CN110392245B - 基于肤色信息的白平衡校正方法及其图像处理装置 - Google Patents

Abstract

本发明提供一种基于肤色信息的白平衡校正方法及其图像处理装置，其针对输入图像中的肤色信息做适应性地权重分配，以避免过多的肤色信息造成白平衡校正的偏误，进而可解决在视讯应用中大量肤色信息容易干扰白平衡校正的问题，并能适应不同色温环境下的变化，还原出更接近真实世界颜色表现。

Description

基于肤色信息的白平衡校正方法及其图像处理装置

技术领域

本发明提供一种白平衡校正方法及其图像处理装置，特别是关于一种基于肤色信息的白平衡校正方法及其图像处理装置。

背景技术

人眼能够自动适应不同环境色温下的色彩，使得白色在不同色温的灯泡或阳光照射下，人眼看起来都会是白色。而对于图像处理装置而言，在未经过白平衡处理的情况下，晴空阳光下的白色会偏蓝色，低色温灯泡下的白色则会偏黄色。而白平衡校正方法即是在补偿不同色温下的白色，使图像处理装置在不同色温下都会显示白色。

习知的白平衡校正方法有灰度世界法(Gray World)和完美反射法(PerfectReflector)。灰度世界法是假设整张图像的RGB三个分量的平均值会趋近于同一个灰度值。但是当图像的色彩过于单一化时，白平衡的结果就容易受到此单一色彩的影响。而完美反射法是假设图像中拥有最大亮度值的像素为白色，且以此像素为参考值对图像进行校正。然而当图像最亮的像素不是白色时，白平衡就会出现错误。

更进一步来说，传统的灰度世界法统计输入图像中的所有像素来计算当前的灰度值。而基于硬件设计的考虑，会将图像分割为M*N个窗口，计算每个窗口内像素值的色彩平均值，以此M*N个统计信息在色彩空间上的坐标，来计算白平衡的增益值。为了达到更好的自动白平衡效果，通常会预先校正一色温曲线，其代表的是白色在不同色温下的分布趋势，接着定义涵盖此曲线的区域(称之为白色区域)，当统计信息落于白色区域之内，才会纳入计算最后的灰度值。

而在视讯应用中，用户脸部通常会占据视讯画面内容的绝大部分比例。而脸部的这些大量肤色信息容易干扰白平衡的结果。由于肤色信息在色彩空间上的分布与低色温下的白色相当接近，习知白平衡校正方法无法在白色区域内完全排除肤色信息。但是若将肤色信息纳入白平衡统计信息，容易被认为是低色温环境，而给予较强的蓝色增益值，造成画面整体的偏蓝色现象。因此，有必要排除在白色区域内的肤色信息。

发明内容

本发明的目的在于提供了一种基于肤色信息的白平衡校正方法及其图像处理装置，其可减少肤色信息所造成的影响，并能适应不同色温环境下的变化，还原出更接近真实世界颜色表现。

本发明实施例提供一种基于肤色信息的白平衡校正方法，且适用于一图像处理装置。基于肤色信息的白平衡校正方法包括如下步骤：(A)接收一输入图像的多个像素信息，且每一个像素信息包括一第一色彩分量、一第二色彩分量与一第三色彩分量；(B)将输入图像分成多个区块，且于每一个区块中计算这些第一色彩分量的一第一平均分量、这些第二色彩分量的一第二平均分量与这些第三色彩分量的一第三平均分量；(C)于每一个区块中，根据第一平均分量、第二平均分量与第三平均分量计算一第一信息与一第二信息；(D)根据第一信息与第二信息将每一个区块对应到一色彩空间的一位置坐标，而色彩空间建立有代表白色在不同色温下的一白色区域，且建立有代表肤色在不同色温下的一肤色区域；(E)判断位于白色区域与肤色区域的一交集区域的这些区块的一数量是否小于一预定数量。若数量小于预定数量，分别加权平均白色区域中的每一个区块的第一信息与第二信息以对应产生一第一权重与一第二权重，且通过一预设精度将第一权重与第二权重转换成一第一增益值与一第二增益值，其中每一个第一信息与每一个第二信息的加权值小于等于1；以及(F)根据第一增益值与第二增益值调整每一个像素信息的第一色彩分量、第二色彩分量与第三色彩分量。

