CN108737797A - 白平衡处理方法、装置和电子设备 - Google Patents

Abstract

本申请涉及一种白平衡处理方法、装置和电子设备。所述方法包括：获取图像；识别图像中的图像构成元素；根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理。通过本申请实施例的白平衡处理方法，将获取到的图像按预设条件进行分类，并对每类图像采用对应的白平衡处理策略，避免了采用同一种白平衡策略来处理所有类型图像的问题，从而提高了图像白平衡处理的质量。

Description

白平衡处理方法、装置和电子设备

技术领域

本申请涉及图像处理技术领域，特别是涉及一种白平衡处理方法、装置和电子设备。

背景技术

随着技术的日新月异，对图像的质量要求也在不断提升。目前，图像常常会发生色彩失真的现象，为了克服这种现象需要对图像进行自动白平衡处理，以为修正图像进行色调补偿。

但是，在实现过程中，发明人发现相关技术中至少存在如下问题：针对所有类型的图像都采用同样的白平衡处理策略，不能针对不同类型的图像进行区别处理。

发明内容

基于此，有必要针对上述技术问题，提供一种白平衡处理方法、装置和电子设备。

一种白平衡处理方法，应用于电子设备，包括以下步骤：

获取图像；

识别图像中的图像构成元素；

根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理。

在其中一个实施例中，图像构成元素包括目标颜色；

根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理的步骤中：

若目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标颜色对应的白平衡处理。

在其中一个实施例中，图像构成元素还包括目标对象；

根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理的步骤中：

若识别出目标对象，且目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标对象对应的白平衡处理。

在其中一个实施例中，获取图像的步骤之后，包括：

将图像的各像素由RGB空间转换成HSV空间；

基于HSV空间识别图像中的目标颜色。

在其中一个实施例中，基于HSV空间识别图像中的目标颜色的步骤中，包括：

识别像素的H分量、S分量以及V分量；

将像素的H分量、S分量以及V分量与目标颜色的标准HSV信息进行比对；

若像素的H分量、S分量以及V分量符合目标颜色的标准HSV信息，则确定像素显示的颜色为目标颜色。

在其中一个实施例中，基于以下步骤测量目标颜色在图像中的面积大小：

获取图像的总面积大小；

统计用于显示目标颜色的像素数量占图像的像素总数量的比例；

将图像的总面积大小与比例的乘积，作为目标颜色的面积大小。

在其中一个实施例中，获取图像的步骤之后，包括：

对图像进行降分辨率处理。

一种白平衡处理装置，包括：

图像获取模块，用于获取图像；

识别模块，用于识别图像中的图像构成元素；

处理模块，用于根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理。

一种电子设备，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以下步骤：

获取图像；

识别图像中的图像构成元素；

根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理。

一种电子设备可读存储介质，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以下步骤：

获取图像；

识别图像中的图像构成元素；

根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理。

上述技术方案中的一个技术方案具有如下优点和有益效果：

获取图像，识别图像中的图像构成元素，根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理。从而，通过本申请实施例的白平衡处理方法，将获取到的图像按预设条件进行分类，并对每类图像采用对应的白平衡处理策略，避免了采用同一种白平衡策略来处理所有类型图像的问题，从而提高了图像白平衡处理的质量。

附图说明

图1为一个实施例中图像处理方法的应用环境图；

图2为一个实施例中白平衡处理方法步骤的第一流程示意图；

图3为一个实施例中边缘方向特征提取方法步骤的流程示意图；

图4为一个实施例中Canny算子步骤的流程示意图；

图5为一个实施例中获取图像的面积大小步骤的流程示意图；

图6为一个实施例中白平衡处理方法步骤的第二流程示意图；

图7为一个实施例中空间转换步骤的流程示意图；

图8为一个实施例中HSV空间识别图像中的目标颜色步骤的流程示意图；

图9为一个实施例中白平衡处理方法装置的第一结构框图；

图10为一个实施例中白平衡处理方法装置的第二结构框图；

图11为一个实施例中识别模块的结构框图；

图12为一个实施例中处理模块的结构框图；

图13为一个实施例中电子设备的内部结构图。

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。

图1为一个实施例中白平衡处理方法的应用环境图。如图1所示，该应用环境图中包含用户102和终端104。终端104上可以对待处理图像进行显示，用户102可以通过触发指令对终端104显示的待处理图像中的任意区域进行选择。其中，触发指令可以是根据触控操作、物理按键操作、语音控制操作或晃动操作等发起的。终端104检测到触发指令之后，获取图像；识别图像中的图像构成元素；根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理。其中，终端104为处于计算机网络最外围，主要用于输入用户信息以及输出处理结果的电子设备，例如可以是个人电脑、移动终端、个人数字助理、可穿戴电子设备等。可以理解的是，本申请提供的其他实施例中，该白平衡处理方法的应用环境可以只包含终端104。

