CN109427041B - 一种图像白平衡方法及系统、存储介质及终端设备 - Google Patents
一种图像白平衡方法及系统、存储介质及终端设备 Download PDFInfo
- Publication number
- CN109427041B CN109427041B CN201710740139.3A CN201710740139A CN109427041B CN 109427041 B CN109427041 B CN 109427041B CN 201710740139 A CN201710740139 A CN 201710740139A CN 109427041 B CN109427041 B CN 109427041B
- Authority
- CN
- China
- Prior art keywords
- target image
- image
- pixel
- mapping model
- average
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 101
- 238000002834 transmittance Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 230000007547 defect Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 9
- 230000009467 reduction Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010033546 Pallor Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Of Color Television Signals (AREA)
- Color Television Image Signal Generators (AREA)
Abstract
本发明提供一种图像白平衡方法及系统、存储介质及终端设备,包括以下步骤:基于暗通道先验算法获取目标图像中的白色区域;建立从所述目标图像到还原图像的映射模型,所述映射模型包括待确定的映射参数;基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射模型;基于所述目标图像和所述训练好的映射模型获取还原图像。本发明的图像白平衡方法及系统、存储介质及终端设备解决了现有技术中图像白平衡算法失效率高,基于的假设单一,硬件复杂度高等缺陷。
Description
技术领域
本发明涉及图像处理的技术领域,特别是涉及一种图像白平衡方法及系统、存储介质及 终端设备。
背景技术
随着人工智能的白热化发展,机器已经为人类带来了巨大的便利。在人工智能领域中, 机器视觉将成为人工智能下一个主要发展方向。
人眼看到的物体颜色就是物体本身的真实颜色,且人眼所看到物体的颜色不容易受到周 围光线的影响,这种现象叫做色彩恒常性。图像传感器是计算机和其他电子设备获取图像信 息的电子元件,是机器视觉的信息入口,能够将光学图像转变为电信号,从而帮助其他元件 实现对图像的存储和机器视觉算法后期的处理。然而在获取图像时,图像传感器会受到环境 光的影响,会将它“看到”的所有可见光都存储下来。例如,在偏黄的光线下拍摄的图像, 如果不经过色彩还原处理,图像传感器会存储偏黄的图像,而不是物体本身的颜色。若直接 在显示屏上显示,图像就会偏黄,而正确的色彩对机器视觉来说也极为重要。因此,需要在 图像传感器存储图像后或在显示器显示图像前进行色彩还原以减少色偏,恢复图像本身的颜 色。
现有技术中提出了很多色彩还原的相关算法,其中最经典的色彩还原算法博客以下两种:
(1)灰度世界算法
灰度世界算法假设对于一副色彩丰富的图像而言,整个场景的平均反射是消色差的,即 各个颜色通道的平均值是相等的,从而在此基础上计算各通道增益。但是,当图像颜色较为 单一时,该算法失效,无法还原物体真实色彩。
(2)完美反射算法
完美反射算法假设图像上最亮点就是白点,并以此白点为参考计算各通道增益。但是, 当图像不存在白色区域时,该算法失效。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种图像白平衡方法及系统、存 储介质及终端设备,用于解决现有技术中图像白平衡算法失效率高,基于的假设单一,硬件 复杂度高等缺陷。
为实现上述目的及其他相关目的,本发明提供一种基于暗通道先验与灰度世界算法的图 像白平衡方法,包括以下步骤:基于暗通道先验算法获取目标图像中的白色区域;建立从所 述目标图像到还原图像的映射模型,所述映射模型包括待确定的映射参数;基于灰度世界算 法,利用所述目标图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射 模型;基于所述目标图像和所述训练好的映射模型获取还原图像。
于本发明一实施例中,基于暗通道先验算法获取目标图像中的白色区域包括以下步骤:
