享公共电源连接118和计算机总线119。在一些示例中，被配置为后置照相机的照相机102与电磁辐射传感器104共享公共电源连接118和计算机总线119。在一些示例中，电磁辐射传感器104被集成到照相机102中。例如，照相机102还能够感测UV和IR光，并且将所检测到的量表示为UV光数据106和IR光数据108。
设备100可以包括传感器处理器110，其被配置成使用UV光数据106和IR光数据108根据概率数据112确定/检测与图像105相关联的光源的发光体类型概率114。概率数据112可以针对UV和IR值的各种组合指定每个发光体类型的概率。在一些示例中，概率数据112可以针对与图像105相关联的UR和IR值和亮度值的各种组合指定每个发光体类型的概率。发光体类型概率114可以指代(或者表示)图像的光源是特定发光体类型(诸如日光、荧光灯、白炽灯和/或可见LED灯)的置信度水平。而且，发光体类型可以包括光源的其它分类。换句话说，发光体可以指代光源，并且发光体类型可以指代光源的类型。在一些示例中，图像105可以包括多个光源，并且传感器处理器110可以检测用于存在于图像105中的每个光源的发光体类型概率114。
发光体类型概率114可以是指示光源是特定发光体类型的置信度水平的标度的数值。在一些示例中，标度的一端可以指示低概率(例如，0％概率)并且标度的另一端可以指示高概率(例如，90％或100％概率)。在非限制性示例中，发光体类型概率114可以是0-100的范围内的值。然而，应当指出，可以使用任何类型的数值标度。当发光体类型概率114在置信度阈值以上(例如，在80以上)时，传感器处理器110可以将光源分类为特定类型的发光体。在一些示例中，发光体类型概率114可以包括以下中的一个或多个：光源是第一发光体类型(例如，日光)的概率、光源是第二发光体类型(例如，荧光灯)的概率、光源是第三发光体类型(例如，白炽灯)的概率、光源是第三发光体类型(例如，可见LED灯)的概率。在一些示例中，存在针对特定发光体类型的UV和/或IR值的高阈值和低阈值。当UV值和/或IR值高于高阈值时，传感器处理器110可以确定光源是特定发光体类型的100％概率，并且当UV值和/或IR值低于低阈值时，传感器处理器110可以确定光源是特定发光体类型的0％概率。对于低阈值与高阈值之间的UV和/或IR值而言，传感器处理器110可以线性内插该概率。
设备100可以包括自动白平衡(AWB)单元116，其被配置成接收图像105和发光体类型概率114，并且利用发光体类型概率114调节被应用到图像105的AWB 117。将发光体类型概率114并入AWB 117的应用中可以增加图像105的质量，从而在显示屏160上被提供为经渲染的图像162。在一些示例中，AWB 117可以是移除不现实的色偏的过程，使得看起来是白色的对象在所捕获的图像中实际上也被渲染成白色。AWB 117可以包含光源的色温，其指代白光的相对暖度和冷度。人眼擅长在不同的光源下判断什么是白色，但是照相机常常对AWB117感到困难，并且可能在经渲染的图像162中创建不美观的蓝、橙或甚至绿色偏。在一些示例中，常规照相机不能获得(或者估计或者准确地估计)发光体的光谱分布，并且因此AWB 117能够被图像105的所检测的RGB值误导。
AWB单元116可以从所捕捉的图像105采集AWB统计样本并且使用发光体类型概率114对所采集的AWB统计样本进行加权。因此，AWB单元116可以利用适当的白平衡调节图像105，使得实际上看起来白色的对象在经渲染的图像162中被渲染白色和/或色彩一致性被实现(例如，衬衫上的紫色衣领在经渲染的图像162中保持紫色而不是使用常规AWB被渲染为蓝色，橱柜在经渲染的图像162中保持灰色而不是使用常规AWB被渲染为蓝色等)。常规AWB技术可以使用从图像105自己采样的AWB统计样本估计发光体类型。
然而，根据各种方面，AWB单元116可以将发光体类型概率114并入AWB 117中，其中，发光体类型概率114提供场景的光源是否是特定类型的发光体的可能性(其已从UV光数据106和/或IR光数据108得到)。因此，AWB单元116可以不必使用仅AWB统计样本估计发光体类型。在其它示例中，AWB单元116可以利用由传感器处理器110所确定的发光体类型概率114从AWB统计样本增强发光体类型估计。图8更详细地图示了AWB 117，其稍后在本公开中被解释。
UV光数据106和IR光数据108可以提供关于与图像105相关联的发光体的附加信息，其不是从图像105的RGB值可获得的。例如，UV光数据106和IR光数据108的值可以确定发光体类型概率114。在一些示例中，传感器处理器110可以基于UV光数据106是否在UV值的范围内并且IR光数据是108否在IR值的范围内，将发光体类型概率检测为在置信度阈值以上，其中，发光体类型概率114在置信度阈值以上指示光源可以被分类为特定发光体类型。
图1B图示了根据方面的具有多个阈值的UV值250。图1C图示了根据方面的具有多个阈值的IR值260。UV值250可以表示UV辐射的值的光谱(或光谱的一部分)。IR值260可以表示IR辐射的值的光谱(或光谱的一部分)。概率数据112可以提供用于UV值250和IR值260的各种组合的发光体类型概率114。当UV光数据106落在UV值250的特定范围内并且IR光数据108落在IR值260的特定范围内时，传感器处理器110可以确定与图像105相关联的光源是特定发光体类型和/或图像的光源是特定发光体类型的概率。
特别地，传感器处理器110可以确定当发光体类型概率114在置信度阈值以上时与图像105相关联的光源是日光，并且当UV光数据106在上限阈值252以上并且IR光数据108在上限阈值262以上时，发光体类型概率114在置信度阈值以上。例如，UV光数据106的相对高值(例如，在上限阈值252以上的UV值)和IR光数据108的相对高值(例如，在上限阈值262以上的IR值)可以指示发光体类型是日光。
传感器处理器110可以确定当发光体类型概率114在置信度阈值以上时与图像105相关联的光源是荧光灯，其中，当UV光数据106在上限中间阈值254与下限中间阈值256之间并且IR光数据108在上限阈值268以下时，发光体类型概率114在置信度阈值以下。例如，UV光数据106的中间值(例如，上限中间阈值254与下限中间阈值256之间的UV值)和IR光数据108的相对低值(例如，在下限阈值268以下的IR值)可以指示发光体类型是荧光灯。
传感器处理器110可以确定当发光体类型概率114在置信度阈值以上时，与图像105相关联的光源是白炽灯，其中，当UV光数据106在上限中间阈值254与下限中间阈值256之间并且IR光数据108在上限阈值262以上时，发光体类型概率114在置信度阈值以上。例如，UV光数据106的中间值(例如，上限中间阈值254与下限中间阈值256之间的UV值)和IR光数据108的相对高值(例如，在上限阈值262以上的IR值)可以指示发光体类型是白炽灯。
传感器处理器110可以确定当发光体类型概率在置信度阈值以上时与图像105相关联的光源是可见的，其中当UV光数据106在下限阈值258以下并且IR光数据108在下限阈值268以下时，发光体类型概率114在置信度阈值以上。例如，UV光数据106的相对低值(例如，在下限阈值258以下的UV值)和IR光数据108的相对低值(例如，在下限阈值268以下的IR值)可以指示发光体类型是可见LED。在一些示例中，概率数据112可以指定被用于区分其它类型的发光体的上限中间阈值264和下限中间阈值266。在一些示例中，下限阈值258和下限阈值268可以是10-20。然而，参考图1B和1C所讨论的阈值可以基于使用的IR/UV传感器的类型来选择。
