CN109451292B - 图像色温校正方法及装置 - Google Patents
图像色温校正方法及装置 Download PDFInfo
- Publication number
- CN109451292B CN109451292B CN201811537822.8A CN201811537822A CN109451292B CN 109451292 B CN109451292 B CN 109451292B CN 201811537822 A CN201811537822 A CN 201811537822A CN 109451292 B CN109451292 B CN 109451292B
- Authority
- CN
- China
- Prior art keywords
- color temperature
- image
- color
- skin
- processor
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
Abstract
一种图像色温校正方法及装置,所述装置包括一处理器及一内存,所述内存耦接所述处理器且包括至少一程序指令,所述程序指令能由所述处理器执行,所述装置还包括:一统计色温模块,被配置成致使所述处理器计算一图像的一原始色温数据;一目标识别模块,被配置成致使所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据;及一色温校正模块,被配置成致使所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据,及依据所述校正色温数据调整所述图像被输出的一色温。
Description
技术领域
本发明是有关于一种图像处理技术,特别是有关于一种图像色温校正方法及装置。
背景技术
当采用数码相机捕获一个场景的图像时,在图像传感器上每个像素的响应除了取决于场景本身,也会受到光源的影响。即同一个场景,在不同的光源温度下,会呈现不同的图像色彩。
举例来说,当一个白色物体在低色温下被照亮时会呈现红色,而在高色温下会呈现蓝色。因此,大部分相机或显示器的白平衡的自动模式通过估计图像的光源色温对图像进行补偿,以还原场景的原本色彩。
现有的图像色温统计算法大部分是以算法对图像的色彩分布进行假设,从而进一步统计和估计照明光源色温。但是这种单纯基于统计的方法强烈地依赖于算法对色彩分布的假设,当图像不满足算法的假设时,计算出的色温结果就会产生偏差。同时,这类统计的方法对图像内容未进行识别,容易导致色温误判。
因此,现有技术存在缺陷,急需改进。
发明内容
本发明提供一种图像色温校正方法及装置,以解决现有技术所存在的色温统计算法未识别图像内容导致误判的问题。
本发明的一方面提供一种图像色温校正方法,所述方法可由一处理器执行,所述处理器可耦接一内存,所述内存可包括至少一程序指令,所述程序指令能由所述处理器执行,所述方法可包括步骤:由所述处理器计算一图像的一原始色温数据;由所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据;由所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据;及由所述处理器依据所述校正色温数据调整所述图像被输出的一色温;其中所述校正色温数据的计算方式,如下式所示:
其中,CTfnl为所述校正色温数据,CT0为所述原始色温数据,α0为一原始权重数据,CTi为所述对象色温数据,αi为所述权重数据,所述α0与所有αi的总和为1。
在一些实施例中,所述记忆色对象可选自由一肤色识别对象、一绿植识别对象或一太阳高度识别对象组成的一群组。
在一些实施例中,当所述记忆色对象为所述肤色识别对象时,对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于一人像的掩膜,以所述掩膜对所述图像提取一人像分量,采用一常用肤色范围对所述人像分量提取一肤色部分,将所述肤色部分依据一色温统计结果产生一初始肤色色温,将所述初始肤色色温调整为一校正肤色色温作为所述对象色温数据,所述校正肤色色温的计算方式如下式所示:
CTcorrskin=CTm+CTskin-CTaverskin
其中,CTcorrskin为所述校正肤色色温,CTm为一中性色温常量,CTskin为所述初始肤色色温,CTaverskin为一肤色平均色温常量。
在一些实施例中,当所述记忆色对象为所述绿植识别对象时,对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于草及树的掩膜,以所述掩膜对所述图像提取一绿植分量,将所述绿植分量依据一色温统计结果产生一绿植色温作为所述对象色温数据。
在一些实施例中,当所述记忆色对象为所述太阳高度识别对象时,以一太阳高度识别的神经网路算法对所述图像提取一太阳亮度及一太阳高度角,所述太阳亮度的一取值为1或0,所述太阳高度角的一取值范围为0度至90度,将所述太阳亮度及所述太阳高度角依据一太阳高度色温表查表产生一太阳高度色温作为所述对象色温数据。
