CN109215090A - 用于计算色差的方法、装置及服务器 - Google Patents

Abstract

本申请公开了用于计算色差的方法、装置及服务器。该方法的一具体实施方式包括：从获取的待处理图像中确定包含指定物体的评定图像，上述评定图像用于表征待处理图像的颜色特性；计算上述评定图像的颜色特征；计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差，上述基准颜色特征为上述指定物体的标准颜色特征，用于对上述颜色特征进行对比。该实施方式从待处理图像中确定评定图像，并对比评定图像的颜色特征与基准颜色特征之间的差值，能够快速获取评定图像的色差。

Description

用于计算色差的方法、装置及服务器

技术领域

本申请涉及数据处理技术领域，具体涉及图像处理技术领域，尤其涉及用于计算色差的方法、装置及服务器。

背景技术

汽车拓展了人们出行的范围，给人们的出行带来了便利，提高了人们的生活质量。随着科技的发展和进步，通过智能系统控制的无人驾驶车辆能够获取比有人驾驶的汽车更多的行驶信息，具备更高的安全性，成为未来汽车发展的一个重要趋势。无人驾驶车辆采用机器人操作系统进行信息传输，并依靠人工智能、视觉计算、视频摄像头、雷达传感器、激光雷达和GPS(Global Positioning System，全球定位系统)定位系统协同合作，让无人驾驶车辆可以在没有任何协助的情况下，自动安全地行驶。无人驾驶车辆在行驶过程中，需要通过采集周围的图像来对行驶环境进行识别，进而根据识别结果影响控制无人驾驶车辆的指令。

无人驾驶车辆通常包括多个镜头，镜头之间的颜色敏感度等参数指标不尽相同，容易出现不同镜头获取同一物体的图像的色差不同，进而降低了对图像处理时的准确度。对图像进行处理时，要求色差在一定的范围内，但现有对色差参数的识别方法过程复杂，耗时长，不利于对图像的快速处理。

发明内容

本申请实施例的目的在于提出了用于计算色差的方法、装置及服务器，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于计算色差的方法，该方法包括：从获取的待处理图像中确定包含指定物体的评定图像，上述评定图像用于表征待处理图像的颜色特性；计算上述评定图像的颜色特征；计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差，上述基准颜色特征为上述指定物体的标准颜色特征，用于对上述颜色特征进行对比。

在一些实施例中，上述计算上述评定图像的颜色特征包括：提取上述评定图像中像素的RGB颜色空间的颜色特征；将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征；根据上述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征。

在一些实施例中，上述将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征包括：将上述RGB颜色空间的颜色特征转换为第一XYZ颜色空间的颜色特征；将上述第一XYZ颜色空间的颜色特征转换为对立颜色空间的颜色特征。

在一些实施例中，上述将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征还包括：对上述对立颜色空间的颜色特征进行平滑滤波。

在一些实施例中，上述根据上述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征包括：将上述对立颜色空间的颜色特征转换为第二XYZ颜色空间的颜色特征；根据上述第二XYZ颜色空间的颜色特征计算Lab颜色空间的颜色特征。

在一些实施例中，上述计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差包括：计算上述评定图像中每个像素点的上述Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到每个像素点的色差；根据每个像素点的色差求得上述评定图像的色差。

第二方面，本申请实施例提供了一种用于计算色差的装置，上述该装置包括：评定图像获取单元，用于从获取的待处理图像中确定包含指定物体的评定图像，上述评定图像用于表征待处理图像的颜色特性；颜色特征计算单元，用于计算上述评定图像的颜色特征；色差计算单元，用于计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差，上述基准颜色特征为上述指定物体的标准颜色特征，用于对上述颜色特征进行对比。

在一些实施例中，上述颜色特征计算单元包括：颜色特征提取子单元，用于提取上述评定图像中像素的RGB颜色空间的颜色特征；第一转换子单元，用于将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征；第二转换子单元，用于根据上述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征。

在一些实施例中，上述色差计算单元包括：像素点色差计算子单元，用于计算上述评定图像中每个像素点的上述Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到每个像素点的色差；评定图像色差计算子单元，用于根据每个像素点的色差求得上述评定图像的色差。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，摄像头，用于采集图像；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于计算色差的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于计算色差的方法。