另外，在判断位于白色区域与肤色区域的交集区域的这些区块的数量是否小于预定数量的过程中，若该数量大于等于该预定数量，分别平均该白色区域中的每一该区块的该第一信息与该第二信息以对应产生一第一平均值与一第二平均值，且通过该预设精度分别将该第一平均值与该第二平均值转换成该第一增益值与该第二增益值，其中该第一平均值高于该第一权重且该第二平均值高于该第二权重。

本发明实施例提供一种图像处理装置。图像处理装置包括一图像捕获设备与一图像处理器。图像捕获设备接收一输入图像，且输入图像具有多个像素信息。图像处理器电连接图像捕获设备，且用以执行下列步骤：(A)接收输入图像的多个像素信息，且每一个像素信息包括一第一色彩分量、一第二色彩分量与一第三色彩分量；(B)将输入图像分成多个区块，且于每一个区块中计算这些第一色彩分量的一第一平均分量、这些第二色彩分量的一第二平均分量与这些第三色彩分量的一第三平均分量；(C)于每一个区块中，根据第一平均分量、第二平均分量与第三平均分量计算一第一信息与一第二信息；(D)根据第一信息与第二信息将每一个区块对应到一色彩空间的一位置坐标，而色彩空间建立有代表白色在不同色温下的一白色区域，且建立有代表肤色在不同色温下的一肤色区域；(E)判断位于白色区域与肤色区域的一交集区域的这些区块的一数量是否小于一预定数量。若数量小于预定数量，分别加权平均白色区域中的每一个区块的第一信息与第二信息以对应产生一第一权重与一第二权重，且通过一预设精度将第一权重与第二权重转换成一第一增益值与一第二增益值，其中每一个第一信息与每一个第二信息的加权值小于等于1；以及(F)根据第一增益值与第二增益值调整每一个像素信息的第一色彩分量、第二色彩分量与第三色彩分量。

综合以上所述，本发明实施例所提供的基于肤色信息的白平衡校正方法及其图像处理装置，其针对输入图像中的肤色信息做适应性地权重分配，以避免过多的肤色信息造成白平衡校正的偏误，进而可解决在视讯应用中大量肤色信息容易干扰白平衡校正的问题，并能适应不同色温环境下的变化，还原出更接近真实世界颜色表现。

为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明之详细说明与附图，但是此等说明与所附图式仅系用来说明本发明，而非对本发明的权利范围作任何的限制。

附图说明

图1是本发明一实施例的图像处理装置的示意图。

图2是本发明一实施例的基于肤色信息的白平衡校正方法的流程图。

图3是本发明一实施例的输入图像的多个像素信息的示意图。

图4是本发明一实施例的每一个区块的第一平均分量、第二平均分量与第三平均分量的示意图。

图5是本发明一实施例的每一个区块的第一信息与第二信息的示意图。

图6是本发明一实施例的色彩空间与每一个区块的位置关系图。

图7是本发明一实施例的色彩空间中的肤色区域的示意图。

图8A是本发明一实施例的输入图像中的肤色信息的示意图。

图8B是本发明另一实施例的色彩空间中的肤色区域的示意图。

图9A是本发明一实施例的步骤S260的示意图。

图9B是本发明一实施例的交集区域的数量与权重值的关系图。

具体实施方式

在下文中，将藉由图式说明本发明的各种例示实施例来详细描述本发明。然而，本发明概念可能以许多不同形式来实现，且不应解释为限于本文中所阐述的例示性实施例。此外，图式中相同参考数字可用以表示类似的组件。

本发明实施例所提供的基于肤色信息的白平衡校正方法及其图像处理装置，其先将输入图像分成多个区块并计算每个区块中的像素平均值。接着在色彩空间中统计代表白色在不同色温下的白色区域内的区块个数以及代表肤色在不同色温下的肤色区域内的区块个数，并根据上述结果对白色区域内的区块作权重分配以藉此产生白平衡增益值。最后，将输入图像中的每一个像素乘上白平衡增益值以完成白平衡校正方法。以下将进一步介绍本发明所公开的基于肤色信息的白平衡校正方法及其图像处理装置。

首先，请参考图1，其显示本发明一实施例的图像处理装置的示意图。如图1所示，图像处理装置100用来对一输入图像Im中的每一个像素信息P0-Pn进行白平衡校正，使得输入图像Im可以排除在白色区域内的肤色信息并根据不同色温下的白色来调整每个像素信息P0-Pn，进而输出调整后的像素信息P0’-Pn’。在本实施例中，图像处理装置100可为智能型手机、数字相机、监控式系统、网络摄影机或其他会执行白平衡校正的图像处理装置，本发明对此不作限制。