本发明的另一方面提供一种图像色温校正装置,所述装置包括一处理器及一内存,所述内存耦接所述处理器且包括至少一程序指令,所述程序指令能由所述处理器执行,所述装置还包括:一统计色温模块,被配置成致使所述处理器计算一图像的一原始色温数据;一目标识别模块,被配置成致使所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据;及一色温校正模块,被配置成致使所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据,及依据所述校正色温数据调整所述图像被输出的一色温;其中所述校正色温数据的计算方式,如下式所示:
其中,CTfnl为所述校正色温数据,CT0为所述原始色温数据,α0为一原始权重数据,CTi为所述对象色温数据,αi为所述权重数据,所述α0与所有αi的总和为1。
在一些实施例中,所述目标识别模块包括一肤色识别单元,所述肤色识别单元被配置成致使所述处理器对于所述图像中的一肤色识别对象进行识别。
在一些实施例中,所述肤色识别单元被配置成致使所述处理器对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于一人像的掩膜,以所述掩膜对所述图像提取一人像分量,采用一常用肤色范围对所述人像分量提取一肤色部分,将所述肤色部分依据一色温统计结果产生一初始肤色色温,将所述初始肤色色温调整为一校正肤色色温作为所述对象色温数据,所述校正肤色色温的计算方式如下式所示:
CTcorrskin=CTm+CTskin-CTaverskin
其中,CTcorrskin为所述校正肤色色温,CTm为一中性色温常量,CTskin为所述初始肤色色温,CTaverskin为一肤色平均色温常量。
在一些实施例中,所述目标识别模块包括一绿植识别单元,所述绿植识别单元被配置成致使所述处理器对于所述图像中的一绿植识别对象进行识别。
在一些实施例中,所述绿植识别单元被配置成致使所述处理器对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于草及树的掩膜,以所述掩膜对所述图像提取一绿植分量,将所述绿植分量依据一色温统计结果产生一绿植色温作为所述对象色温数据。
在一些实施例中,所述目标识别模块包括一太阳高度识别单元,所述太阳高度识别单元被配置成致使所述处理器对于所述图像中的一太阳高度识别对象进行识别。
在一些实施例中,所述太阳高度识别单元被配置成致使所述处理器以一太阳高度识别的神经网路算法对所述图像提取一太阳亮度及一太阳高度角,所述太阳亮度的一取值为1或0,所述太阳高度角的一取值范围为0度至90度,将所述太阳亮度及所述太阳高度角依据一太阳高度色温表查表产生一太阳高度色温作为所述对象色温数据。
与现有技术相比较,本发明的图像色温校正方法及装置通过采用统计方法对图像色温进行初步估计,再采用目标识别法识别特殊物体(如不同记忆色对象)并计算色温,最后对估计色温进行校正,得到校正后的影像色温,所述校正后的影像色温相应于图像所含的记忆色对象,可以获得提高影像色温估计的准确率,使色温校正结果更加接近人为观察结果等有益效果。
附图说明
图1是本发明的一实施例的图像色温校正装置的示意图。
图2是本发明的一实施例的色温分区的示意图。
图3是本发明的一实施例的语义标签的示意图。
具体实施方式
以下各实施例的说明是参考附加的图式,用以例示本发明可用以实施的特定实施例。再者,本发明所提到的方向用语,例如上、下、顶、底、前、后、左、右、内、外、侧面、周围、中央、水平、横向、垂直、纵向、轴向、径向、最上层或最下层等,仅是参考附加图式的方向。因此,使用的方向用语是用以说明及理解本发明,而非用以限制本发明。
请参照图1所示,本发明的一实施例的图像色温校正装置,可包括一处理器(processor)及一内存(memory),所述内存耦接所述处理器且包括至少一程序指令,所述程序指令能由所述处理器执行。所述图像色温校正装置还可包括一统计色温模块1、一目标识别模块2及一色温校正模块3。举例说明如下,但不以此为限。
请再参照图1所示,所述统计色温模块1被配置成致使所述处理器计算一图像的一原始色温数据。
在一些实施例中,所述图像色温校正装置还可包括一取像模块(例如:摄像头等)及一通信模块(例如:各种无线通信收发模块等),所述取像模块及所述通信模块可耦接所述处理器,并且所述取像模块及所述通信模块可被配置成致使所述处理器取得所述图像的一内容数据,例如:所述图像的原始数据(raw data)等。
请再参照图1所示,所述目标识别模块2可被配置成致使所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据。
在一些实施例中,所述目标识别模块2可包括一肤色识别单元21,所述肤色识别单元21可被配置成致使所述处理器对于所述图像中的一肤色识别对象进行识别,例如:所述肤色识别对象可为各种人像肤色等。
举例来说,所述肤色识别单元21可被配置成致使所述处理器对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜(mask)的一语义标签图(semantic labelmap),提取在所述语义标签图中关于一人像的掩膜,以所述掩膜对所述图像提取一人像分量,采用一常用肤色范围对所述人像分量提取一肤色部分,将所述肤色部分依据一色温统计结果产生一初始肤色色温,将所述初始肤色色温调整为一校正肤色色温作为所述对象色温数据,所述校正肤色色温的计算方式如下式所示:
CTcorrskin=CTm+CTskin-CTaverskin
其中,CTcorrskin为所述校正肤色色温,CTm为一中性色温常量,CTskin为所述初始肤色色温,CTaverskin为一肤色平均色温常量。
在一些实施例中,所述目标识别模块2可包括一绿植识别单元22,所述绿植识别单元22可被配置成致使所述处理器对于所述图像中的一绿植识别对象进行识别,例如:绿植识别对象可为草或树等绿色植物。
举例来说,所述绿植识别单元22可被配置成致使所述处理器对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于草及树的掩膜,以所述掩膜对所述图像提取一绿植分量,将所述绿植分量依据一色温统计结果产生一绿植色温作为所述对象色温数据。
在一些实施例中,所述目标识别模块2可包括一太阳高度识别单元23,所述太阳高度识别单元23可被配置成致使所述处理器对于所述图像中的一太阳高度识别对象进行识别,例如:所述太阳高度识别对象可为日出、日正当中或夕阳等阳光具备的图像特征。
举例来说,所述太阳高度识别单元23可被配置成致使所述处理器以一太阳高度识别的神经网路算法对所述图像提取一太阳亮度及一太阳高度角,所述太阳亮度的一取值为1或0,所述太阳高度角的一取值范围为0度至90度,将所述太阳亮度及所述太阳高度角依据一太阳高度色温表查表产生一太阳高度色温作为所述对象色温数据。
请再参照图1所示,所述色温校正模块3被配置成致使所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据,及依据所述校正色温数据调整所述图像被输出的一色温。
所述校正色温数据的计算方式,如下式所示:
其中,CTfnl为所述校正色温数据,CT0为所述原始色温数据,α0为一原始权重数据,CTi为所述对象色温数据,αi为所述权重数据,所述α0与所有αi的总和为1。其中,所述α0与所有αi可依事先采集的大量数据提取或由人为设定。
具体地,CTi可表示一图像中的不同记忆色对象的对象色温数据,例如:i=1相应于图像中的一肤色识别对象,i=2相应于图像中的一绿植识别对象,i=3相应于图像中的一太阳高度识别对象,但不以此为限。
具体地,所述图像色温校正装置还可被配置成为具有图像数据处理功能的装置的一部分,例如:笔记本电脑、平板电脑或智能手机中的一功能性模块,用以辅助处理有关图像被输出前的色温校正功能。
此外,本发明的另一方面提供一种图像色温校正方法,所述方法可由一处理器执行,所述处理器可耦接一内存,所述内存可包括至少一程序指令,所述程序指令能由所述处理器执行,所述方法可包括步骤:由所述处理器计算一图像的一原始色温数据;由所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据;由所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据;及由所述处理器依据所述校正色温数据调整所述图像被输出的一色温;其中所述校正色温数据的计算方式,如下式所示:
其中,CTfnl为所述校正色温数据,CT0为所述原始色温数据,α0为一原始权重数据,CTi为所述对象色温数据,αi为所述权重数据,所述α0与所有αi的总和为1。例如:i=1相应于图像中的一肤色识别对象,i=2相应于图像中的一绿植识别对象,i=3相应于图像中的一太阳高度识别对象,但不以此为限。以下举例说明提取所述原始色温数据的实施方式,但不以此为限。
举例来说,所述原始色温数据可以依据一灰度世界算法(Gray World Algorithm)从所述图像提取,所述灰度世界算法可以参照计算颜色恒常性算法的比较—第一部分:合成数据的方法和实验报告,如下式所示:
其中,i为像素序号;ρ1、ρ2、ρ3为红(r)、绿(g)、蓝(b)三通道数位值;n为像素总数。根据ρ,查询事先从测试实验获得的一ρ-CT表,可获得CT值作为所述原始色温数据。
替代地,所述原始色温数据还可利用下列方法步骤获得:计算图像像素的r、g、b值,将所述r、g、b值经伽马(gamma)变换转成R、G、B光学值(根据CIE转换公式),将R、G、B光学值经显示器的TM(transformation)矩阵转化成X、Y、Z三刺激值(根据CIE转换公式),将X、Y、Z三刺激值转化成CIE1931空间的x、y值(根据CIE转换公式),上述转换或变换的实现方式是本领域技术人员可以理解的;依据x、y值判断一色点所处色温分区(如图2所示,本领域技术人员可以理解的是,所述色温图也可呈现为彩色),依照不同色温分区进行计算,举例如下所示:
(一)若位于A区域,以色点PA为例,则:
基于一色温公式计算所述色点PA的色温(CT):
CT=-437*n^3+3601*n^2-6861*n+5514.31。
n=(xPA-0.332)/(yPA-0.1858),xPA、yPA为色点PA在图2中的x、y值。
累计至色温统计表(表1),以第i个色温CT(i)的统计值VCT为例,即VCT=VCT+1。
表1色温统计表
色温 | 1000K | 1500K | …… | CT(i) | …… | 15000K |
统计值 | V<sub>1000</sub> | V<sub>1500</sub> | …… | V<sub>CT</sub> | …… | V<sub>15000</sub> |