获取目标图像中每个像素点x在r、g、b通道上的像素值Ic(x),c∈{r、g、b};
将所述暗通道的目标图像中最亮的点的像素值作为大气光强的值A;
计算所述目标图像的平均透射率t_average;
根据I(x)=J(x)t(x)+A(1-t(x))获取J(x),其中I(x)表示所述目标图像中的像素点x的像 素值;J(x)表示还原图像中的像素点x的亮度值;
计算还原图像中的像素点的平均亮度值J_average;
遍历所有像素点,将满足t(x)<t_average且J(x)>J_average的像素点构成白色区域。
其中,Ir(x)、Ig(x)、Ib(x)分别表示目标图像中像素点x在r、g、b通道上的像素值;Ir'(x)、 Ig'(x)、Ib'(x)分别表示还原图像中像素点x在r、g、b通道上的像素值;ur、ug、ub、vr、 vg、vb为映射参数。
于本发明一实施例中,基于灰度世界算法,利用所述目标图像和所述白色区域获取所述 映射模型的映射参数,以得到训练好的映射模型包括以下步骤:
a)计算目标图像的平均灰度值gray;
c)计算白色区域的平均灰度值graymax;
对应地,本发明还提供一种基于暗通道先验与灰度世界算法的图像白平衡系统,包括获 取模块、建立模块、训练模块和还原模块;
获取模块用于基于暗通道先验算法获取目标图像中的白色区域;
建立模块用于建立从所述目标图像到还原图像的映射模型,所述映射模型包括待确定的 映射参数;
训练模块用于基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型 的映射参数,以得到训练好的映射模型;
还原模块用于基于所述目标图像和所述训练好的映射模型获取还原图像
于本发明一实施例中,所述获取模块基于暗通道先验算法获取目标图像中的白色区域执 行以下步骤:
获取目标图像中每个像素点x在r、g、b通道上的像素值Ic(x),c∈{r、g、b};
将所述暗通道的目标图像中最亮的点的像素值作为大气光强的值A;
计算所述目标图像的平均透射率t_average;
根据I(x)=J(x)t(x)+A(1-t(x))获取J(x),其中I(x)表示所述目标图像中的像素点x的像 素值;J(x)表示还原图像中的像素点x的亮度值;
计算还原图像中的像素点的平均亮度值J_average;
遍历所有像素点,将满足t(x)<t_average且J(x)>J_average的像素点构成白色区域。
其中,Ir(x)、Ig(x)、Ib(x)分别表示目标图像中像素点x在r、g、b通道上的像素值;Ir'(x)、Ig'(x)、Ib'(x)分别表示还原图像中像素点x在r、g、b通道上的像素值;ur、ug、 ub、vr、vg、vb为映射参数。
于本发明一实施例中,所述训练模块基于灰度世界算法,利用所述目标图像和所述白色 区域获取所述映射模型的映射参数,以得到训练好的映射模型执行以下步骤:
a)计算目标图像的平均灰度值gray;
c)计算白色区域的平均灰度值graymax;
另外,本发明还提供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 器执行时实现上述基于暗通道先验与灰度世界算法的图像白平衡方法。
最后,本发明还提供一种终端设备,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序, 以使所述终端设备执行如上述基于暗通道先验与灰度世界算法的图像白平衡方法。
如上所述,本发明的图像白平衡方法及系统、存储介质及终端设备,具有以下有益效果:
(1)结合了暗通道先验算法与灰度世界算法的优点,抵消了两者的缺点,显著提高了图 像衡算法的适用性;
(2)色彩还原效果较佳,且性能稳定;
(3)在客观、主观评价以及算法的硬件复杂度等方面明显高于传统图像白平衡算法。
附图说明
图1显示为本发明的基于暗通道先验与灰度世界算法的图像白平衡方法于一实施例中的 流程图;
图2显示为本发明的基于暗通道先验与灰度世界算法的图像白平衡系统于一实施例中的 结构示意图;
图3显示为本发明的终端设备于一实施例中的结构示意图。
元件标号说明
11 获取模块
12 建立模块
13 训练模块
14 还原模块
3 终端设备
31 处理器
32 存储器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精 神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征 可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图 式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实 际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复 杂。