本申请实施例提供的用于计算色差的方法、装置及服务器，从待处理图像中确定评定图像，并对比评定图像的颜色特征与基准颜色特征之间的差值，能够快速获取评定图像的色差。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于计算色差的方法的一个实施例的流程图；

图3是根据本申请的用于计算色差的方法的一个应用场景的示意图；

图4是根据本申请的用于计算色差的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于计算色差的方法或用于计算色差的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括无人驾驶车辆101、102、103，网络104和服务器105。网络104用以在无人驾驶车辆101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

无人驾驶车辆101、102、103可以通过网络104与服务器105交互，以接收或发送消息等。无人驾驶车辆101、102、103上可以安装有多个镜头，例如采集无人驾驶车辆101、102、103前方图像的镜头、采集无人驾驶车辆101、102、103后方图像的镜头等。

无人驾驶车辆101、102、103可以是具有多个数据采集单元和数据处理单元的各种车辆，包括但不限于电动汽车、油电混合汽车和内燃机汽车等等。

服务器105可以是提供各种服务的服务器，例如对无人驾驶车辆101、102、103获取的图像进行处理的服务器。服务器可以对无人驾驶车辆101、102、103获取的待处理图像进行图像处理操作，并根据图像处理结果生成无人驾驶车辆101、102、103的控制指令。

需要说明的是，本申请实施例所提供的用于计算色差的方法一般由无人驾驶车辆101、102、103执行，相应地，用于计算色差的装置一般设置于无人驾驶车辆101、102、103中。

应该理解，图1中的无人驾驶车辆、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的无人驾驶车辆、网络和服务器。

继续参考图2，示出了根据本申请的用于计算色差的方法的一个实施例的流程200。该用于计算色差的方法包括以下步骤：

步骤201，从获取的待处理图像中确定包含指定物体的评定图像。

在本实施例中，用于计算色差的方法运行于其上的电子设备(例如图1所示的无人驾驶车辆101、102、103)可以通过有线连接方式或者无线连接方式获取待处理图像。其中，上述评定图像用于表征待处理图像的颜色特性。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

无人驾驶车辆101、102、103上可以安装有多个镜头。这些镜头可以采集无人驾驶车辆101、102、103周围的图像或无人驾驶车辆101、102、103自身的图像。这些图像经图像处理后，用于对无人驾驶车辆101、102、103的状态进行判断等处理。为了保证图像处理的准确性，对待处理图像的色差有一定要求。通常，一幅待处理图像包含多个物体，可以从待处理图像中确定包含指定物体的部分图像作为评定图像。由于整个待处理图像是由一个镜头拍摄的，所以该评定图像可以代表整个待处理图像的颜色特征。

需要说明的是，指定物体的选取通常是根据图像处理的需要，由无人驾驶车辆101、102、103上的数据处理单元自动选定的。

步骤202，计算上述评定图像的颜色特征。

颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。色差通过颜色特征来体现，因此，需要先获取到评定图像的颜色特征。

在本实施例的一些可选的实现方式中，计算上述评定图像的颜色特征可以包括以下步骤：

第一步，提取上述评定图像中像素的RGB(red、green、blue，红、绿、蓝)颜色空间的颜色特征。

无人驾驶车辆101、102、103上安装的镜头获取的图像通常与人眼看到的图像相同，都是RGB颜色空间的颜色。因此，可以直接提取评定图像的每个像素的RGB颜色空间的颜色特征。

第二步，将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征。

图像处理过程中需要对颜色特征进行处理。通常，RGB颜色空间的颜色特征不易直接用于图像处理过程中的某些图像处理步骤。为此，本申请将RGB颜色空间的颜色特征转换为能够用于图像处理过程的对立颜色空间的颜色特征。其中，对立颜色空间是一个考虑了空间模糊特性基础上计算彩色图像色差的颜色空间，对立颜色空间的空间滤波可补偿视觉系统的空间混合效果。对立颜色空间包括A、C₁和C₂三个变量。其中，A为亮度通道值，C₁为红绿通道值，C₂为黄蓝通道值。