在一个实施例中，如图2所示，提供了一种白平衡处理方法，包括以下步骤：

步骤S210，获取图像。

其中，图像可采用拍摄的方式获取，也可直接在电子设备中的储存介质中读取。为了提高图像处理速率，在一个具体的实施例中，获取图像的步骤之后，包括：对图像进行降分辨率处理。进一步的，采用最近邻近法、双线性插值法或者双三次卷积法对图像进行降分辨率处理。例如，将图像的分辨率降至为100*100的分辨率，或者将图像的分辨率降至为88*72的分辨率，又或者将图像的分辨率降至为128*96的分辨率，具体降至何种分辨率可根据实际需要而定。

步骤S220，识别图像中的图像构成元素。

其中，图像构成元素是构成图像的要素。在一个实施例中，图像构成元素包括：图像的颜色、人物、动物、建筑、自然景象等。

在一个示例中，可基于边缘方向特征提取方法识别图像中的图像构成元素。如图3所示，边缘方向特征提取方法的具体步骤为：

步骤S310，提取图像中的边缘点；

步骤S320，计算各边缘点的边缘方向；

步骤S330，对各边缘点的边缘方向进行离散化，得到对应的离散化方向；

步骤S340，统计各离散化方向上的边缘点的个数，得到边缘方向直方图；

步骤S350，基于边缘方向直方图识别图像中的图像构成元素。

需要说明的是，图像中的边缘是图像的重要特征之一，是图像中灰度发生突变的地方，也是图像中不同图像构成元素之间以及图像构成元素与图像背景之间的边界。边缘方向直方图是图像构成元素的特征描述符，基于边缘方向直方图能够准确地识别出图像中图像构成元素。

在又一个示例中，为了能够更好地识别出图像中的图像构成元素，采用Canny算子识别图像中的图像构成元素，如图4所示，具体步骤为：

步骤S410，采用高斯滤波器对图像g进行滤波，去除图像g中所含的噪声，得到图像g′。

其中，图像g表示待处理的图像，图像g′表示对待处理的图像进行处理后获得的图像。

步骤S420，采用高斯算子的一阶微分计算图像g′中各像素的梯度大小|G|和方向Φ；

步骤S430，统计梯度大小|G|和方向Φ得到边缘方向直方图，并对边缘方向直方图进行量化处理，并基于量化后的边缘方向直方图识别图像中的图像构成元素。

步骤S230，根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理。

其中，白平衡算法也被称之为色彩一致性算法，是通过去除光源因素对物体颜色的影响，从而将未知光源下的图像转换到某个经典的光源之下，达到还原图像颜色的目的。

预设条件用于将图像进行分类。图像的类别是按照图像中包含的图像构成元素以及图像构成元素是否满足预设条件来进行划分的。例如，将图像构成元素仅包括满足预设条件的颜色的图像分为一类，其中，预设条件为颜色为特定颜色；将图像构成元素包括满足预设条件的颜色和建筑的图像分为一类，其中，预设条件为颜色为特定颜色，且特定颜色在图像中的面积大小超过阈值；将图像构成元素包括满足预设条件的颜色和人物的图像分为一类其中，预设条件为颜色为特定颜色，且特定颜色在图像中的面积大小超过阈值；换言之，图像可分别只包括满足预设条件的颜色的图像，或者包括满足预设条件的颜色以及一个其他种类的图像构成元素的图像。相应的，对各类图像进行对应的白平衡处理，例如，当识别出图像中的图像构成元素包含自然景象，则对图像进行与自然景象对应的白平衡处理。当识别出图像中的图像构成元素包含建筑，则对图像进行与建筑对应的白平衡处理。

在一个示例中，图像构成元素包括目标颜色；所述根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理的步骤中：

若目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标颜色对应的白平衡处理。

需要说明的是，目标颜色是在识别图像构成元素时的颜色对象，在图像中识别到目标颜色，并在目标颜色满足面积大小条件，则需要图像进行与目标颜色对应的白平衡处理。具体的，在图像中的图像构成元素仅有颜色时，且目标颜色在图像中占据的面积大小超过预设阈值的图像进行目标颜色对应的白平衡处理，以消除目标颜色对图像显示带来的影响。在一个示例中，预设阈值为图像总面积大小的三分之一，当目标颜色在图像中的面积大小超过图像总面积大小的三分之一，则需要对图像进行目标颜色对应的白平衡处理。为了进一步的提高图像白平衡处理的质量，预设阈值可根据实际质量要求进行调整，例如，将预设阈值调整为四分之一或五分之一等。进一步的，目标颜色为黄色、绿色或蓝色。