白平衡是一个很抽象的概念,最通俗的理解就是让白色所成的图像依然为白色。如果白 是白,那其他景物的影像就会接近人眼的色彩视觉习惯。调整白平衡的过程叫做白平衡调整。 在图像白平衡领域,暗通道先验算法最先应用于图像去雾领域,可以很好的提取图像中的白 色或偏白色区域。灰度世界算法假设现实中物体的平均反射率是消色差的,其在图像色彩丰 富时效果好,但色彩单一时失效。本发明的图像白平衡方法及系统、存储介质及终端设备结 合了暗通道先验算法与灰度世界算法的优点,抵消了两者的缺点,显著提高了图像衡算法的 适用性。
如图1所示,于一实施例中,本发明的基于暗通道先验与灰度世界算法的图像白平衡方 法包括以下步骤:
步骤S1、基于暗通道先验算法获取目标图像中的白色区域。
在计算机视觉领域,大气散射模型可以简化为I(x)=J(x)t(x)+A(1-t(x))。其中I(x)代表 图像传感器接收到的图像;J(x)代表物体本身的图像;A代表大气光强;t(x)代表透射率, 即光线透过介质未经衰减传播到图像传感器的比率。
在图像去雾领域,基于对大量户外无雾图像的观察,发现在绝大多数无雾的图像中,图 像的r、g、b通道至少有一个为0或趋近于0,因此定义Jc(x)表 示图像中的像素点x在c通道上的像素值,Jdark(x)表示图像中的像素点x在暗通道上的像素 值。在观察中,还发现对于同一场景,有雾的区域比无雾的区域的亮度高,透射率低。基于 该原理即可将图像中有雾区域提取出来。因此,本发明将这一方法应用于图像的色彩还原领 域,以准确地提取出图像中的白色或偏白色区域,然后将提取出的白色区域作为自动白平衡 的参考区域,从而实现对图像进行色彩还原处理。
对大气散射模型的两边进行暗通道处理,得到Idark(x)=Jdark(x)t(x)+A(1-t(x)),Idark(x)表 示图像传感器接收到的图像在暗通道上的图像。由于故可得 为了简化算法,令A取值为目标图像在暗通道中最亮的点的像素值。
于一实施例中,基于暗通道先验算法获取目标图像中的白色区域包括以下步骤:
11)获取目标图像中每个像素点x在r、g、b通道上的像素值Ic(x),c∈{r、g、b},Ic(x) 表示像素点x在c通道上的像素值。
具体地,将每个像素点在r、g、b通道上的像素值中的最小值作为该像素点在暗通道的 目标图像上的像素值,以得到暗通道的目标图像。
13)将暗通道的目标图像中最亮的点的像素值作为大气光强的值A。
具体地,暗通道的目标图像中最亮的点即像素值最大的点。
15)计算目标图像的平均透射率t_average。
具体地,将目标图像上各个像素点x的透射率t(x)相加求均值,即可得到平均透射率 t_average。
16)根据I(x)=J(x)t(x)+A(1-t(x))获取J(x),其中I(x)表示所述目标图像中的像素点x 的像素值;J(x)表示还原图像中的像素点x的亮度值。
17)计算还原图像中的像素点的平均亮度值J_average。
具体地,将还原图像中的各个像素点x的亮度值J(x)相加求均值,即可得到平均亮度值 J_average。
18)遍历所有像素点,将满足t(x)<t_average且J(x)>J_average的像素点构成白色区 域。
步骤S2、建立从所述目标图像到还原图像的映射模型,所述映射模型包括待确定的映射 参数。
优选地,所述映射模型为二次非线性映射模型。
其中,Ir(x)、Ig(x)、Ib(x)分别表示目标图像中像素点x在r、g、b通道上的像素值,为已知值;Ir'(x)、Ig'(x)、Ib'(x)分别表示还原图像中像素点x在r、g、b通道上的像素值;ur、ug、ub、vr、vg、vb为映射参数。
步骤S3、基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型的映 射参数,以得到训练好的映射模型。
于本发明一实施例中,得到训练好的映射模型包括以下步骤:
31)计算目标图像的平均灰度值gray。
灰度世界算法以灰度世界假设为基础,该假设认为:对于一幅有着大量色彩变化的图像, r、g、b三个分量的平均值趋于同一灰度值。故各个颜色通道的像素值平均值等于图像的平均 灰度值。因此,对于还原图像,其在r、g、b通道上的像素值均值等于目标图像的平均灰度 值gray。
33)计算白色区域的平均灰度值graymax。
根据灰度世界算法,对于还原图像,其在r、g、b通道上的像素值均值等于目标图像的 平均灰度值graymax。
35)利用步骤32)和步骤34)中的公式计算所述映射模型的映射参数ur、ug、ub、vr、vg、vb,以得到训练好的映射模型。
具体地,将所述映射模型公式带入步骤32)和步骤34)中的公式,由于Ir(x)、Ig(x)、Ib(x)、gray、graymax均为已知值,故可计算得到映射参数ur、ug、ub、vr、vg、vb的取 值,从而得到训练好的映射模型。
步骤S4、基于所述目标图像和所述训练好的映射模型获取还原图像。
客观上,为了说明的基于暗通道先验与灰度世界算法的图像白平衡方法对图像的还原效 果,从直方图重叠面积OA和欧几里德距离EU两方面来评判。其中,OA是色彩还原算法中 一个重要的评估指标,其值越大,白平衡效果越好。ED是色彩还原算法中另一个重要评估指 标,其值越小,白平衡效果越好。