第三步，根据上述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征。

对立颜色空间的颜色特征是能够被图像处理过程直接应用的颜色特征，但色差计算是在Lab颜色空间进行的数据处理，因此，需要将对立颜色空间的颜色特征转换位Lab颜色空间的颜色特征。同RGB颜色空间相比，Lab颜色空间是一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。这也就意味着，它是用数字化的方法来描述人的视觉感应。Lab颜色空间中的L分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a表示从红色到绿色的范围，取值范围是[127,-128]；b表示从黄色到蓝色的范围，取值范围是[127,-128]。

在本实施例的一些可选的实现方式中，上述将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征可以包括以下步骤：

第一步，将上述RGB颜色空间的颜色特征转换为第一XYZ颜色空间的颜色特征。

XYZ颜色空间是在RGB颜色空间的基础上，改用三个假想的原色X、Y、Z建立了一个色度系统。XYZ颜色空间上的颜色特征易于在其他类型的颜色空间转换，因此，可以先将RGB颜色空间的颜色特征转换为XYZ颜色空间的颜色特征。XYZ颜色空间的颜色特征中，X、Y、Z分别表示图像的红原色刺激量、绿原色刺激量和蓝原色刺激量，即三刺激值。

颜色特征从RGB颜色空间转换到第一XYZ颜色空间的公式为：

其中，为第一XYZ颜色空间的颜色特征；为从RGB颜色空间转换到第一XYZ颜色空间的转换矩阵，该转换矩阵内的取值固定；为RGB颜色空间的颜色特征。

第二步，将上述第一XYZ颜色空间的颜色特征转换为对立颜色空间的颜色特征。

由上述描述可知，对立颜色空间的颜色特征能够直接应用在图像处理过程中，在将RGB颜色空间的颜色特征转换为XYZ颜色空间的颜色特征后，还需要将XYZ颜色空间的颜色特征转换为对立颜色空间的颜色特征。

颜色特征从第一XYZ颜色空间转换到对立颜色空间的公式为：

其中，为对立颜色空间的颜色特征；为从第一XYZ颜色空间转换到对立颜色空间的转换矩阵，该转换矩阵内的取值固定；为第一XYZ颜色空间的颜色特征。

在本实施例的一些可选的实现方式中，上述将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征还可以包括：对上述对立颜色空间的颜色特征进行平滑滤波。

将颜色特征从RGB颜色空间转换到对立颜色空间后，在RGB颜色空间上平滑的颜色特征在对立颜色空间上经常会出现不平滑的情况，因此，需要对转换得到的对立颜色空间上的颜色特征进行平滑处理。平滑处理的方式有很多，例如高斯滤波等，此处不再一一赘述。

在本实施例的一些可选的实现方式中，上述根据上述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征可以包括以下步骤：

第一步，将上述对立颜色空间的颜色特征转换为第二XYZ颜色空间的颜色特征。

颜色特征在由RGB颜色空间转换到对立颜色空间后，就具有了对立颜色空间的特性，能够被图像处理过程直接使用。之后，还需要将对立颜色空间的颜色特征转换为第二XYZ颜色空间的颜色特征，以便对色差进行计算。需要说明的是，第一XYZ颜色空间和第二XYZ颜色空间都是XYZ颜色空间，其中的“第一”和“第二”用于对颜色特征进入XYZ颜色空间的状态进行区别。

颜色特征从对立颜色空间转换到对立第二XYZ颜色空间的公式为：

其中，为第二XYZ颜色空间的颜色特征。为从对立颜色空间转换到第二XYZ颜色空间的转换矩阵，该转换矩阵内的取值固定；为平滑滤波后的对立颜色空间的颜色特征。

第二步，根据上述第二XYZ颜色空间的颜色特征计算Lab颜色空间的颜色特征。

将颜色特征从第二XYZ颜色空间转换到Lab颜色空间，成为Lab颜色空间的颜色特征，以便通过Lab颜色空间的颜色特征计算色差。

颜色特征从第二XYZ颜色空间转换到Lab颜色空间的公式为：

其中，L为像素的亮度；a为从红色到绿色的取值；b为从黄色到蓝色的取值；X_n、Y_n、Z_n分别为第二XYZ颜色空间中的颜色特征归一化以后的颜色特征；t为三刺激值与归一化后的三刺激值的比值，f(t)为t校正函数。f(t)的公式为：