(二)若位于B区域,以色点PB为例,则:
计算夹角α、β;
计算权重值γ=1-α/β;
累计权重值γ至色温统计表(表1)中15000K色温处,即V15000=V15000+γ。
(三)若位于C区域,则:
与B区域同理,累计权重值至色温统计表(表1)中1000K色温处,即V1000=V1000+γ。
结合权重计算图像色温,如下式所示:
在一些实施例中,所述记忆色对象可选自由一肤色识别对象、一绿植识别对象或一太阳高度识别对象组成的一群组。
举例来说,当所述记忆色对象为所述肤色识别对象时,对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图(如以各种基于深度神经网络的自动调光的算法取得),提取在所述语义标签图中关于一人像的掩膜,(如Mperson,如图3中的“人”的剖线区域),以所述掩膜对所述图像提取一人像分量(如Pperson=P*Mperson,其中P为初始图像),采用一常用肤色范围(如参照人脸检测中的肤色聚类报告)对所述人像分量(如Pperson)提取一肤色部分(如Pskin),将所述肤色部分(如Pskin)依据一色温统计结果产生一初始肤色色温(如CTskin),将所述初始肤色色温调整为一校正肤色色温(如CTcorrskin)作为所述对象色温数据,所述校正肤色色温的计算方式如下式所示:
CTcorrskin=CTm+CTskin-CTaverskin
其中,CTcorrskin为所述校正肤色色温,CTm为一中性色温常量(一般为4000K至5500K),CTskin为所述初始肤色色温,CTaverskin为一肤色平均色温常量(可通过统计大量肤色图片计算所得)。
特别说明的是,采用肤色识别的原因是因为肤色属于记忆色,但是它本身处于暖色色调范围,为了避免肤色对统计色温的影响导致误判,所以将肤色单独提取,以便后期进行统计色温的校正。
另外,当所述记忆色对象为所述绿植识别对象时,对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于草及树的掩膜(如Mgreen,如图3中的“草”与“树”的剖线区域),以所述掩膜对所述图像提取一绿植分量(如Pgreen=P*Mgreen,其中P为初始图像),将所述绿植分量(如Pgreen)依据一色温统计结果产生一绿植色温(如CTgreen)作为所述对象色温数据。
特别说明的是,由于绿植的统计平均色温一般处于中性色温,所以不需要进行校正。加入绿植识别的原因是绿植相对于其余花卉等室外场景,属于记忆色,为了避免花卉等其余室外场景对色温的影响导致统计误判,所以将绿植部分单独提取,增加绿植影响权重,对统计色温进行校正。
另外,当所述记忆色对象为所述太阳高度识别对象时,以一太阳高度识别的神经网路算法(如各种从室外全景学习高动态范围的算法)对所述图像提取一太阳亮度(如Isun)及一太阳高度角(如ysun),所述太阳亮度的一取值为1或0,所述太阳高度角的一取值范围为0度至90度(°,degree;0°接近日出或日落,90°接近正午),将所述太阳亮度及所述太阳高度角与一太阳高度色温表(如下表2所示,是以赤道地区数据为例,其他地区数据需根据太阳高度角进行换算)比对产生一太阳高度色温(如CTsun)作为所述对象色温数据。
表2太阳高度色温表
本发明的图像色温校正方法及装置实施例通过采用统计方法对图像色温进行初步估计,再采用目标识别法识别特殊物体(如不同记忆色对象)并计算色温,最后对估计色温进行校正,得到校正后的影像色温。
另一方面,如以现有的图像色温统计算法处理图像色温,在有大面积蓝色天空的夕阳图中,由于蓝色占图片的大部分,以统计结果为主则图像色温偏高(偏冷),但是在实际场景中,人们感受到的夕阳光源是偏低(偏暖);另,在冷光源下的人像图,由于肤色一般属于暖色,如果肤色占图像的大部分面积,则统计结果图像色温偏低(偏暖),但是在实际场景中,人们感受到的光源是偏高(偏冷);又,在有大面积单色红花的图像中,由于红色为暖色,统计结果图像色温偏低(偏暖),但是人们根据绿叶的记忆色可以判断场景光源为中性。
相较于单纯采用统计方法调整色温的现有技术,本发明的色温校正结果相应于图像所含的记忆色对象(如天空、肤色、绿植等),可以获得提高影像色温估计的准确率,使色温校正结果更加接近人为观察结果等有益效果。
本发明已由上述相关实施例加以描述,然而上述实施例仅为实施本发明的范例。必需指出的是,已公开的实施例并未限制本发明的范围。相反地,包含于权利要求书的精神及范围的修改及均等设置均包括于本发明的范围内。
Claims (11)
1.一种图像色温校正方法,所述方法由一处理器执行,所述处理器耦接一内存,所述内存包括至少一程序指令,所述程序指令能由所述处理器执行,其特征在于:所述方法包括步骤:
由所述处理器计算一图像的一原始色温数据;
由所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据;
由所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据;及
由所述处理器依据所述校正色温数据调整所述图像被输出的一色温;
其中所述校正色温数据的计算方式,如下式所示:
其中,CTfnl为所述校正色温数据,CT0为所述原始色温数据,α0为一原始权重数据,CTi为所述对象色温数据,αi为所述权重数据,所述α0与所有αi的总和为1,i=1相应于图像中的一肤色识别对象,i=2相应于图像中的一绿植识别对象,i=3相应于图像中的一太阳高度识别对象。
2.如权利要求1所述的图像色温校正方法,其特征在于:当所述记忆色对象为所述肤色识别对象时,对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于一人像的掩膜,以所述掩膜对所述图像提取一人像分量,采用一常用肤色范围对所述人像分量提取一肤色部分,将所述肤色部分依据一色温统计结果产生一初始肤色色温,将所述初始肤色色温调整为一校正肤色色温作为所述对象色温数据,所述校正肤色色温的计算方式如下式所示:
CTcorrskin=CTm+CTskin-CTaverskin
其中,CTcorrskin为所述校正肤色色温,CTm为一中性色温常量,CTskin为所述初始肤色色温,CTaverskin为一肤色平均色温常量。
3.如权利要求1所述的图像色温校正方法,其特征在于:当所述记忆色对象为所述绿植识别对象时,对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于草及树的掩膜,以所述掩膜对所述图像提取一绿植分量,将所述绿植分量依据一色温统计结果产生一绿植色温作为所述对象色温数据。
4.如权利要求1所述的图像色温校正方法,其特征在于:当所述记忆色对象为所述太阳高度识别对象时,以一太阳高度识别的神经网路算法对所述图像提取一太阳亮度及一太阳高度角,所述太阳亮度的一取值为1或0,所述太阳高度角的一取值范围为0度至90度,将所述太阳亮度及所述太阳高度角依据一太阳高度色温表查表产生一太阳高度色温作为所述对象色温数据。
5.一种图像色温校正装置,其特征在于:所述装置包括一处理器及一内存,所述内存耦接所述处理器且包括至少一程序指令,所述程序指令能由所述处理器执行,所述装置包括:
一统计色温模块,被配置成致使所述处理器计算一图像的一原始色温数据;
一目标识别模块,被配置成致使所述处理器对于所述图像中的至少一种记忆色对象进行识别,并计算所述至少一种记忆色对象相应的至少一个对象色温数据;及
一色温校正模块,被配置成致使所述处理器基于所述原始色温数据、所述至少一个对象色温数据及至少一个权重数据计算一校正色温数据,及依据所述校正色温数据调整所述图像被输出的一色温;
其中所述校正色温数据的计算方式,如下式所示:
其中,CTfnl为所述校正色温数据,CT0为所述原始色温数据,α0为一原始权重数据,CTi为所述对象色温数据,αi为所述权重数据,所述α0与所有αi的总和为1,i=1相应于图像中的一肤色识别对象,i=2相应于图像中的一绿植识别对象,i=3相应于图像中的一太阳高度识别对象。
6.如权利要求5所述的图像色温校正装置,其特征在于:所述目标识别模块包括一肤色识别单元,所述肤色识别单元被配置成致使所述处理器对于所述图像中的所述肤色识别对象进行识别。
7.如权利要求6所述的图像色温校正装置,其特征在于:所述肤色识别单元被配置成致使所述处理器对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于一人像的掩膜,以所述掩膜对所述图像提取一人像分量,采用一常用肤色范围对所述人像分量提取一肤色部分,将所述肤色部分依据一色温统计结果产生一初始肤色色温,将所述初始肤色色温调整为一校正肤色色温作为所述对象色温数据,所述校正肤色色温的计算方式如下式所示:
CTcorrskin=CTm+CTskin-CTaverskin
其中,CTcorrskin为所述校正肤色色温,CTm为一中性色温常量,CTskin为所述初始肤色色温,CTaverskin为一肤色平均色温常量。
8.如权利要求5所述的图像色温校正装置,其特征在于:所述目标识别模块包括一绿植识别单元,所述绿植识别单元被配置成致使所述处理器对于所述图像中的所述绿植识别对象进行识别。
9.如权利要求8所述的图像色温校正装置,其特征在于:所述绿植识别单元被配置成致使所述处理器对所述图像采用一场景区别及物体分割方法以产生含有多种掩膜的一语义标签图,提取在所述语义标签图中关于草及树的掩膜,以所述掩膜对所述图像提取一绿植分量,将所述绿植分量依据一色温统计结果产生一绿植色温作为所述对象色温数据。
10.如权利要求5所述的图像色温校正装置,其特征在于:所述目标识别模块包括一太阳高度识别单元,所述太阳高度识别单元被配置成致使所述处理器对于所述图像中的所述太阳高度识别对象进行识别。
11.如权利要求10所述的图像色温校正装置,其特征在于:所述太阳高度识别单元被配置成致使所述处理器以一太阳高度识别的神经网路算法对所述图像提取一太阳亮度及一太阳高度角,所述太阳亮度的一取值为1或0,所述太阳高度角的一取值范围为0度至90度,将所述太阳亮度及所述太阳高度角依据一太阳高度色温表查表产生一太阳高度色温作为所述对象色温数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811537822.8A CN109451292B (zh) | 2018-12-15 | 2018-12-15 | 图像色温校正方法及装置 |