下面对10幅图不同场景不同颜色色偏(偏蓝、偏绿、偏红、偏黄)的图像进行处理,分 别使用灰度世界算法、完美反射算法,以及本发明的基于暗通道先验与灰度世界算法的图像 白平衡方法,得到的OA比对表和ED比对表分别如表1和表2所示。
表1、不同算法对应的OA比对表
OA | 原图OA | 灰度世界算法OA | 完美反射算法OA | 本发明的算法OA |
色偏图片1 | 0.227 | 0.417 | 0.220 | 0.501 |
色偏图片2 | 0.229 | 0.389 | 0.265 | 0.450 |
色偏图片3 | 0.431 | 0.622 | 0.328 | 0.630 |
色偏图片4 | 0.276 | 0.585 | 0.215 | 0.569 |
色偏图片5 | 0.249 | 0.432 | 0.252 | 0.503 |
色偏图片6 | 0.131 | 0.179 | 0.220 | 0.465 |
色偏图片7 | 0.302 | 0.230 | 0.320 | 0.405 |
色偏图片8 | 0.004 | 0.160 | 0.004 | 0.420 |
色偏图片9 | 0.211 | 0.293 | 0.205 | 0.503 |
色偏图片10 | 0.461 | 0.530 | 0.487 | 0.567 |
平均值 | 0.252 | 0.384 | 0.252 | 0.501 |
由上可知,对于这10幅图,本发明的基于暗通道先验与灰度世界算法的图像白平衡方法 得到的OA平均值相比灰度世界算法和完美反射算法处理后的平均值分别高出30.4%和 98.8%,表明其白平衡效果较佳。
表2、不同算法对应的ED比对表
EU | 原图EU | 灰度世界算法EU | 完美反射算法EU | 本发明的算法EU |
色偏图片1 | 33.512 | 18.251 | 20.493 | 19.281 |
色偏图片2 | 26.131 | 27.808 | 24.861 | 28.088 |
色偏图片3 | 21.938 | 22.183 | 21.758 | 19.790 |
色偏图片4 | 24.652 | 22.414 | 23.341 | 19.216 |
色偏图片5 | 16.187 | 25.182 | 15.562 | 17.053 |
色偏图片6 | 15.040 | 24.080 | 15.478 | 25.957 |
色偏图片7 | 17.764 | 19.203 | 17.406 | 18.162 |
色偏图片8 | 14.150 | 21.379 | 9.437 | 18.730 |
色偏图片9 | 16.121 | 19.418 | 16.592 | 17.447 |
色偏图片10 | 35.606 | 21.961 | 21.625 | 20.474 |
平均值 | 22.110 | 22.188 | 18.660 | 20.420 |
由上可知,对于这10幅图,本发明的基于暗通道先验与灰度世界算法的图像白平衡方法 得到的EU的平均值相比灰度世界算法低8%,相比完美反射法高10.6%。
因此,综合OA、EU以及主观视觉上的评价,本发明的基于暗通道先验与灰度世界算法 的图像白平衡方法的色彩还原效果最佳,且性能稳定。
如图2所示,于一实施例中,本发明的基于暗通道先验与灰度世界算法的图像白平衡系 统包括获取模块11、建立模块12、训练模块13和还原模块14。
获取模块11用于基于暗通道先验算法获取目标图像中的白色区域。
在计算机视觉领域,大气散射模型可以简化为I(x)=J(x)t(x)+A(1-t(x))。其中I(x)代表 图像传感器接收到的图像;J(x)代表物体本身的图像;A代表大气光强;t(x)代表透射率, 即光线透过介质未经衰减传播到图像传感器的比率。
在图像去雾领域,基于对大量户外无雾图像的观察,发现在绝大多数无雾的图像中,图 像的r、g、b通道至少有一个为0或趋近于0,因此定义Jc(x)表 示图像中的像素点x在c通道上的像素值,Jdark(x)表示图像中的像素点x在暗通道上的像素 值。在观察中,还发现对于同一场景,有雾的区域比无雾的区域的亮度高,透射率低。基于 该原理即可将图像中有雾区域提取出来。因此,本发明将这一方法应用于图像的色彩还原领 域,以准确地提取出图像中的白色或偏白色区域,然后将提取出的白色区域作为自动白平衡 的参考区域,从而实现对图像进行色彩还原处理。
对大气散射模型的两边进行暗通道处理,得到Idark(x)=Jdark(x)t(x)+A(1-t(x)),Idark(x)表 示图像传感器接收到的图像在暗通道上的图像。由于故可得 为了简化算法,令A取值为目标图像在暗通道中最亮的点的像素值。
于一实施例中,获取模块11基于暗通道先验算法获取目标图像中的白色区域执行以下步 骤:
11)获取目标图像中每个像素点x在r、g、b通道上的像素值Ic(x),c∈{r、g、b},Ic(x) 表示像素点x在c通道上的像素值。
具体地,将每个像素点在r、g、b通道上的像素值中的最小值作为该像素点在暗通道的 目标图像上的像素值,以得到暗通道的目标图像。
13)将暗通道的目标图像中最亮的点的像素值作为大气光强的值A。