图像处理装置100包括一图像捕获设备110与一图像处理器120。如图1与3所示，图像捕获设备110接收输入图像Im，且输入图像Im具有多个像素信息P0-Pn。在本实施例中，图像捕获设备110可以是照相机、摄影机或其他可以用来拍摄前方的景物的电子装置，本发明对此不作限制。而输入图像Im的图像大小为15*12＝180个像素信息(即一列有15个像素信息且共有12列)。

图像处理器120电连接图像捕获设备110，且用以执行下列步骤，以对输入图像Im中的每一个像素信息P0-Pn进行白平衡校正，使得输入图像Im可以排除在白色区域内的肤色信息并根据不同色温下的白色来调整每个像素信息P0-Pn，进而输出调整后的像素信息P0’-Pn’。

请同时参考图1-3。图2显示本发明一实施例的基于肤色信息的白平衡校正方法的流程图。首先，图像处理器120接收输入图像Im中的每个像素信息P0-Pn(步骤S210)。每个像素信息P0-Pn具有一第一色彩分量、一第二色彩分量与一第三色彩分量。在本实施例中，第一色彩分量代表一红色色度R、第二色彩分量代表一绿色色度G且第三色彩分量代表一蓝色色度B，即RGB色彩空间下的三个分量。在其他实施例中，第一色彩分量代表一亮度Y、第二色彩分量代表一蓝色色度Cb与第三色彩分量代表一红色色度Cr，即YCbCr色彩空间下的三个分量。当然，像素信息P0-Pn也可以是在其他色彩空间，本发明对此不作限制。

接着，图像处理器120将输入图像Im分成多个区块BLK，且于每一个区块BLK中计算这些第一色彩分量的一第一平均分量、这些第二色彩分量的一第二平均分量与这些第三色彩分量的一第三平均分量(步骤S220)。更进一步来说，在每一个区块BLK中，图像处理器120将平均对应的第一色彩分量以产生对应区块BLK的第一平均分量，平均对应的第二色彩分量以产生对应区块BLK的第二平均分量，且平均对应的第三色彩分量以产生对应区块BLK的第三平均分量。

请同时参考图3，在本实施例中，输入图像Im具有180个像素信息，且第一色彩分量、第二色彩分量与第三色彩分量为RGB色彩空间下的三个分量。输入图像Im分成20个区块BLK，且每一个区块BLK具有9个像素信息。值得注意的是，第一个至第六个、第十个至第十一个与第十五个区块BLKs(即斜线部分)在真实世界颜色(即没有受到肤色信息与色温干扰的颜色)为灰色；第七个至第九个与第十二个至第十四个区块BLKs(即点状部分)在真实世界颜色为橘色；以及第十六个至第二十个区块BLKs在真实世界颜色为黄色。

然而，若20个区块BLK遭受到肤色信息与色温干扰时，20个区块BLK中的每一个像素信息将会改变，使得每一个区块BLK的第一平均分量Rav、第二平均分量Gav与第三平均分量Bav会改变为图4中的数值。请同时参考图3和图4，以第一个区块BLK为例作说明，9个像素信息P0、P1、P2、P15、P16、P17、P30、P31、P32的像素值如下表<一>所示。

<表一>

P0＝(R,G,B)＝(97,195,80)	P1＝(95,191,81)	P2＝(94,193,79)
			P15＝(95,189,82)	P16＝(94,190,79)	P17＝(95,188,80)
P30＝(96,192,78)	P31＝(96,187,80)	P32＝(93,185,81)

像素信息P0-P2、P15-P17与P30-P32的第一色彩分量的第一平均分量Rav为(97+95+94+95+94+95+96+96+93)/9＝95；像素信息P0-P2、P15-P17与P30-P32的第二色彩分量的第二平均分量Gav为(195+191+193+189+190+188+192+187+185)/9＝190；以及像素信息P0-P2、P15-P17与P30-P32的第三色彩分量的第三平均分量Bav为(80+81+79+82+79+80+78+80+81)/9＝80。藉此，请同时参考图4，第一个区块BLK的第一平均分量Rav、第二平均分量Gav与第三平均分量Bav分别为(Rav,Gav,Bav)＝(95,190,80)。而其他区块BLK的第一平均分量、第二平均分量与第三平均分量也是依照此方式计算且显示在图4中，故在此不再赘述。

在取得每一个区块BLK的第一平均分量、第二平均分量与第三平均分量(即步骤S220)后，图像处理器120将根据对应的第一平均分量、对应的第二平均分量与对应的第三平均分量计算对应的区块BLK的一第一信息与一第二信息(步骤S230)。