进一步的，如图5所示，可基于以下步骤测量目标颜色在图像中的面积大小：

步骤S510，获取图像的总面积大小；

其中，在一个示例中，获取图像的图像分辨率，再扫描获取图像总的像素，图像分辨率除像素得到的商，即为图像的总面积大小。

步骤S520，统计用于显示目标颜色的像素数量占图像的像素总数量的比例；

步骤S530，将图像的总面积大小与比例的乘积，作为目标颜色的面积大小。

本申请白平衡处理方法各实施例中，通过获取图像，识别图像中的图像构成元素，根据图像构成元素与预设条件确认图像的类别，并对该图像进行对应的白平衡处理。从而，通过本申请实施例的白平衡处理方法，将获取到的图像按预设条件进行分类，并对每类图像采用对应的白平衡处理策略，避免了采用同一种白平衡策略来处理所有类型图像的问题，从而提高了图像白平衡处理的质量。

在一个实施例中，如图6所示，白平衡处理方法，包括以下步骤：

步骤S610，获取图像；

步骤S620，识别图像中的图像构成元素；所述图像构成元素包括目标颜色以及目标对象；

步骤S630，若识别出目标对象，且目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标对象对应的白平衡处理。

需要说明的是，步骤S610和上述实施例中的步骤S210相同，此处不再赘述。

其中，目标对象为除颜色之外的其他图像构成元素，在一个示例中，目标对象为人脸。

目标颜色是在识别图像中的图像构成元素时的颜色对象。

目标颜色为黄色、绿色或蓝色。

当在图像中识别到目标颜色，且目标颜色在图像中的面积大小超过预设阈值(图像总面积的三分之一)，同时在图像中识别到目标对象(人脸)，则对图像进行人脸白平衡(FaceAWB)处理。

在一个具体的实施例中，如图7所示，获取图像的步骤之后，包括：

步骤S710，将图像的各像素由RGB空间转换成HSV空间；

需要说明的是，RGB空间是一种最基本的颜色空间模型。其中R、G、B分别代表红(red)、绿(green)、蓝(red)三种基本颜色，现实中的所有颜色都可通过这三种基色进行叠加表示而成。RGB空间是一种面向硬件设备常用的空间模型，也是数字图像处理领域最常用的颜色空间，它最大的优点就是简单方便，但是也存在着不足之处。RGB空间的主要缺点是不直观，与人的视觉感知有着很大的差异。

HSV(Hue、Saturation and Value，色调、饱和度和亮度)空间就是一种符合人眼视觉特性的面向视觉感知的颜色空间模型。HSV空间主要包括三个要素：色调(H)、饱和度(S)和亮度(V)。这三个要素反映了人类视觉观察颜色的方式。其中，色调表示颜色的类型，饱和度表示颜色的纯度，亮度V表示光的明暗程度，光波的能量越大，亮度就越大。HSV空间有两个重要的特性：其一，HSV颜色空间模型的三要素之间互相独立；其二，色调和饱和度这两个要素与人眼的视觉特性是紧密相连的，这两个特性使得HSV颜色空间非常适用于借助人眼的视觉特性来感知颜色特性的图像处理算法。因此将图像由RGB空间转换成HSV空间使得颜色识别更加准确，从而提高了对图像进行分类的准确度。

步骤S720，基于HSV空间识别图像中的目标颜色。

其中，在一个示例中，如图8所示，基于HSV空间识别图像中的目标颜色的步骤中，包括：

步骤S810，识别像素的H分量、S分量以及V分量；

步骤S820，将像素的H分量、S分量以及V分量与目标颜色的标准HSV信息进行比对；

步骤S830，若像素的H分量、S分量以及V分量符合目标颜色的标准HSV信息，则确定像素显示的颜色为目标颜色。

需要说明的是，目标颜色为黄色、绿色或蓝色，分别对应的标准HSV信息如下：

黄色：30<H<90，0.1<S<1，50<B<230；

绿色：90<H<180，0.1<S<1，50<B<230；

蓝色：180<H<270，0.15<S<1，50<B<230。

将识别到的目标颜色的H分量、S分量以及V分量与上述HSV信息比对，即可判定目标颜色是否为上述三者中的一种。

本申请白色处理触发条件检测方法各实施例中，由于目标颜色的存在影响目标对象的显示效果，例如，在自拍中，当黄色、绿色或蓝色中的一种超过图像的总面积大小的三分之一，则会使得人脸显示的颜色不正常，影响视觉效果，因此，采用本申请白平衡处理方法将该类图像识别出来，并对该类图像进行对应的白平衡处理，能够提高图像的显示质量，避免图像色彩偏差。