步骤203，计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差。

上述的过程都是对评定图像中像素的颜色特征自身进行的处理，要想确定评定图像的色差，还要根据一个能够代表图像处理过程的色差要求的图像的颜色特征，对评定图像的颜色特征进行判断。这个能够代表图像处理过程的色差要求的图像的颜色特征就是基准颜色特征。其中，上述基准颜色特征为上述指定物体的标准颜色特征，用于对上述颜色特征进行对比。需要说明的是，基准颜色特征与评定图像包含相同的物体，以保证对评定图像的颜色特征判断的准确性。

在本实施例的一些可选的实现方式中，上述计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差可以包括以下步骤：

第一步，计算上述评定图像中每个像素点的上述Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到每个像素点的色差。

得到评定图像的每个像素点的Lab颜色空间的颜色特征后，就可以在Lab颜色空间中计算像素点的Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到评定图像的每个像素点的色差。

像素点的色差计算公式为：

其中，ΔE_ij为评定图像中第i行第j列的像素的色差；L_ij、a_ij、b_ij为评定图像中第i行第j列的像素在Lab颜色空间的颜色特征；L₀、a₀、b₀为基准颜色特征。其中，i＝[1,N]，j＝[1,M]。N为评定图像中像素的行数；M为评定图像中像素的列数。

第二步，根据每个像素点的色差求得上述评定图像的色差。

得到评定图像的每个像素点的色差后，可以计算评定图像的全部像素点的色差均值，得到评定图像的色差，进而确定待处理图像的色差。

评定图像的色差的计算公式为：

其中，ΔE为评定图像的色差。

继续参见图3，图3是根据本实施例的用于计算色差的方法的应用场景的一个示意图。在图3的应用场景中，待处理图像为一幅汽车图像301，图像处理中，从汽车图像301中选取包含汽车前轮的图像为评定图像302。计算评定图像的颜色特征，并通过包含汽车前轮的图像303的基准颜色特征与评定图像的颜色特征进行对比，确定评定图像的色差，进而得到汽车图像301的色差。

本申请的上述实施例提供的方法从待处理图像中确定评定图像，并对比评定图像的颜色特征与基准颜色特征之间的差值，能够快速获取评定图像的色差。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于计算色差的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于计算色差的装置400可以包括：评定图像获取单元401、颜色特征计算单元402和色差计算单元403。其中，评定图像获取单元401用于从获取的待处理图像中确定包含指定物体的评定图像，上述评定图像用于表征待处理图像的颜色特性；颜色特征计算单元402用于计算上述评定图像的颜色特征；色差计算单元403用于计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差，上述基准颜色特征为上述指定物体的标准颜色特征，用于对上述颜色特征进行对比。

在本实施例的一些可选的实现方式中，上述颜色特征计算单元402可以包括：颜色特征提取子单元(图中未示出)、第一转换子单元(图中未示出)和第二转换子单元(图中未示出)。其中，颜色特征提取子单元用于提取上述评定图像中像素的RGB颜色空间的颜色特征；第一转换子单元用于将上述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征；第二转换子单元用于根据上述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征。

在本实施例的一些可选的实现方式中，上述第一转换子单元可以包括：第一转换模块(图中未示出)和第二转换模块(图中未示出)。其中，第一转换模块用于将上述RGB颜色空间的颜色特征转换为第一XYZ颜色空间的颜色特征；第二转换模块用于将上述第一XYZ颜色空间的颜色特征转换为对立颜色空间的颜色特征。

在本实施例的一些可选的实现方式中，上述第一转换子单元还包括：平滑滤波模块(图中未示出)，用于对上述对立颜色空间的颜色特征进行平滑滤波。

在本实施例的一些可选的实现方式中，上述第二转换子单元可以包括：第三转换模块(图中未示出)和第四转换模块(图中未示出)。其中，第三转换模块用于将上述对立颜色空间的颜色特征转换为第二XYZ颜色空间的颜色特征；第四转换模块用于根据上述第二XYZ颜色空间的颜色特征计算Lab颜色空间的颜色特征。