图2图示了根据方面的传感器处理器110的示例。在一些示例中，传感器处理器110可以根据绝对值方法201(例如，第一方法)和/或比率方法203(例如，第二方法)确定/检测发光体类型概率114。在一些示例中，传感器处理器110可以使用仅绝对值方法201确定发光体类型概率114。在一些示例中，传感器处理器110可以使用仅比率方法203确定发光体类型概率114。在一些示例中，传感器处理器110可以基于绝对值方法201和比率方法203的组合，确定发光体类型概率114。
在一些示例中，传感器处理器110可以确定绝对值方法201和比率方法203中的哪一个用来基于图像105的亮度水平确定发光体类型概率114。例如，传感器处理器110可以确定图像105的亮度，并且当亮度在阈值以上时，传感器处理器110可以确定使用比率方法203。在一些示例中，阈值可以是50lux。然而，在一些示例中，阈值可以基于UV/IR传感器的类型选择。在其它示例中，当亮度在阈值以下时，传感器处理器110可以确定使用绝对值方法201。在一些示例中，比率方法203可以比绝对值方法201计算更快，但是对于在阈值以下的亮度水平而言，比率方法203可能不与绝对值方法201一样准确。
根据绝对值方法201，概率数据112可以包括UV概率关系205和IR概率关系206。在一些示例中，UV概率关系205和IR概率关系206被实现为分立的表(或单个表)或其它类型的数据结构，其布置UV值250和IR值260和UV概率和IR概率之间的关系。在一些示例中，对于每个发光体类型提供一对表(例如，该对包括用于UV概率关系205的一个表和用于IR概率关系206的一个表)。UV概率关系205可以指定针对每种类型的发光体的UV值250和亮度值的组合的UV概率。亮度值可以是从亮到暗变化的值的光谱。如此，对于UV值250和亮度值的特定组合而言，UV概率关系205可以提供指示光源是特定发光体类型的概率的UV概率。IR概率关系206可以指定针对每种类型的发光体的IR值260和亮度值的组合的IR概率。如此，对于IR值260和亮度值的特定组合而言，IR概率关系206可以提供指示光源是特定发光体类型的概率的IR概率。
传感器处理器110可以从电磁辐射传感器104接收UV光数据106和IR光数据108。传感器处理器110可以获得UV光数据106的绝对值，以及IR光数据108的绝对值。然后，传感器处理器110可以使用UV光数据106的绝对值和图像105的亮度值根据UV概率关系205确定UV概率。例如，传感器处理器110可以获得对应于UV光数据的绝对值和图像105的亮度值的组合的UV概率。
传感器处理器110可以使用IR光数据108的绝对值和图像105的亮度值根据IR概率关系206确定IR概率。例如，传感器处理器110可以获得对应于IR光数据的绝对值和图像105的亮度值的组合的IR概率。传感器处理器110可以基于UV概率和IR概率，计算发光体类型概率114(例如，总体概率)。在一些示例中，传感器处理器110可以通过将UV概率乘以IR概率计算发光体类型概率114。在一些示例中，传感器处理器110可以将发光体类型概率114与置信度阈值相比较。如果发光体类型概率114在置信度阈值以上，则传感器处理器110可以确定光源能够被分类为特定发光体类型。如果发光体类型概率114在置信度阈值以下，则传感器处理器110可以确定光源不能被分类为特定发光体类型。
图3A图示了根据方面的描绘用于日光的发光体类型的UV概率关系205的图形表示的图形305。图3B图示了根据方面的描绘用于日光的发光体类型的IR概率关系206的图形表示的图形306。类似图形可以被用于描绘用于其它发光体类型的UV概率关系205和IR概率关系206。
参考图3A，x轴提供从亮到暗的亮度值，并且y轴提供增加的UV值250。图形305包括第一曲线323和第二曲线325，其中，第一曲线323与第二曲线325之间的空间可以被称为过渡区。对于部署在第一曲线323以上的亮度值和UV值250的组合而言，光源是日光的可能性可以被认为是可能的(例如，UV概率在置信度阈值以上)。而且，UV概率可以随着UV/亮度组合值移动更远离第一曲线323而增加。对于部署在第二曲线325以下的亮度值和UV值250的组合而言，光源是日光的可能性可以被认为是不可能的(例如，UV概率在置信度阈值以下)。而且，UV概率可以随着UV/亮度组合值移动更远离第二曲线325而减小。对于部署在第一曲线323与第二曲线325之间的亮度值和UV值250的组合而言，UV概率可以被认为在过渡区中，在该处，可能不具备好的置信度来将光源分类为日光。
参考图3B，x轴提供从亮到暗的亮度值，并且y轴提供增加的IR值260。图形306包括第一曲线327和第二曲线329，其中，第一曲线327与第二曲线329之间的空间可以被称为过渡区。对于部署在第一曲线327以上的亮度值和IR值260的组合而言，光源是日光的可能性可以被认为是可能的(例如，IR概率在置信度阈值以上)。而且，IR概率可以随着IR/亮度组合值移动更远离第一曲线327而增加。对于部署在第二曲线329以下的亮度值和IR值260的组合而言，光源是日光的可能性可以被认为是不可能的(例如，IR概率在置信度阈值以下)。而且，IR概率可以随着IR/亮度组合值移动更远离第二曲线329而减小。对于部署在第一曲线327与第二曲线329之间的亮度值和IR值260的组合而言，IR概率可以被认为在过渡区中，在该处，可能不具备好的置信度水平来将光源分类为日光。
在一些示例中，亮度值(沿着x轴)可以定义从非常亮(exp_index＝0)到非常暗(exp_index＝max)的一系列拐点(或者不同点)。场景明亮度的拐点能够被映射如下：1)exp_index＝0是100,000lux,2)exp_index＝outdoor是4000lux,3)exp_index＝in-out-door是1000lux,4)exp_index＝indoor是400lux,并且5)exp_index＝max是20lux或更低。拐点中的每个拐点处的UV和IR的阈值可以在数组中被定义如下：[exp_index＝0,exp_index＝outdoor,exp_index＝in-out-door,exp_index＝in,exp_index＝max]。然后，该数组可以利用实际的数据点填充来产生一系列数组如下：1)上限UV阈值(例如，第一曲线323)＝[5000,1000,800,100,30],2)下限UV阈值(例如，第二曲线325)＝[3000,700,500,10,0]，3)上限IR阈值(例如，第一曲线327)＝[1000,150,100,25,10]，以及4)下限IR阈值(例如，第二曲线329)＝[400,50,30,10,0]。这些数组中的值指示不同的拐点处的UV或IR的强度。例如，第一曲线323上的一个点(x,y)是100,000lux、5000UV强度。应当注意，已经在200ms曝光时间处利用一种类型的传感器测量该数据。改变传感器或者曝光时间可以剧烈地改变所述值。
根据比率方法203，概率数据112可以包括比率概率关系210，比例概率关系210针对UV光数据106和IR光数据108的比率的比率值提供每种类型的发光体的发光体类型概率114的概率。在一些示例中，比率概率关系210是提供用于每种类型的发光体的发光体类型概率114的一系列概率相对于一系列比率值的表。在一些示例中，表是单个表。在一些示例中，传感器处理器110可以计算UV光数据106的值和IR光数据108的值的比率，并且使用该比率根据比率概率关系210获得发光体类型概率114。
图4图示了根据方面的描绘比率概率关系210的图形表示的图形410。在一些示例中，每个发光体类型可以具有UV/IR比率的不同的范围。图形410可以包括第一发光体类型(例如，钨)的第一区431、第二发光体类型(例如，日光)的第二区433以及第三发光体类型(例如，荧光)的第三区435。当UV/IR比率落在第一区431内时，光源可以被确定为第一发光体类型。当UV/IR比率落在第二区433内时，光源可以被确定为第二发光体类型。当UV/IR比率落在第三区435内时，光源可以被确定为第三发光体类型。在一些示例中，日光的UV/IR比率被集中在20处，荧光的UV/IR比率被集中在50处，LED的UV/IR比率被集中在30处，并且钨的UV/IR比率被集中在5处。然而，这些值可以取决于实施方式而广泛地变化。