应该理解的是，虽然图2-8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，图2-8中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图9所示，提供了一种白平衡处理装置，包括：

图像获取模块910，用于获取图像；

识别模块920，用于识别图像中的图像构成元素；

处理模块930，用于根据图像构成元素与预设条件确认图像的类别，并对图像进行对应的白平衡处理。

在一个实施例中，一种白平衡处理装置；

处理模块930，还用于若目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标颜色对应的白平衡处理。

在一个实施例中，一种白平衡处理装置；

处理模块930，还用于若识别出目标对象，且目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标对象对应的白平衡处理。。

在一个实施例中，如图10所示，一种白平衡处理装置，还包括：

空间转换模块1010，用于将图像的各像素由RGB空间转换成HSV空间；

识别模块920，还用于基于HSV空间识别图像中的目标颜色。

在一个实施例中，如图11所示，一种白平衡处理装置，识别模块包括：

识别单元1110，用于识别像素的H分量、S分量以及V分量；

比对单元1120，用于将像素的H分量、S分量以及V分量与目标颜色的标准HSV信息进行比对；

确定单元1130，用于若像素的H分量、S分量以及V分量符合目标颜色的标准HSV信息，则确定像素显示的颜色为目标颜色。

在一个实施例中，如图12所示，一种白平衡处理装置，处理模块包括：

第一面积获取单元1210，用于获取图像的总面积大小；

统计单元1220，用于统计用于显示目标颜色的像素数量占图像的像素总数量的比例；

第二面积获取单元1230，用于将图像的总面积大小与比例的乘积，作为目标颜色的面积大小。

在一个实施例中，如图10所示，一种白平衡处理装置，还包括：

降分辨率模块1020，用于对图像进行降分辨率处理。

关于白平衡处理装置的具体限定可以参见上文中对于白平衡处理方法的限定，在此不再赘述。上述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电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，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，还提供一种电子设备。上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图13为一个实施例中图像处理电路的示意图。如图13所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。

如图13所示，图像处理电路包括ISP处理器1340和控制逻辑器1350。成像设备1310捕捉的图像数据首先由ISP处理器1340处理，ISP处理器1340对图像数据进行分析以捕捉可用于确定和/或成像设备1310的一个或多个控制参数的图像统计信息。成像设备1310可包括具有一个或多个透镜1312和图像传感器1314的照相机。图像传感器1314可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器1314可获取用图像传感器1314的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器1340处理的一组原始图像数据。传感器1320(如陀螺仪)可基于传感器1320接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器1340。传感器1320接口可以利用SMIA(Standard Mobile Imaging Architecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。

此外，图像传感器1314也可将原始图像数据发送给传感器1320，传感器1320可基于传感器1320接口类型把原始图像数据提供给ISP处理器1340，或者传感器1320将原始图像数据存储到图像存储器1330中。

ISP处理器1340按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器1340可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。

ISP处理器1340还可从图像存储器1330接收图像数据。例如，传感器1320接口将原始图像数据发送给图像存储器1330，图像存储器1330中的原始图像数据再提供给ISP处理器1340以供处理。图像存储器1330可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。

当接收到来自图像传感器1314接口或来自传感器1320接口或来自图像存储器1330的原始图像数据时，ISP处理器1340可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器1330，以便在被显示之前进行另外的处理。ISP处理器1340还可从图像存储器1330接收处理数据，对所述处理数据进行原始域中以及RGB和HSV颜色空间中的图像数据处理。处理后的图像数据可输出给显示器1380，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器1340的输出还可发送给图像存储器1330，且显示器1380可从图像存储器1330读取图像数据。在一个实施例中，图像存储器1330可被配置为实现一个或多个帧缓冲器。此外，ISP处理器1340的输出可发送给编码器/解码器1370，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器1380设备上之前解压缩。