承接上述实施例并请同时参考图4-5，在取得20个区块BLK的第一平均分量Rav、第二平均分量Gav与第三平均分量Bav后，图像处理器120在第一个区块BLK将第二平均分量Gav除以第三平均分量Bav并乘上一预设精度(在本例子为8单位)以产生第一信息为Gav/Bav＝190/80*8＝19，且将第二平均分量Gav除以第一平均分量Rav并乘上预设精度以产生第二信息为Gav/Rav＝190/95*8＝16。再举例来说，图像处理器120在最后一个区块BLK将第二平均分量Gav除以第三平均分量Bav并乘上预设精度以产生第一信息为Gav/Bav＝185/40*8＝37，且将第二平均分量Gav除以第一平均分量Bav并乘上预设精度以产生第二信息为Gav/Rav＝185/114*8＝13。其他区块BLK的第一信息与第二信息也是依照此方式计算且显示在图5中，故在此不再赘述。

而在其他实施例中，若第一色彩分量、第二色彩分量与第三色彩分量分别代表亮度Y、蓝色色度Cb与红色色度Cr，图像处理器120也可依照上述方式计算对应的第一平均分量、第二平均分量与第三平均分量。再来，图像处理器120可直接将第二平均分量(即蓝色色度Cb)作为第一信息，且将第三平均分量(即红色色度Cr)作为第二信息，本发明对此不作限制。

再请回到图2，于步骤S220后，图像处理器120将根据第一信息与第二信息将每一个区块BLK对应到一色彩空间SPA的一位置坐标(步骤S240)。承接上述实施例并同时参考图5-6，本实施例的色彩空间SPA是由第一信息Gav/Bav与第二信息Gav/Rav形成。以第一个区块BLK来说，图像处理器120将第一个区块BLK的第一信息(即数值19)与第二信息(即数值16)对应到色彩空间SPA的位置坐标(Gav/Bav,Gav/Rav)＝(19,16)，且以色彩空间SPA的圆形作表示。

类似地，以第七个区块BLK来说，图像处理器120将第一个区块BLK的第一信息(即数值24)与第二信息(即数值12)对应到色彩空间SPA的位置坐标(Gav/Bav,Gav/Rav)＝(24,12)，且以色彩空间SPA的三角形作表示。类似地，以最后一个区块BLK来说，图像处理器120将第一个区块BLK的第一信息(即数值37)与第二信息(即数值13)对应到色彩空间SPA的位置坐标(Gav/Bav,Gav/Rav)＝(37,13)，且以色彩空间SPA的正方形作表示。

藉此，20个区块BLK将对应到色彩空间SPA中的20个坐标位置。在色彩空间SPA中有9个区块BLK位于相同的位置坐标(19,16)(以圆形表示)，有6个区块BLK位于相同的位置坐标(24,12)(以三角形表示)，且有5个区块BLK位于相同的位置坐标(37,12)(以正方形表示)。

值得注意的是，色彩空间SPA建立有代表白色在不同色温下的一白色区域WT(如图6中的实线范围内)，且建立有代表肤色在不同色温下的一肤色区域SK(如图6中的虚线范围内)。在本实施例中，白色区域WT是预先在不同的色温下定义在色彩空间SPA中的区域范围，且有关定义色彩空间SPA中的白色区域WT的实施方式为所属领域具有通常知识者所悉知，故在此不再赘述。

此外，肤色区域SK可以预先在不同的色温下定义在色彩空间SPA中的区域范围、可以是图像处理器120在取得输入图像Im后统计关联于人脸色彩的肤色以定义肤色区域SK在色彩空间SPA中的区域范围，又或者可以其他方式来定义肤色区域SK，本发明对此不作限制。

举例来说，使用者预先制作肤色卡并根据肤色卡上的颜色建立色彩空间SPA中的肤色区域SK。再举例来说，如图7所示，使用者通过图像处理器120计算肤色在不同色温(如高色温D50、中色温CWF与低色温LGT)下的一肤色曲线CV，并接着向肤色曲线CV的周围方向扩散一预定距离D1以形成色彩空间SPA1的肤色区域SK1。