图5是根据方面的图示绝对值方法201的示例操作的流程图500。虽然图5的流程图500以顺序的次序图示了操作，但是将理解到这仅是示例，并且可以包括附加或者替选操作。进一步地，可以以与所示的次序不同的次序或者以并行或重叠的方式执行图5的操作和相关操作。
可以确定UV光数据和IR光数据的绝对值(502)。例如，传感器处理器110可以从电磁辐射传感器104接收UV光数据106和IR光数据108。传感器处理器110可以获得UV光数据106的绝对值，以及IR光数据108的绝对值。
UV概率可以根据UV概率关系被获得(504)。例如，传感器处理器110可以使用UV光数据106的绝对值和图像105的亮度值根据UV概率关系205确定UV概率。例如，传感器处理器110可以获得对应于UV光数据的绝对值和图像105的亮度值的组合的UV概率。
IR概率可以根据IR概率关系被获得(506)。例如，传感器处理器110可以使用IR光数据108的绝对值和图像105的亮度值根据IR概率关系206确定IR概率。传感器处理器110可以获得对应于IR光数据的绝对值和图像105的亮度值的组合的IR概率。
发光体类型概率可以基于UV概率和IR概率来计算(508)。例如，传感器处理器110可以基于UV概率和IR概率，计算发光体类型概率114(例如，总体概率)。在一些示例中，传感器处理器110可以通过将UV概率乘以IR概率计算发光体类型概率114。在一些示例中，传感器处理器110可以将发光体类型概率114与置信度阈值相比较。如果发光体类型概率114在置信度阈值以上，则传感器处理器110可以确定光源能够被分类为特定发光体类型。如果发光体类型概率114在置信度阈值以下，则传感器处理器110可以确定光源不能被分类为特定发光体类型。
图6是根据方面的图示比率方法203的示例操作的流程图600。虽然图6的流程图600以顺序的次序图示了操作，但是将理解到这仅是示例，并且可以包括附加或者替选操作。进一步地，可以以与所示的次序不同的次序或者以并行或重叠的方式执行图6的操作和相关操作。
可以计算UV值和IR值的比率(602)。例如，传感器处理器110可以计算UV光数据106的值和IR光数据108的值的比率。发光体类型概率可以使用计算比率根据比率概率关系被检测(604)。例如，传感器处理器110可以使用该比率根据比率概率关系210获得发光体类型概率114。
图7是根据方面的图示图1A的设备100的示例操作的流程图700。虽然图7的流程图700以顺序的次序图示了操作，但是将理解到这仅是示例，并且可以包括附加或者替选操作。进一步地，可以以与所示的次序不同的次序或者以并行或重叠的方式执行图7的操作和相关操作。
可以确定图像的亮度(702)。例如，传感器处理器110可以确定图像105的亮度。在一些示例中，传感器处理器110可以使用单独的像素值确定图像105的总体平均亮度值。
可以确定亮度是否在阈值以上(704)。例如，传感器处理器110可以将与图像105相关联的亮度与阈值相比较。如果是，则可以使用比率方法(706)。例如，如果亮度被确定为在阈值以上，则传感器处理器110可以使用比率方法203确定发光体类型概率114。如果否，则可以使用绝对值方法(708)。例如，如果亮度被确定为在阈值以下，则传感器处理器110可以使用绝对值方法201确定发光体类型概率114。
图8是根据方面的图示图1A的AWB单元116的示例操作的流程图800。虽然图8的流程图800以顺序的次序图示了操作，但是将理解到这仅是示例，并且可以包括附加或者替选操作。进一步地，可以以与所示的次序不同的次序或者以并行或重叠的方式执行图8的操作和相关操作。
可以解析AWB统计样本(802)。例如，AWB单元116可以解析图像102的AWB统计样本。AWB统计样本可以被筛选(screen)并且加权(804)。例如，AWB单元116可以解析筛选并且利用概率数据112对AWB统计样本进行加权。特别地，在对图像105的AWB增益量进行初始决策之前，AWB单元116可以通过利用来自概率数据112的发光体类型概率114将图像105的AWB统计样本加权来并入来自概率数据112的发光体类型概率114。在一些示例中，AWB单元116可以基于场景的明亮度而指派概率。例如，如果周围环境是1000lux，则AWB单元116可以确定场景在钨丝灯下的低概率。而且，概率指派可以被用于颜色偏好(例如，钨丝灯下的图片优选地看起来更黄而不是更蓝)。可以做出初始决策(806)。例如，AWB单元116可以做出关于AWB增益量的初始决策。
根据一些方面，概率数据112的发光体类型概率114还可以(或替选地)被并入决策修改启发法和时间启发法。例如，基于灰色样本的决策规则可以确定初始决策，但是其它决策规则(例如，启发法)能够被并入以改变决策。例如，在过去几帧中，发光体历史可以被认为是稳定的白炽灯并且无场景明亮度改变或照相机摇摄，并且突然地针对当前帧做出日光的决策。该决策可以被取消或抑制直到更多日光帧被接收。利用这一点，可以改进AWB稳定性。可以执行决策修改启发法(808)。例如，AWB单元116可以对AWB统计样本和AWB增益执行决策修改启发法。可以执行时间启发法(810)。例如，AWB单元116可以对AWB统计样本和AWB增益执行时间启发法。例如，AWB单元116可以在时间上降低异常值的权重以实现AWB一致性。可以执行收敛控制(812)。例如，AWB单元116可以执行收敛控制以获得AWB增益和相关色温(CCT)估计。
图9是根据方面的图示图1和2的系统的示例操作的流程图900。虽然图9的流程图900以顺序的次序图示了操作，但是将理解到这仅是示例，并且可以包括附加或者替选操作。进一步地，可以以与所示的次序不同的次序或者以并行或重叠的方式执行图9的操作和相关操作。
可以获得图像(902)。例如，照相机102可以获得图像105。照相机102可以是数字照相机。在一些示例中，照相机102可以被部署在设备100的前面(例如，前置照相机)。例如，照相机102可以被部署在与设备100的显示屏160相同侧。在一些示例中，照相机102可以被部署在设备100的后面(例如，被部署在显示屏160的相反侧的后置照相机)。在一些示例中，设备100可以包括多个照相机102(例如，前置照相机和后置照相机二者)。
图像105可以是单独的静止图像(例如，照片)或者构成视频或电影的图像的序列。图像105可以是数字图像。图像105可以是具有被称为图片元素或像素的数字值的二维图像的数值表示，其中，每个像素具有指示明亮度水平的亮度值。
可以产生与图像相关联的UV光数据和IR光数据中的至少一个(904)。例如，电磁辐射传感器104可以被配置成获得与图像105相关联的UV光数据106和IR光数据108中的至少一个。在一些示例中，电磁辐射传感器104可以检测UV光数据106和IR光数据108二者。在一些示例中，电磁辐射传感器104是能够检测UV光数据106和IR光数据108二者的单个传感器部件。在其它示例中，电磁辐射传感器104可以包括分立的传感器部件(诸如UV传感器，其被配置成检测UV光数据106，以及IR传感器，其被配置成检测IR光数据108)。在一些示例中，电磁辐射传感器104可以检测仅UV光数据106。在一些示例中，电磁辐射传感器104可以检测仅IR光数据108。UV光数据106可以包括表示与图像105(或图像105的一部分)相关联的UV光的水平。在一些示例中，UV光数据106包括多个UV读数(诸如在第一时间处捕捉的第一UV值和在第一时间之后的第二时间处所捕捉的第二UV值)。IR光数据108可以包括表示与图像105(或图像105的一部分)相关联的IR光的水平。在一些示例中，IR光数据108可以包括多个IR读数(诸如在第一时间处捕捉的第一IR值和在第一时间之后的第二时间处所捕捉的第二IR值)。