具体地,暗通道的目标图像中最亮的点即像素值最大的点。
15)计算目标图像的平均透射率t_average。
具体地,将目标图像上各个像素点x的透射率t(x)相加求均值,即可得到平均透射率 t_average。
16)根据I(x)=J(x)t(x)+A(1-t(x))获取J(x),其中I(x)表示所述目标图像中的像素点x 的像素值;J(x)表示还原图像中的像素点x的亮度值。
17)计算还原图像中的像素点的平均亮度值J_average。
具体地,将还原图像中的各个像素点x的亮度值J(x)相加求均值,即可得到平均亮度值 J_average。
18)遍历所有像素点,将满足t(x)<t_average且J(x)>J_average的像素点构成白色区 域。
建立模块12用于建立从所述目标图像到还原图像的映射模型,所述映射模型包括待确定 的映射参数。
优选地,所述映射模型为二次非线性映射模型。
其中,Ir(x)、Ig(x)、Ib(x)分别表示目标图像中像素点x在r、g、b通道上的像素值,为已知值;Ir'(x)、Ig'(x)、Ib'(x)分别表示还原图像中像素点x在r、g、b通道上的像素值;ur、ug、ub、vr、vg、vb为映射参数。
训练模块13与获取模块11和建立模块12相连,用于基于灰度世界算法,利用所述目标 图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射模型。
于本发明一实施例中,训练模块13得到训练好的映射模型执行以下步骤:
31)计算目标图像的平均灰度值gray。
灰度世界算法以灰度世界假设为基础,该假设认为:对于一幅有着大量色彩变化的图像, r、g、b三个分量的平均值趋于同一灰度值。故各个颜色通道的像素值平均值等于图像的平均 灰度值。因此,对于还原图像,其在r、g、b通道上的像素值均值等于目标图像的平均灰度 值gray。
33)计算白色区域的平均灰度值graymax。
根据灰度世界算法,对于还原图像,其在r、g、b通道上的像素值均值等于目标图像的 平均灰度值graymax。
35)利用步骤32)和步骤34)中的公式计算所述映射模型的映射参数ur、ug、ub、vr、vg、vb,以得到训练好的映射模型。
具体地,将所述映射模型公式带入步骤32)和步骤34)中的公式,由于Ir(x)、Ig(x)、Ib(x)、gray、graymax均为已知值,故可计算得到映射参数ur、ug、ub、vr、vg、vb的取 值,从而得到训练好的映射模型。
还原模块14与训练模块13相连,用于基于所述目标图像和所述训练好的映射模型获取 还原图像。
需要说明的是,应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分,实际实 现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软 件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理 元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,x模块可以为单独设立的 处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存 储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其 它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里 所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各 步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完 成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个 或多个特定集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC),或,一个或多个微处 理器(digitalsingnalprocessor,简称DSP),或,一个或者多个现场可编程门阵列 (FieldProgrammableGateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序 代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessingUnit, 简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统 (system-on-a-chip,简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序,该程序被处理器执行时实现上述基于暗通道先 验与灰度世界算法的图像白平衡方法。本领域普通技术人员可以理解:实现上述各方法实施 例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于 一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的 存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