在本实施例的一些可选的实现方式中，上述色差计算单元403可以包括：像素点色差计算子单元(图中未示出)和评定图像色差计算子单元(图中未示出)。其中，像素点色差计算子单元用于计算上述评定图像中每个像素点的上述Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到每个像素点的色差；评定图像色差计算子单元用于根据每个像素点的色差求得上述评定图像的色差。

本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，摄像头，用于采集图像；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于计算色差的方法。

本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用于计算色差的方法。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括评定图像获取单元、颜色特征计算单元和色差计算单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，色差计算单元还可以被描述为“用于计算色差的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：从获取的待处理图像中确定包含指定物体的评定图像，上述评定图像用于表征待处理图像的颜色特性；计算上述评定图像的颜色特征；计算上述颜色特征与基准颜色特征之间的差值，得到上述评定图像的色差，上述基准颜色特征为上述指定物体的标准颜色特征，用于对上述颜色特征进行对比。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种用于计算色差的方法，其特征在于，所述方法包括：

从获取的待处理图像中确定包含指定物体的评定图像，所述评定图像用于表征待处理图像的颜色特性；

计算所述评定图像的颜色特征；

计算所述颜色特征与基准颜色特征之间的差值，得到所述评定图像的色差，所述基准颜色特征为所述指定物体的标准颜色特征，用于对所述颜色特征进行对比。

2.根据权利要求1所述的方法，其特征在于，所述计算所述评定图像的颜色特征包括：

提取所述评定图像中像素的RGB颜色空间的颜色特征；

将所述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征；

根据所述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征。

3.根据权利要求2所述的方法，其特征在于，所述将所述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征包括：

将所述RGB颜色空间的颜色特征转换为第一XYZ颜色空间的颜色特征；

将所述第一XYZ颜色空间的颜色特征转换为对立颜色空间的颜色特征。

4.根据权利要求3所述的方法，其特征在于，所述将所述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征还包括：

对所述对立颜色空间的颜色特征进行平滑滤波。

5.根据权利要求4所述的方法，其特征在于，所述根据所述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征包括：

将所述对立颜色空间的颜色特征转换为第二XYZ颜色空间的颜色特征；

根据所述第二XYZ颜色空间的颜色特征计算Lab颜色空间的颜色特征。

6.根据权利要求5所述的方法，其特征在于，所述计算所述颜色特征与基准颜色特征之间的差值，得到所述评定图像的色差包括：

计算所述评定图像中每个像素点的所述Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到每个像素点的色差；

根据每个像素点的色差求得所述评定图像的色差。

7.一种用于计算色差的装置，其特征在于，所述装置包括：

评定图像获取单元，用于从获取的待处理图像中确定包含指定物体的评定图像，所述评定图像用于表征待处理图像的颜色特性；

颜色特征计算单元，用于计算所述评定图像的颜色特征；

色差计算单元，用于计算所述颜色特征与基准颜色特征之间的差值，得到所述评定图像的色差，所述基准颜色特征为所述指定物体的标准颜色特征，用于对所述颜色特征进行对比。

8.根据权利要求7所述的装置，其特征在于，所述颜色特征计算单元包括：

颜色特征提取子单元，用于提取所述评定图像中像素的RGB颜色空间的颜色特征；

第一转换子单元，用于将所述RGB颜色空间的颜色特征转换为对立颜色空间的颜色特征；

第二转换子单元，用于根据所述对立颜色空间的颜色特征计算得到像素在Lab颜色空间的颜色特征。

9.根据权利要求8所述的装置，其特征在于，所述色差计算单元包括：

像素点色差计算子单元，用于计算所述评定图像中每个像素点的所述Lab颜色空间的颜色特征与基准颜色特征之间的空间距离，得到每个像素点的色差；

评定图像色差计算子单元，用于根据每个像素点的色差求得所述评定图像的色差。

10.一种设备/终端/服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

摄像头，用于采集图像；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一所述的方法。