电磁辐射传感器104可以包括一个或多个光电二极管、放大器和/或模拟和数字电路的布置。电磁辐射传感器104可以被部署在照相机102附近。在一些示例中，电磁辐射传感器104可以被耦合到照相机102。在一些示例中，电磁辐射传感器104和照相机102可以共享电源连接118和计算机总线119。在一些示例中，计算机总线119是内部集成电路(I2C)总线。在一些示例中，设备100可以包括多个照相机102，其中，照相机102中的仅一个与电磁辐射传感器104共享公共电源连接118和计算机总线119。在一些示例中，被配置为前置照相机的照相机102与电磁辐射传感器104共享公共电源连接118和计算机总线119。在一些示例中，被配置为后置照相机的照相机102与电磁辐射传感器104共享公共电源连接118和计算机总线119。
可以使用UV光数据和IR光数据中的至少一个根据概率数据检测发光体类型概率，其中，发光体类型概率指示与图像相关联的光源是特定发光体类型的置信度水平(906)。例如，传感器处理器110可以使用UV光数据106和IR光数据108中的至少一个根据概率数据112检测发光体类型概率114，其中，发光体类型概率114指示图像的光源是特定发光体类型的置信度水平。概率数据112可以针对UV和IR值的各种组合指定每个发光体类型的概率。在一些示例中，概率数据112可以针对UR和IR值和与图像105相关联的亮度值的各种组合指定每个发光体类型的概率。发光体类型概率114可以指代图像的光源是特定发光体类型(诸如日光、荧光灯、白炽灯和/或可见LED灯)的置信度水平。而且，发光体类型可以包括光源的其它分类。换句话说，发光体可以指代光源，并且发光体类型可以指代光源的类型。在一些示例中，图像105可以包括多个光源，并且传感器处理器110可以检测存在于图像105中的每个光源的发光体类型概率114。
可以利用发光体类型概率调节应用到图像的自动白平衡(908)。例如，AWB单元116可以被配置成利用发光体类型概率114调节被应用到图像105的自动白平衡。AWB单元116可以将发光体类型概率114并入AWB 117中。因此，AWB单元116可以不必使用仅AWB统计样本估计发光体类型。在其它示例中，AWB单元116可以利用由传感器处理器110所确定的发光体类型概率114根据AWB统计样本增强发光体类型估计。
图10示出了计算机设备1000和移动计算机设备1050的示例，其可以与此处所描述的技术一起使用。在一些示例中，设备100可以包括计算机设备100或者移动计算机设备1050。计算设备1000旨在表示各种形式的数字计算机，诸如膝上型电脑、台式电脑、平板电脑、工作站、个人数字助理、电视、服务器、刀片服务器、大型机和其它适当的计算设备。计算设备1050旨在表示各种形式的移动设备，诸如个人数字助理、蜂窝电话、智能电话和任何其它类似计算设备。此处示出的部件、其连接和关系以及其功能旨在仅是示例性的，并且不旨在限制本文档中描述和/或要求保护的本发明的实施方式。
计算设备1000包括处理器1002、存储器1004、存储设备1006和连接到存储器1004和高速扩展端口1010的高速接口1008以及连接到低速总线1014和存储设备1006的低速接口1012。处理器1002能够是基于半导体的处理器。存储器1004能够是基于半导体的存储器。部件1002、1004、1006、1008、1010和1012中的每一个使用各种总线互连，并且可以被安装在公共主板上或酌情以其它方式互连。处理器1002能够处理用于在计算设备1000内执行的指令，包括被存储在存储器1004中或在存储设备1006上以显示用于外部输入/输出设备(诸如耦合到高速接口1008的显示器1016)上的GUI的图形显示的指令。在其它实施方式中，可以酌情连同多个存储器和存储器的类型使用多个处理器和/或多个总线。而且，多个计算设备1000可以与提供必要操作的部分的每个设备连接(例如，作为服务器组、刀片服务器组或多处理器系统)。
存储器1004存储在计算设备1000内的信息。在一个实施方式中，存储器1004是易失性存储器单元。在另一实施方式中，存储器1004是非易失性存储器单元。存储器1004还可以是另一形式的计算机可读介质(诸如磁盘或光盘)。
存储设备1006能够为计算设备1000提供海量存储。在一个实施方式中，存储设备1006可以是或包含计算机可读介质，诸如软盘设备、硬盘设备、光盘设备或磁带设备、闪速存储器或其它类似固态存储设备或设备阵列，包括存储区域网络或其它配置中的设备。计算机程序产品能够有形地被实现在信息载体中。计算机程序产品还可以包含当被执行时执行一个或多个方法(诸如上文所描述的那些方法)的指令。信息载体是计算机或机器可读介质(诸如存储器1004、存储设备1006或处理器1002上的存储器)。
高速控制器1008管理用于计算设备1000的带宽密集的操作，而低速控制器1012管理较低带宽密集的操作。功能的这样的分配仅是示例性的。在一个实施方式中，高速控制器1008被耦合到存储器1004、显示器1016(例如，通过图形处理器或加速器)和高速扩展端口1010，其可以接受各种扩展卡(未示出)。在实施方式中，低速控制器1012被耦合到存储设备1006和低速扩展端口1014。可以包括各种通信端口(例如，USB、蓝牙、以太网、无线以太网)的低速扩展端口可以被耦合到一个或多个输入/输出设备(诸如键盘、指示设备或网络设备(诸如交换机或路由器))(例如，通过网络适配器)。
可以以许多不同的形式实现计算设备1000，如在附图中所示。例如，其可以被实现为标准服务器1020，或者多次被实现在这样的服务器组中。其还可以被实现为机架服务器系统1024的一部分。另外，其可以被实现在个人计算机(诸如膝上型计算机1022)中。备选地，来自计算设备1000的部件可以与移动设备(未示出)(诸如设备1050)中的其它部件组合。这样的设备中的每个设备可以包含计算设备1000、1050中的一个或多个并且整个系统可以由彼此通信的多个计算设备1000、1050组成。
除了其它部件，计算设备1050包括处理器1052、存储器1064、输入/输出设备(诸如显示器1054、通信接口1066和收发器1068)。设备1050还可以提供有存储设备(诸如微型驱动器或其它设备)来提供附加存储。部件1050、1052、1064、1054、1066和1068中的每个部件使用各种总线互连，并且部件中的若干部件可以被安装在公共主板上或酌情以其它方式互连。
处理器1052能够执行计算设备1050内的指令，包括被存储在存储器1064中的指令。处理器可以被实现为芯片的芯片集，其包括分立的和多个模拟和数字处理器。处理器可以提供例如设备1050的其它部件的协调，诸如用户接口的控制、由设备1050运行的应用和由设备1050引起的无线通信。
处理器1052可以通过控制接口1058和耦合到显示器1054的显示接口1056与用户通信。显示器1054可以是例如TFT LCD(薄膜晶体管液晶显示器)或OLED(有机发光二极管)显示器或其它适当的显示技术。显示接口1056可以包括用于驱动显示器1054来将图形和其它信息呈现给用户的适当的电路。控制接口1058可以从用户接收命令并且将其转换用于提交给处理器1052。另外，外部接口1062可以提供与处理器1052通信，以便使得设备1050能够与其它设备近区域通信。外部接口1062可以提供例如一些实施方式中的有线通信或其它实施方式中的无线通信，并且还可以使用多个接口。