PCT/CN2019/081324 WO2020118977A1 (zh) | 2018-12-15 | 2019-04-03 | 图像色温校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811537822.8A CN109451292B (zh) | 2018-12-15 | 2018-12-15 | 图像色温校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109451292A CN109451292A (zh) | 2019-03-08 |
CN109451292B true CN109451292B (zh) | 2020-03-24 |
Family
ID=65558832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811537822.8A Active CN109451292B (zh) | 2018-12-15 | 2018-12-15 | 图像色温校正方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109451292B (zh) |
WO (1) | WO2020118977A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109451292B (zh) * | 2018-12-15 | 2020-03-24 | 深圳市华星光电半导体显示技术有限公司 | 图像色温校正方法及装置 |
FR3118517B1 (fr) * | 2020-12-31 | 2024-03-15 | Oreal | Procédé de détermination d’une couleur de la peau d’un visage et système correspondant |
WO2022144233A1 (en) * | 2020-12-31 | 2022-07-07 | L'oreal | Method for determining a skin colour of a face and corresponding system |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6788813B2 (en) * | 2000-10-27 | 2004-09-07 | Sony Corporation | System and method for effectively performing a white balance operation |
JP3513506B2 (ja) * | 2002-02-20 | 2004-03-31 | キヤノン株式会社 | ホワイトバランス補正装置およびそれを搭載した撮像装置、及びホワイトバランス補正方法 |
US7190394B2 (en) * | 2002-06-04 | 2007-03-13 | Micron Technology, Inc. | Method for statistical analysis of images for automatic white balance of color channel gains for image sensors |
EP1802096B1 (en) * | 2004-09-30 | 2019-10-23 | FUJIFILM Corporation | Image processing device, method, and image processing program |
US8717459B2 (en) * | 2008-12-11 | 2014-05-06 | Texas Instruments Incorporated | Method and apparatus for improving automatic white balance with scene information |
CN103327345B (zh) * | 2012-03-19 | 2015-03-11 | 华晶科技股份有限公司 | 白平衡处理方法及其处理装置 |
CN103051804B (zh) * | 2012-12-28 | 2014-12-10 | 广东欧珀移动通信有限公司 | 一种移动终端智能拍照方法及系统 |
CN105100576B (zh) * | 2014-04-21 | 2018-03-23 | 展讯通信(上海)有限公司 | 光源检测方法及装置 |
CN104320642B (zh) * | 2014-10-11 | 2016-08-24 | 广东欧珀移动通信有限公司 | 一种图片处理的方法及装置 |
CN105187810B (zh) * | 2014-11-11 | 2017-06-06 | 怀效宁 | 一种基于人脸色彩特征的自动白平衡方法及电子媒体装置 |
CN108229478B (zh) * | 2017-06-30 | 2020-12-29 | 深圳市商汤科技有限公司 | 图像语义分割及训练方法和装置、电子设备、存储介质和程序 |
CN107959851B (zh) * | 2017-12-25 | 2019-07-19 | Oppo广东移动通信有限公司 | 色温检测方法及装置、计算机可读存储介质和计算机设备 |