ISP处理器1340处理图像数据的步骤包括：对图像数据进行VFE(Video FrontEnd，视频前端)处理和CPP(Camera Post Processing，摄像头后处理)处理。对图像数据的VFE处理可包括修正图像数据的对比度或亮度、修改以数字方式记录的光照状态数据、对图像数据进行补偿处理(如白平衡，自动增益控制，γ校正等)、对图像数据进行滤波处理等。对图像数据的CPP处理可包括对图像进行缩放、向每个路径提供预览帧和记录帧。其中，CPP可使用不同的编解码器来处理预览帧和记录帧。ISP处理器1340处理后的图像数据可发送给光效处理模块1360，以便在被显示之前对图像进行光效增强处理。其中，光效处理模块1360可为移动终端中CPU(Central Processing Unit，中央处理器)、GPU或协处理器等。光效处理模块1360处理后的数据可发送给编码器/解码器1370，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器1380设备上之前解压缩。其中，光效处理模块1360还可位于编码器/解码器1370与显示器1380之间，即光效增强模块1360对已成像的图像进行光效增强处理。上述编码器/解码器1370可为移动终端中CPU、GPU或协处理器等。

ISP处理器1340确定的统计数据可发送给控制逻辑器1350单元。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1312阴影校正等图像传感器1314统计信息。控制逻辑器1350可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定成像设备1310的控制参数以及ISP处理器1340的控制参数。例如，成像设备1310的控制参数可包括传感器1320控制参数(例如增益、曝光控制的积分时间)、照相机闪光控制参数、透镜1312控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及透镜1312阴影校正参数。

运用图13中图像处理技术可实现如上所述的图像处理方法。

白平衡处理

在一个实施例中，提供了一种电子设备可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取图像；

识别图像中的图像构成元素；图像构成元素用于构成图像；

若图像构成元素满足预设条件，则对图像进行对应的白平衡处理；预设条件用于指示将图像进行分类。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

若目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标颜色对应的白平衡处理。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

若识别出目标对象，且目标颜色在图像中的面积大小超过预设阈值，则对图像进行与目标对象对应的白平衡处理。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将图像的各像素由RGB空间转换成HSV空间；

基于HSV空间识别图像中的目标颜色。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

识别像素的H分量、S分量以及V分量；

将像素的H分量、S分量以及V分量与目标颜色的标准HSV信息进行比对；

若像素的H分量、S分量以及V分量符合目标颜色的标准HSV信息，则确定像素显示的颜色为目标颜色。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取图像的总面积大小；

统计用于显示目标颜色的像素数量占图像的像素总数量的比例；

将图像的总面积大小与比例的乘积，作为目标颜色的面积大小。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对图像进行降分辨率处理。

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、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种白平衡处理方法，应用于电子设备，其特征在于，包括以下步骤：

获取图像；

识别所述图像中的图像构成元素；

根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理。

2.根据权利要求1所述的白平衡处理方法，其特征在于，所述图像构成元素包括目标颜色；

所述根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理的步骤中：

若所述目标颜色在所述图像中的面积大小超过预设阈值，则对所述图像进行与所述目标颜色对应的白平衡处理。

3.根据权利要求2所述的白平衡处理方法，其特征在于，所述图像构成元素还包括目标对象；

所述根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理的步骤中：

若识别出所述目标对象，且所述目标颜色在所述图像中的面积大小超过预设阈值，则对所述图像进行与所述目标对象对应的白平衡处理。

4.根据权利要求2或3所述的白平衡处理方法，其特征在于，所述获取图像的步骤之后，包括：

将所述图像的各像素由RGB空间转换成HSV空间；

基于所述HSV空间识别所述图像中的所述目标颜色。

5.根据权利要求4所述的白平衡处理方法，其特征在于，所述基于所述HSV空间识别所述图像中的所述目标颜色的步骤中，包括：

识别所述像素的H分量、S分量以及V分量；

将所述像素的H分量、S分量以及V分量与所述目标颜色的标准HSV信息进行比对；

若所述像素的H分量、S分量以及V分量符合所述目标颜色的标准HSV信息，则确定所述像素显示的颜色为所述目标颜色。

6.根据权利要求2或3所述的白平衡处理方法，其特征在于，基于以下步骤测量所述目标颜色在所述图像中的面积大小：

获取所述图像的总面积大小；

统计用于显示所述目标颜色的像素数量占所述图像的像素总数量的比例；

将所述图像的总面积大小与所述比例的乘积，作为所述目标颜色的面积大小。

7.根据权利要求1所述的白平衡处理方法，其特征在于，所述获取图像的步骤之后，包括：

对所述图像进行降分辨率处理。

8.一种白平衡处理装置，其特征在于，包括：

图像获取模块，用于获取图像；

识别模块，用于识别所述图像中的图像构成元素；所述图像构成元素用于构成所述图像；

处理模块，用于根据所述图像构成元素与预设条件确认所述图像的类别，并对所述图像进行对应的白平衡处理。

9.一种电子设备，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中任一项所述方法的步骤。

10.一种电子设备可读存储介质，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。