存储器1064存储计算设备1050内的信息。存储器1064可以被实现为以下各项中的一项或多项：计算机可读介质或媒体、易失性存储器单元或非易失性存储器单元。扩展存储器1074还可以通过扩展接口1072被提供并且被连接到设备1050，其可以包括例如SIMM(单列存储器模块)卡接口。这样的扩展存储器1074可以对于设备1050提供额外存储空间，或者还可以存储用于设备1050的应用或其它信息。特别地，扩展存储器1074可以包括执行或补充上文所描述的过程的指令，并且还可以包括安全信息。因此，例如，扩展存储器1074可以提供为用于设备1050的安全模块，并且可以编程有允许设备1050的安全使用的指令。另外，安全应用可以连同附加信息经由SIMM卡提供(诸如以不可攻击的方式将标识信息放置在SIMM卡上)。
存储器可以包括例如闪速存储器和/或NVRAM存储器，如下文所讨论的。在一个实施方式中，计算机程序产品有形地被实现在信息载体中。计算机程序产品包含当被执行时执行一个或多个方法(诸如上文所描述的那些方法)的指令。信息载体是计算机或机器可读介质，诸如存储器1064、扩展存储器1074或处理器1052上的存储器，其可以例如通过收发器1068或外部接口1062接收。
设备1050可以通过通信接口1066无线地通信，其在必要的情况下可以包括数字信号处理电路。通信接口1066可以提供在各种模式或协议(除了其它之外，诸如GSM语音呼叫、SMS、EMS或MMS消息、CDMA、TDMA、PDC、WCDMA、CDMA2000或GPRS)下的通信。这样的通信可以例如通过射频收发器1068发生。另外，短距离通信可以发生(诸如使用蓝牙、WiFi或其它这样的收发器(未示出))。另外，GPS(全球定位系统)接收器模块1070可以将附加导航和位置相关无线数据提供给设备1050，其可以酌情由在设备1050上运行的应用使用。
设备1050还可以使用音频编解码器1060可听见地通信，其可以从用户接收语音信息并且将其转换为可用的数字信息。音频编解码器1060可以同样地生成用于用户的可听见的声音(诸如通过扬声器(例如，在设备1050的电话听筒中))。这样的声音可以包括来自语音电话呼叫的声音，可以包括录音(例如，语音消息、音乐文件等)并且还可以包括由在设备1050上操作的应用所生成的声音。
可以以许多不同的形式实现计算设备1050，如在附图中所示。例如，其可以被实现为蜂窝电话1080。其还能够被实现为智能电话1082、个人数字助理或其它类似移动设备的一部分。
因此，能够以数字电子电路、集成电路、特殊设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合实现本文所描述的系统和技术的各种实施方式。这些各种实施方式能够包括在包括至少一个可编程处理器的可编程系统上可执行和/或可解释的一个或多个计算机程序中的实施方式，所述处理器(其可以是专用或者通用)耦合以从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令和将数据和指令传送给存储系统、至少一个输入设备和至少一个输出设备。
这些计算机程序(还被称为程序、软件、软件应用或者代码)包括用于可编程处理器的机器指令，并且能够以高级程序和/或面向对象编程语言和/或汇编/机器语言实现。如本文所使用的，术语“机器可读介质”、“计算机可读介质”指代被用于将机器指令和/或数据提供到可编程处理器的任何计算机程序产品、装置和/或设备(例如，磁盘、光盘、存储器、可编程逻辑器件(PLD))，包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”指代被用于将机器指令和/或数据提供到可编程处理器的任何信号。
为了提供与用户的交互，此处所描述的系统和技术能够被实现在计算机上，所述计算机具有用于将信息显示给用户的显示设备(例如，CRT(阴极射线管)或LCD(液晶显示器)监视器)和用户通过其可以向计算机提供输入的键盘和指示设备(例如，鼠标或轨迹球)。其它种类的设备也能够被用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感觉反馈，例如视觉反馈、听觉反馈或者触觉反馈；并且来自用户的输入可以以任何形式接收，包括声音、语音或者触觉输入。
此处所描述的系统和技术能够被实现在计算系统中，其包括后端部件(例如，作为数据服务器)，或者其包括中间件部件(例如，应用服务器)，或者其包括前端部件(例如，具有用户通过其能够与此处所描述的系统和技术的实施方式交互的网络浏览器的图形用户接口的客户端计算机)或者这样的后端、中间件或前端部件的任何组合。系统的部件能够以任何形式或者数字数据通信例如通信网络的介质互连。通信网络的示例包括局域网(“LAN”)、广域网(“WAN”)和互联网。
另外，附图中所描绘的逻辑流不要求所示的特定次序或顺序次序来实现希望的结果。另外，其它步骤可以被提供，或者步骤可以从所描述的流程中被消除，并且其它部件可以被添加到所描述的系统或从其被移除。因此，其它实施例在以下权利要求的范围内。
将理解到以特定细节已描述的以上实施例仅是示例或可能实施例，并且存在可以包括的许多其它组合、添加或者替选。
以上描述的一些部分在信息上的操作的算法和符号表示方面呈现特征。这些算法描述和表示可以由数据处理领域的技术人员被用于最有效地将其工作的实质传达给本领域的技术人员。虽然功能上或者逻辑上被描述，但是这些操作将被理解为由计算机程序实现。而且，还已经证明在不失一般性的情况下指代操作的这些布置作为模块或者通过功能名是方便的。
如从以上讨论明显的，除非另外特别说明，否则将理解到贯穿描述，利用诸如“处理(processing)”或“计算(computing)”或“计算(calculating)”或“确定(determining)”或“显示(displaying)”或“提供(providing)”等的术语的讨论指代计算机系统或类似电子计算设备的动作和过程，其操纵并且转换被表示为计算机系统存储器或寄存器或其它这样的信息存储装置、传输或显示设备内的物理(电子)量的数据。

Claims (20)

1.一种设备，包括：
照相机，所述照相机被配置成获得图像；
电磁辐射传感器，所述电磁辐射传感器被配置成产生与所述图像相关联的紫外UV光数据和红外IR光数据中的至少一个；
传感器处理器，所述传感器处理器被配置成使用所述UV光数据和所述IR光数据中的至少一个根据概率数据确定发光体类型概率，所述发光体类型概率指示与所述图像相关联的光源是特定发光体类型的置信度水平；以及
自动白平衡单元，所述自动白平衡单元被配置成基于所述发光体类型概率调节自动白平衡。
2.根据权利要求1所述的设备，其中，所述传感器处理器被配置成基于所述UV光数据是否在UV值的范围内并且所述IR光数据是否在IR值的范围内，将所述发光体类型概率确定为在置信度阈值以上，所述发光体类型概率在所述置信度阈值以上指示所述光源能够被分类为所述特定发光体类型。
3.根据权利要求1或权利要求2所述的设备，其中，所述传感器处理器被配置成确定当所述发光体类型概率在置信度阈值以上时，与所述图像相关联的所述光源是日光，当所述UV光数据在第一上限阈值以上并且所述IR光数据在第二上限阈值以上时，所述发光体类型概率在所述置信度阈值以上。
4.根据前述权利要求中的任一项所述的设备，其中，所述传感器处理器被配置成确定当所述发光体类型概率在置信度阈值以上时，与所述图像相关联的所述光源是荧光灯，当所述UV光数据在上限中间阈值与下限中间阈值之间并且所述IR光数据在下限阈值以下时，所述发光体类型概率在所述置信度阈值以上。
5.根据前述权利要求中的任一项所述的设备，其中，所述传感器处理器被配置成确定当所述发光体类型概率在置信度阈值以上时，与所述图像相关联的所述光源是白炽灯，当所述UV光数据在上限中间阈值与下限中间阈值之间并且所述IR光数据在上限阈值以上时，所述发光体类型概率在所述置信度阈值以上。