如图3所示,于一实施例中,本发明的终端设备3包括处理器31及存储器32。
所述存储器32用于存储计算机程序,所述处理器31用于执行所述存储器32存储的计算 机程序,以使所述终端设备执行上述基于暗通道先验与灰度世界算法的图像白平衡方法。
优选地,所述处理器31可以是通用处理器,包括中央处理器(CentralProcessingUnit,简 称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器 (DigitalSignalProcessing,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称 ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑 器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本发明的图像白平衡方法及系统、存储介质及终端设备结合了暗通道先验算 法与灰度世界算法的优点,抵消了两者的缺点,显著提高了图像衡算法的适用性;色彩还原 效果较佳,且性能稳定;在客观、主观评价以及算法的硬件复杂度等方面明显高于传统图像 白平衡算法。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技 术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡 所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等 效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (4)
1.一种基于暗通道先验与灰度世界算法的图像白平衡方法,其特征在于,包括以下步骤:
基于暗通道先验算法获取目标图像中的白色区域;
建立从所述目标图像到还原图像的映射模型,所述映射模型包括待确定的映射参数;
基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射模型;
基于所述目标图像和所述训练好的映射模型获取还原图像;
基于暗通道先验算法获取目标图像中的白色区域包括以下步骤:
获取目标图像中每个像素点x在r、g、b通道上的像素值Ic(x),c∈{r、g、b};
将所述暗通道的目标图像中最亮的点的像素值作为大气光强的值A;
计算所述目标图像的平均透射率t_average;
根据I(x)=J(x)t(x)+A(1-t(x))获取J(x),其中I(x)表示所述目标图像中的像素点x的像素值;J(x)表示还原图像中的像素点x的亮度值;
计算还原图像中的像素点的平均亮度值J_average;
其中,Ir(x)、Ig(x)、Ib(x)分别表示目标图像中像素点x在r、g、b通道上的像素值;Ir'(x)、Ig'(x)、Ib'(x)分别表示还原图像中像素点x在r、g、b通道上的像素值;ur、ug、ub、vr、vg、vb为映射参数;
基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射模型包括以下步骤:
a)计算目标图像的平均灰度值gray;
c)计算白色区域的平均灰度值graymax;
2.一种基于暗通道先验与灰度世界算法的图像白平衡系统,其特征在于,包括获取模块、建立模块、训练模块和还原模块;
获取模块用于基于暗通道先验算法获取目标图像中的白色区域;
建立模块用于建立从所述目标图像到还原图像的映射模型,所述映射模型包括待确定的映射参数;
训练模块用于基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射模型;
还原模块用于基于所述目标图像和所述训练好的映射模型获取还原图像;
所述获取模块基于暗通道先验算法获取目标图像中的白色区域执行以下步骤:
获取目标图像中每个像素点x在r、g、b通道上的像素值Ic(x),c∈{r、g、b};
将所述暗通道的目标图像中最亮的点的像素值作为大气光强的值A;
计算所述目标图像的平均透射率t_average;
根据I(x)=J(x)t(x)+A(1-t(x))获取J(x),其中I(x)表示所述目标图像中的像素点x的像素值;J(x)表示还原图像中的像素点x的亮度值;
计算还原图像中的像素点的平均亮度值J_average;
其中,Ir(x)、Ig(x)、Ib(x)分别表示目标图像中像素点x在r、g、b通道上的像素值;Ir'(x)、Ig'(x)、Ib'(x)分别表示还原图像中像素点x在r、g、b通道上的像素值;ur、ug、ub、vr、vg、vb为映射参数;
所述训练模块基于灰度世界算法,利用所述目标图像和所述白色区域获取所述映射模型的映射参数,以得到训练好的映射模型执行以下步骤:
a)计算目标图像的平均灰度值gray;
c)计算白色区域的平均灰度值graymax;
3.一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权利要求1所述基于暗通道先验与灰度世界算法的图像白平衡方法。
4.一种终端设备,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端设备执行如权利要求1所述基于暗通道先验与灰度世界算法的图像白平衡方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710740139.3A CN109427041B (zh) | 2017-08-25 | 2017-08-25 | 一种图像白平衡方法及系统、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710740139.3A CN109427041B (zh) | 2017-08-25 | 2017-08-25 | 一种图像白平衡方法及系统、存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109427041A CN109427041A (zh) | 2019-03-05 |
CN109427041B true CN109427041B (zh) | 2021-10-22 |
Family
ID=65500352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710740139.3A Active CN109427041B (zh) | 2017-08-25 | 2017-08-25 | 一种图像白平衡方法及系统、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109427041B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083894A (zh) * | 2019-06-14 | 2020-12-15 | 森大(深圳)技术有限公司 | 图像逐像素点白墨墨量自动设置方法、装置、设备及介质 |
CN111435986B (zh) * | 2019-12-23 | 2021-11-23 | 珠海市杰理科技股份有限公司 | 源图像数据库的获取方法、训练装置及电子设备 |
CN113395503B (zh) * | 2020-03-11 | 2023-02-28 | 浙江宇视科技有限公司 | 图像的白平衡校正方法、装置、设备及介质 |
CN111800586B (zh) * | 2020-06-24 | 2021-08-20 | 上海赫千电子科技有限公司 | 车载图像的虚拟曝光处理方法、车载图像拼接处理方法及图像处理装置 |
CN114245095A (zh) * | 2021-12-07 | 2022-03-25 | 西安瑞峰光电技术有限公司 | 一种图像传感器彩色成像的白平衡处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065284A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106251301A (zh) * | 2016-07-26 | 2016-12-21 | 北京工业大学 | 一种基于暗原色先验的单幅图像去雾方法 |
CN106709887A (zh) * | 2017-01-06 | 2017-05-24 | 凌云光技术集团有限责任公司 | 基于色温曲线的图像的灰度世界白平衡调整方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7848569B2 (en) * | 2005-12-14 | 2010-12-07 | Micron Technology, Inc. | Method and apparatus providing automatic color balancing for digital imaging systems |
US9030575B2 (en) * | 2011-10-12 | 2015-05-12 | Apple Inc. | Transformations and white point constraint solutions for a novel chromaticity space |
-
2017
- 2017-08-25 CN CN201710740139.3A patent/CN109427041B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065284A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106251301A (zh) * | 2016-07-26 | 2016-12-21 | 北京工业大学 | 一种基于暗原色先验的单幅图像去雾方法 |