又举例来说，如图8A所示，当图像捕获设备110接收到输入图像Im后，图像处理器120将在输入图像Im中撷取代表一人脸的一区域图像Ire。接着，同时参考图8B，在区域图像Ire的每一个像素信息S1、S2、S3、S4、S5、S6、S7、S8、S9中，图像处理器120将根据对应的第一色彩分量、对应的第二色彩分量与对应的第三色彩分量将此区域图像Re中的每一个像素信息S1-S9分别对应到色彩空间SPA2中的一肤色坐标A1、A2、A3、A4、A5、A6、A7、A8、A9。最后图像处理器120再根据每一个肤色坐标A1-A9建立色彩空间SPA2中的肤色区域SK2，如肤色坐标A1-A6所围成的肤色区域SK2。而有关图像处理器120建立色彩空间SPA2中的肤色区域SK2的方法可以是例如连接所有的肤色坐标A1-A9以形成一联机区域并将此区域作为肤色区域SK2，且也可以是其他建立方法，本发明对此不作限制。

再请回到图6，色彩空间SPA具有白色区域WT(如实线范围内)、肤色区域SK(如虚线范围内)以及20个区块BLK所对应的20个坐标位置。白色区域WT中具有与肤色区域SK重迭的交集区域Wa(如点状部分)以及不与肤色区域SK重迭的非交集区域Wb。值得注意的是，肤色区域SK在色彩空间SPA上的分布与低色温的白色区域WT相当接近，例如在交集区域Wa中的6个区块BLK对应的位置坐标(24,12)。而过多的肤色信息会造成白平衡校正的偏误。因此，图像处理器120接着将根据肤色区域SK中的区块对应的位置坐标来降低白平衡校正的偏误。

再请回到图2，于计算出每个区块BLK对应到色彩空间SPA的位置坐标后，图像处理器120将判断每个区块BLK的位置坐标位于肤色区域SK的数量是否小于一预定数量(如16个)，以藉此判断这些区块BLK是否确实是落在低色温的白色区域WT中(步骤S250)。

若位于肤色区域SK的区块BLK的数量小于预定数量，代表位于肤色区域SK的区块BLK没有落在低色温的白色区域中。此时，图像处理器120将分别加权平均白色区域WT中的每一个区块BLK的第一信息与第二信息以对应产生第一权重w1与第二权重w2(步骤S260)，且通过一预设精度将该第一权重与该第二权重转换成一第一增益值与一第二增益值(步骤S265)。值得注意的是，每一个第一信息的加权值与每一个第二信息的加权值小于等于1，以藉此表现位于肤色区域SK的区块BLK没有落在低色温的白色区域中。

更进一步来说，请同参考图9A，若位于肤色区域SK的区块BLK的数量小于预定数量(如16个)，图像处理器120首先将加权平均非交集区域Wb中的每一个区块BLK(如图6中标示为圆形的9个区块BLK)的第一信息以及交集区域Wa中的每一个区块BLK(如图6中标示为三角形的6个区块BLK)的第一信息以产生第一权重w1(步骤S262)。值得注意的是，交集区域Wa中的每个第一信息的权重值将低于非交集区域Wb中的每个第一信息的权重值。在本实施例中，非交集区域Wb中的每一个第一信息的权重值为1，且交集区域Wa中的每一个第一信息的权重值随着区块BLK位于交集区域Wa的数量而由1递减至一最小权重值。

图像处理器120接着将加权平均非交集区域Wb中的每一个区块BLK(如图6中标示为圆形的9个区块BLK)的第二信息以及交集区域Wa中的每一个区块BLK(如图6中标示为三角形的6个区块BLK)的第二信息以产生第二权重w2(步骤S264)。值得注意的是，交集区域Wa中的每个第二信息的权重值将低于非交集区域Wb中的每个第二信息的权重值。在本实施例中，非交集区域Wb中的每一个第一信息的权重值为1，且交集区域Wa中的每一个第一信息的权重值随着区块BLK位于交集区域Wa的数量而由1递减至一最小权重值。

举例来说，请同参考图9B，上述权重值系根据图9B的关系图来做调整。当交集区域Wa中的区块BLK的数量小于一第一阈值(如10)时，权重值会降低至最小权重值，以降低交集区域Wa中的区块BLK在白平衡校正中的影响。当交集区域Wa中的区块BLK的数量大于第二阈值(如16)时，权重值维持最大权重值，表示当前环境可能为低色温的白色区域。当交集区域Wa中的区块BLK的数量介于第一阈值(如10)与第二阈值(如16)之间，权重值将随着交集区域Wa的数量减少而由最大权重值递减至最小权重值，以渐进式地选择权重值，避免白平衡校正太剧烈。