6.根据前述权利要求中的任一项所述的设备，其中，所述传感器处理器被配置成确定当所述发光体类型概率在置信度阈值以上时，与所述图像相关联的所述光源是可见发光二极管LED，当所述UV光数据在第一下限阈值以下并且所述IR光数据在第二下限阈值以下时，所述发光体类型概率在所述置信度阈值以上。
7.根据前述权利要求中的任一项所述的设备，其中，所述概率数据包括UV概率关系和IR概率关系中的至少一个，所述UV概率关系提供UV值相对于亮度值的布置，所述UV概率关系指示用于所述UV值和所述亮度值的组合的概率，所述IR概率关系提供IR值相对于所述亮度值的布置，所述IR概率关系指示用于所述IR值和所述亮度值的组合的概率。
8.根据前述权利要求中的任一项所述的设备，其中，所述概率数据包括比率概率关系，所述比率概率关系针对所述UV光数据和所述IR光数据的比率的比率值提供概率。
9.根据前述权利要求中的任一项所述的设备，其中，所述照相机和所述电磁辐射传感器共享接口总线和电源连接。
10.根据前述权利要求中的任一项所述的设备，其中，所述照相机是被部署在所述设备的显示屏的相同侧的前置照相机。
11.一种存储可执行指令的非暂时性计算机可读介质，所述可执行指令当被执行时，使得至少一个处理器：
捕捉图像；
产生与所述图像相关联的紫外UV光数据和红外IR光数据；
确定与所述图像相关联的亮度是否在阈值以上；
当所述亮度在所述阈值以上时，根据第一方法使用所述UV光数据和所述IR光数据根据概率数据确定发光体类型概率，所述发光体类型概率指示与所述图像相关联的光源是特定发光体类型的置信度水平；
当所述亮度在所述阈值以下时，根据第二方法使用所述UV光数据和所述IR光数据根据所述概率数据确定所述发光体类型概率，所述第二方法与所述第一方法不同；以及
根据所述第一方法或者所述第二方法基于所述发光体类型概率调节自动白平衡。
12.根据权利要求11所述的非暂时性计算机可读介质，其中，所述概率数据包括UV概率关系和IR概率关系，并且所述第一方法包括可执行指令，所述可执行指令当被执行时，使得所述至少一个处理器：
确定所述UV光数据的绝对值和所述IR光数据的绝对值；
基于所述UV光数据的所述绝对值，根据所述UV概率关系获得UV概率；
基于所述IR光数据的所述绝对值，根据所述IR概率关系获得IR概率；
基于所述UV概率和所述IR概率，计算所述发光体类型概率。
13.根据权利要求11或权利要求12所述的非暂时性计算机可读介质，其中，所述概率数据包括比率概率关系，并且所述第二方法包括可执行指令，所述可执行指令当被执行时，使得所述至少一个处理器：
计算所述UV光数据的值和所述IR光数据的值的比率；以及
使用所述比率根据所述比率概率关系获得所述发光体类型概率。
14.根据权利要求11-13中的任一项所述的非暂时性计算机可读介质，其中，所述发光体类型概率基于所述UV光数据是否在UV值的范围内并且所述IR光数据是否在IR值的范围内而被确定为在置信度阈值以上，所述发光体类型概率在所述置信度阈值以上指示所述光源能够被分类为所述特定发光体类型。
15.根据权利要求11-14中的任一项所述的非暂时性计算机可读介质，其中，调节所述自动白平衡AWB的所述可执行指令包括可执行指令，该可执行指令当被执行时，使得所述至少一个处理器：
在对AWB增益量的初始决策之前并入来自所述概率数据的所述发光体类型概率，包括利用来自所述概率数据的所述发光体类型概率对所述图像的AWB统计样本进行加权。
16.根据权利要求15所述的非暂时性计算机可读介质，其中，调节所述自动白平衡的所述可执行指令包括可执行指令，该可执行指令当被执行时，使得所述至少一个处理器：
并入来自所述概率数据的所述发光体类型概率作为决策修改启发法和时间启发法的一部分。
17.一种方法，包括：
通过照相机获得图像；
通过电磁辐射传感器产生与所述图像相关联的紫外UV光数据和红外IR光数据；
通过传感器处理器根据或者第一方法或者第二方法使用所述UV光数据和所述IR光数据根据概率数据确定发光体类型概率，所述发光体类型概率指示与所述图像相关联的光源是特定发光体类型的置信度水平；以及
通过自动白平衡单元基于所述发光体类型概率调节自动白平衡。
18.根据权利要求17所述的方法，其中，所述概率数据包括UV概率关系和IR概率关系，并且所述第一方法包括：
使用所述UV光数据的绝对值和与所述图像相关联的亮度值根据所述UV概率关系获得UV概率；
基于所述IR光数据的绝对值和与所述图像相关联的所述亮度值，根据所述IR概率关系获得IR概率；以及
通过将所述UV概率乘以所述IR概率计算所述发光体类型概率。
19.根据权利要求17或权利要求18所述的方法，其中，所述概率数据包括比率概率关系，并且所述第二方法包括：
计算所述UV光数据的值和所述IR光数据的值的比率；以及
使用所述比率根据所述比率概率关系确定所述光源的所述特定发光体类型和所述特定发光体类型的所述发光体类型概率。
20.根据权利要求17-19中的任一项所述的方法，其中，利用所述发光体类型概率调节所述自动白平衡AWB包括：
解析所述图像的AWB统计样本；
利用来自所述概率数据的所述发光体类型概率对所述AWB统计样本进行加权；
基于经加权的AWB统计样本，将AWB增益量确定为初始决策；以及
对所述AWB统计样本和被确定为所述初始决策的一部分的所述AWB增益量执行启发法，来自所述概率数据的所述发光体类型概率还被并入所述启发法中。
CN201680039068.8A 2015-10-16 2016-10-12 使用红外和/或紫外信号的自动白平衡 Active CN107836115B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/885,377 2015-10-16
US14/885,377 US9762878B2 (en) 2015-10-16 2015-10-16 Auto white balance using infrared and/or ultraviolet signals
PCT/US2016/056560 WO2017066263A1 (en) 2015-10-16 2016-10-12 Auto white balance using infrared and/or ultraviolet signals

Publications (2)

Publication Number Publication Date
CN107836115A true CN107836115A (zh) 2018-03-23
CN107836115B CN107836115B (zh) 2020-04-28

Family

ID=57281278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680039068.8A Active CN107836115B (zh) 2015-10-16 2016-10-12 使用红外和/或紫外信号的自动白平衡

Country Status (7)

Country Link
US (1) US9762878B2 (zh)
EP (1) EP3363196B1 (zh)
JP (1) JP6625724B2 (zh)
KR (1) KR102015086B1 (zh)
CN (1) CN107836115B (zh)
GB (1) GB2556519B (zh)
WO (1) WO2017066263A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112866656A (zh) * 2019-11-26 2021-05-28 Oppo广东移动通信有限公司 一种白平衡校正方法、装置、存储介质及终端设备
CN114500969A (zh) * 2022-01-17 2022-05-13 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质以及终端