CN106709887A (zh) * | 2017-01-06 | 2017-05-24 | 凌云光技术集团有限责任公司 | 基于色温曲线的图像的灰度世界白平衡调整方法及装置 |
Non-Patent Citations (2)
Title |
---|
Image and video dehazing using view-based cluster segmentation;Feng Yu等;《2016 Visual Communications and Image Processing (VCIP)》;20170105;第1-4页 * |
基于灰度世界和白点检测的自动白平衡算法;金黄斌等;《电子器件》;20110430;第226-231页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109427041A (zh) | 2019-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109427041B (zh) | 一种图像白平衡方法及系统、存储介质及终端设备 | |
JP6724045B2 (ja) | 畳み込み色補正 | |
CN110505459B (zh) | 适用于内窥镜的图像颜色校正方法、装置和存储介质 | |
US9852499B2 (en) | Automatic selection of optimum algorithms for high dynamic range image processing based on scene classification | |
CN109983508B (zh) | 快速傅立叶颜色恒常性 | |
KR100924121B1 (ko) | 컬러 체커 챠트를 이용한 다중 카메라간 컬러 일치 방법 | |
US10504239B2 (en) | Methods and systems for camera characterization in terms of response function, color, and vignetting under non-uniform illumination | |
CN102867295B (zh) | 一种彩色图像颜色校正方法 | |
Li et al. | A multi-scale fusion scheme based on haze-relevant features for single image dehazing | |
CN104881854A (zh) | 基于梯度和亮度信息的高动态范围图像融合方法 | |
CN109688396B (zh) | 图像的白平衡处理方法、装置和终端设备 | |
CN113129391B (zh) | 基于多曝光图像特征分布权重的多曝光融合方法 | |
CN109274948B (zh) | 图像色彩校正方法、装置、存储介质和计算机设备 | |
US10892166B2 (en) | System and method for light field correction of colored surfaces in an image | |
CN110213556B (zh) | 单纯色场景下的自动白平衡方法及系统、存储介质及终端 | |
CN108024105A (zh) | 图像色彩调节方法、装置、电子设备及存储介质 | |
JP2016535485A (ja) | デュアルバンドセンサからの画像の可視カラー画像への変換 | |
CN111415304A (zh) | 基于级联深度网络的水下视觉增强方法和装置 | |
CN106709888B (zh) | 一种基于人眼视觉模型的高动态范围图像产生方法 | |
CN110782400A (zh) | 一种自适应的光照均匀实现方法和装置 | |
Fredembach et al. | The bright-chromagenic algorithm for illuminant estimation | |
CN113516602B (zh) | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 | |
Toh et al. | Implementation of high dynamic range rendering on acute leukemia slide images using contrast stretching | |
CN108900825A (zh) | 一种2d图像到3d图像的转换方法 | |
Simon et al. | Contrast enhancement of color images using improved Retinex method |
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 |