CN108282647B (zh) * | 2018-01-31 | 2019-11-05 | 上海小蚁科技有限公司 | 色彩校正方法及装置、计算机可读存储介质、终端 |
CN108921040A (zh) * | 2018-06-08 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
CN109451292B (zh) * | 2018-12-15 | 2020-03-24 | 深圳市华星光电半导体显示技术有限公司 | 图像色温校正方法及装置 |
-
2018
- 2018-12-15 CN CN201811537822.8A patent/CN109451292B/zh active Active
-
2019
- 2019-04-03 WO PCT/CN2019/081324 patent/WO2020118977A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020118977A1 (zh) | 2020-06-18 |
CN109451292A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805103B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109451292B (zh) | 图像色温校正方法及装置 | |
CN109767467A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
US9723285B2 (en) | Multi-area white-balance control device, multi-area white-balance control method, multi-area white-balance control program, computer in which multi-area white-balance control program is recorded, multi-area white-balance image-processing device, multi-area white-balance image-processing method, multi-area white-balance image-processing program, computer in which multi-area white-balance image-processing program is recorded, and image-capture apparatus | |
CN109523477B (zh) | 一种自适应红外图像动态范围变换方法 | |
CN109688396B (zh) | 图像的白平衡处理方法、装置和终端设备 | |
US7949185B2 (en) | Method of performing robust auto white balance | |
CN112565636B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN103854261B (zh) | 色偏图像的校正方法 | |
TWI532385B (zh) | 白平衡處理方法及其處理裝置 | |
CN108024107A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN109191403A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN103974053B (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
CN110827218B (zh) | 基于图像hsv透射率加权校正的机载图像去雾方法 | |
CN108616700B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109801233B (zh) | 一种适用于真彩色遥感图像的增强方法 | |
CN109712177A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN105989583B (zh) | 一种图像去雾方法 | |
CN115223004A (zh) | 基于改进的多尺度融合生成对抗网络图像增强方法 | |
CN107317967A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN106454144B (zh) | 一种对谷歌眼镜图像过度曝光的校正方法 | |
CN106686320B (zh) | 一种基于数密度均衡的色调映射方法 | |
CN113676715B (zh) | 图像处理方法及装置 | |
CN113329217B (zh) | 自动白平衡参数处理方法及装置、计算机可读存储介质 | |
CN107920205A (zh) | 图像处理方法、装置、存储介质和电子设备 |
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 |