CN114612571A (zh) * 2022-03-07 2022-06-10 重庆紫光华山智安科技有限公司 白平衡标定参数生成、图像矫正方法、系统、设备及介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10567723B2 (en) 2017-08-11 2020-02-18 Samsung Electronics Co., Ltd. System and method for detecting light sources in a multi-illuminated environment using a composite RGB-IR sensor
WO2019031931A1 (en) * 2017-08-11 2019-02-14 Samsung Electronics Co., Ltd. SYSTEM AND METHOD FOR DETECTING LIGHT SOURCES IN A MULTI-LIGHTENED ENVIRONMENT USING A COMPOSITE RGB-IR SENSOR
KR20190020578A (ko) * 2017-08-21 2019-03-04 삼성전자주식회사 외부 광에 기반하여 이미지를 처리하는 방법 및 이를 지원하는 전자 장치
KR20210078656A (ko) * 2019-12-19 2021-06-29 삼성전자주식회사 화이트 밸런스를 제공하는 방법 및 이를 지원하는 전자 장치
CN113115014B (zh) * 2021-04-15 2023-07-18 北京有竹居网络技术有限公司 图像处理方法、装置、设备、介质和计算机程序产品
US20220385873A1 (en) * 2021-05-28 2022-12-01 Qualcomm Incorporated Infrared-based processing of an image
CN115633260B (zh) * 2021-08-12 2024-06-07 荣耀终端有限公司 一种色度信息的确定方法及相关电子设备
JP2023161376A (ja) * 2022-04-25 2023-11-07 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1211137A (zh) * 1997-07-25 1999-03-17 松下电器产业株式会社 自动色彩温度校正的装置和方法
JP2002159018A (ja) * 2000-11-22 2002-05-31 Casio Comput Co Ltd ホワイトバランス制御装置及びホワイトバランス制御方法
JP2003163944A (ja) * 2001-11-28 2003-06-06 Fuji Photo Film Co Ltd ホワイトバランス制御方法及びデジタルカメラ。
CN1832580A (zh) * 2005-03-09 2006-09-13 三星电子株式会社 调整白平衡的图像投影设备及其方法
US20080246950A1 (en) * 2007-04-06 2008-10-09 Hiroaki Ono Device, Method, and Program for Estimating Light Source
US20120313908A1 (en) * 2011-06-10 2012-12-13 Research In Motion Limited Device and method of adjusting electromagnetic radiation transmitted by an optical element
CN104702930A (zh) * 2013-12-06 2015-06-10 青岛海信移动通信技术股份有限公司 一种确定白平衡光源的方法及装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6791606B1 (en) * 2000-05-09 2004-09-14 Eastman Kodak Company Auto white balancing apparatus and method
JP4426812B2 (ja) * 2003-10-09 2010-03-03 オリンパス株式会社 デジタルカメラ
JP2005300639A (ja) * 2004-04-07 2005-10-27 Konica Minolta Photo Imaging Inc 画像表示装置及び画像表示装置の制御方法
US20050270383A1 (en) 2004-06-02 2005-12-08 Aiptek International Inc. Method for detecting and processing dominant color with automatic white balance
JP4754227B2 (ja) * 2005-01-31 2011-08-24 イーストマン コダック カンパニー オートホワイトバランス装置及びホワイトバランス調整方法
US8049789B2 (en) 2006-12-15 2011-11-01 ON Semiconductor Trading, Ltd White balance correction using illuminant estimation
JP5046026B2 (ja) * 2007-04-06 2012-10-10 ソニー株式会社 光源推定装置および方法、並びにプログラム
US20090002545A1 (en) * 2007-06-29 2009-01-01 Nokia Corporation Method and system for color management in digital imaging
JP5123773B2 (ja) * 2008-07-25 2013-01-23 シャープ株式会社 表示装置、表示方法
JP2011087136A (ja) * 2009-10-15 2011-04-28 Olympus Corp 撮像装置および撮像システム
US8717464B2 (en) * 2011-02-09 2014-05-06 Blackberry Limited Increased low light sensitivity for image sensors by combining quantum dot sensitivity to visible and infrared light
JP5713816B2 (ja) 2011-03-16 2015-05-07 株式会社東芝 固体撮像装置及びカメラモジュール
US9106879B2 (en) * 2011-10-04 2015-08-11 Samsung Electronics Co., Ltd. Apparatus and method for automatic white balance with supplementary sensors
US9143704B2 (en) 2012-01-20 2015-09-22 Htc Corporation Image capturing device and method thereof
JP2014116710A (ja) * 2012-12-07 2014-06-26 Nec Casio Mobile Communications Ltd 撮像装置、撮影条件設定方法、及びプログラム
JP2014216963A (ja) * 2013-04-26 2014-11-17 シャープ株式会社 表示装置、表示装置の制御方法、および表示装置制御プログラム
EP3039864B1 (en) 2013-08-26 2018-09-19 Intel Corporation Automatic white balancing with skin tone correction for image processing
JP2015177308A (ja) * 2014-03-14 2015-10-05 富士通株式会社 携帯端末装置、画像補正方法、及び画像補正プログラム
JP6494181B2 (ja) * 2014-05-30 2019-04-03 キヤノン株式会社 撮像装置、その制御方法、および制御プログラム
JP6508890B2 (ja) * 2014-07-07 2019-05-08 キヤノン株式会社 画像処理装置、その制御方法、および制御プログラム
KR102281256B1 (ko) * 2014-12-04 2021-07-23 삼성전자주식회사 화이트 밸런스 제어 방법 및 그 전자 장치
US9696470B2 (en) * 2015-03-04 2017-07-04 Microsoft Technology Licensing, Llc Sensing images and light sources via visible light filters

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1211137A (zh) * 1997-07-25 1999-03-17 松下电器产业株式会社 自动色彩温度校正的装置和方法
JP2002159018A (ja) * 2000-11-22 2002-05-31 Casio Comput Co Ltd ホワイトバランス制御装置及びホワイトバランス制御方法
JP2003163944A (ja) * 2001-11-28 2003-06-06 Fuji Photo Film Co Ltd ホワイトバランス制御方法及びデジタルカメラ。
CN1832580A (zh) * 2005-03-09 2006-09-13 三星电子株式会社 调整白平衡的图像投影设备及其方法
US20080246950A1 (en) * 2007-04-06 2008-10-09 Hiroaki Ono Device, Method, and Program for Estimating Light Source
US20120313908A1 (en) * 2011-06-10 2012-12-13 Research In Motion Limited Device and method of adjusting electromagnetic radiation transmitted by an optical element
CN104702930A (zh) * 2013-12-06 2015-06-10 青岛海信移动通信技术股份有限公司 一种确定白平衡光源的方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112866656A (zh) * 2019-11-26 2021-05-28 Oppo广东移动通信有限公司 一种白平衡校正方法、装置、存储介质及终端设备
WO2021104352A1 (zh) * 2019-11-26 2021-06-03 Oppo广东移动通信有限公司 一种白平衡校正方法、装置、存储介质及终端设备
CN114500969A (zh) * 2022-01-17 2022-05-13 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质以及终端
CN114612571A (zh) * 2022-03-07 2022-06-10 重庆紫光华山智安科技有限公司 白平衡标定参数生成、图像矫正方法、系统、设备及介质

Also Published As

Publication number Publication date
GB2556519A (en) 2018-05-30
GB2556519B (en) 2021-12-08
CN107836115B (zh) 2020-04-28
GB201800294D0 (en) 2018-02-21
KR102015086B1 (ko) 2019-08-27
JP6625724B2 (ja) 2019-12-25
EP3363196A1 (en) 2018-08-22
WO2017066263A1 (en) 2017-04-20
KR20180019177A (ko) 2018-02-23
JP2018530181A (ja) 2018-10-11
US20170111623A1 (en) 2017-04-20
US9762878B2 (en) 2017-09-12
EP3363196B1 (en) 2019-12-04

Similar Documents

Publication Publication Date Title
CN107836115A (zh) 使用红外和/或紫外信号的自动白平衡
KR101140533B1 (ko) 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법
CN106211804B (zh) 利用对原始图像数据的色度测量进行自动白平衡
WO2019210555A1 (zh) 一种基于深度神经网络的人数统计方法及装置、存储介质
CN108141543A (zh) 基于预测环境因素的相机设置调整和采用这种相机设置调整的跟踪系统
US20190012796A1 (en) Image processing apparatus and method
CN106101547A (zh) 一种图像数据的处理方法、装置和移动终端
CN110494827A (zh) 对虚拟现实系统中的对象的位置和定向的跟踪
CN106017367B (zh) 一种郁闭度的测定方法和装置
WO2022100510A1 (zh) 一种图像失真评测的方法、装置及计算机设备
CN107613202A (zh) 一种拍摄方法及移动终端
TW201931195A (zh) 於編碼照明圖案下擷取影像以減少環境光條件之影響
CN107172354A (zh) 视频处理方法、装置、电子设备及存储介质
CN112883902A (zh) 视频检测方法、装置、电子设备及存储介质
CN108875931A (zh) 神经网络训练及图像处理方法、装置、系统
WO2023005818A1 (zh) 噪声图像生成方法、装置、电子设备及存储介质
CN106770274A (zh) 作物的生理表征检测方法、可携带式检测装置与检测系统
KR20140124087A (ko) 사용자 단말기를 이용한 개인 스타일 추천 시스템과 방법 및 그 방법을 컴퓨터로 실행시키기 위한 프로그램 코드를 저장한 기록매체
CN116167932A (zh) 一种图像质量优化方法、装置、设备及存储介质
CN109191398B (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN110472600A (zh) 眼底图识别及其训练方法、装置、设备和存储介质
CN110119675A (zh) 一种产品识别方法和装置
CN111310531A (zh) 图像分类方法、装置、计算机设备及存储介质
US20130342757A1 (en) Variable Flash Control For Improved Image Detection
CN105574844B (zh) 辐射响应函数估计方法和装置

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