再以图6中的20个区块BLK所对应的20个坐标位置为例作说明，在此例子中，最小权重值与最大权重值分别设为0.1与1，第一阈值与第二阈值分别设为10与16。因此，图像处理器120计算非交集区域Wb中的权重值为1，且计算交集区域Wa中的权重值为0.1。图像处理器120将加权平均非交集区域Wb中标示为圆形的9个区块BLK的第一信息以及交集区域Wa中标示为三角形的6个区块BLK的第一信息以产生第一权重w1，即第一权重w1＝(19*9*1+24*6*0.1)/(9*1+6*0.1)＝19。图像处理器120将加权平均非交集区域Wb中标示为圆形的9个区块BLK的第二信息以及交集区域Wa中标示为三角形的6个区块BLK的第二信息以产生第二权重w2，即第二权重w2＝(16*9*1+12*6*0.1)/(9*1+6*0.1)＝16。

在取得第一权重w1(＝19)与第二权重w2(＝16)后，若默认精度为8单位，图像处理器120将通过预设精度分别将第一权重w1与第二权重w2转换成第一增益值Gn1与第二增益值Gn2，即第一增益值Gn1＝19/8＝2.375，且第二增益值Gn2＝16/8＝2。

若位于肤色区域SK的区块BLK的数量大于等于预定数量，代表位于肤色区域SK的区块BLK确实落在低色温的白色区域中。此时，图像处理器120将平均白色区域WT中的每一个区块BLK的第一信息以产生一第一平均值av1与平均白色区域WT中的每一个区块BLK的第二信息以产生一第二平均值av2(步骤S270)，且通过预设精度分别将第一平均值av1与第二平均值av2转换成第一增益值与第二增益值(步骤S275)。值得注意的是，第一平均值av1高于第一权重w1，且第二平均值av2高于第二权重w2。

以图6中的20个区块BLK所对应的20个坐标位置为例作说明，图像处理器120将平均白色区域WT中标示为圆形与三角形的15个区块BLK的第一信息以产生第一平均值av1，即第一平均值av1＝(19*9+24*6)/15＝21，且平均白色区域WT中标示为圆形与三角形的15个区块BLK的第二信息以产生第二平均值av2，即第二平均值av2＝(16*9+12*6)/15＝14。

在取得第一平均值av1(＝21)与第二平均值av2(＝20)后，若默认精度为8单位，图像处理器120将通过预设精度分别将第一平均值av1与第二平均值av2转换成一第一增益值Gn1与一第二增益值Gn2，即第一增益值Gn1＝21/8＝2.625，且第二增益值Gn2＝14/8＝1.75。

最后，图像处理器120将根据第一增益值Gn1与第二增益值Gn2来调整每一个像素信息的第一色彩分量、第二色彩分量与第三色彩分量(步骤S280)。

以第一色彩分量代表红色色度、第二色彩分量代表绿色色度与第三色彩分量代表蓝色色度为例，并同时参考图6来说明。如同步骤S260-S265的实施例，若位于交集区域Wa的区块BLK的数量小于预定数量，图像处理器120将第一权重(即19)与第二权重w4(即16)转换为第一增益值Gn1＝2.375与第二增益值Gn2＝2。

此时，图像处理器120将第一增益值Gn1＝2.375乘上对应的第三色彩分量，将第二增益值Gn2＝2乘上对应的第一色彩分量，且维持第二色彩分量。例如对于图3与表<一>中的第一个区块BLK的像素信息P0＝(R,G,B)＝(97,195,80)来说，调整后的像素信息P0’为(R’,G’,B’)＝(97*2,195,80*2.375)＝(194,195,190)。而第一个区块BLK的9个调整后的像素信息P0’、P1’、P2’、P15’、P16’、P17’、P30’、P31’、P32’的像素值如下表<二>所示。

<表二>

因此，于第一个区块BLK中，调整后的像素信息P0’-P2’、P15’-P17’与P30’-P32’的第一色彩分量的第一平均分量Rav’为(194+190+188+190+188+190+192+192+186)/9＝190；像素信息P0’-P2’、P15’-P17’与P30’-P32’的第二色彩分量的第二平均分量Gav’为(195+191+193+189+190+188+192+187+185)/9＝190；以及像素信息P0’-P2’、P15’-P17’与P30’-P32’的第三色彩分量的第三平均分量Bav’为(190+192+188+195+188+190+185+190+192)/9＝190。

而在其他实施例中，若第一色彩分量、第二色彩分量与第三色彩分量分别代表亮度Y、蓝色色度Cb与红色色度Cr，图像处理器120也可依照不同的色彩空间来将第一增益值乘上第二色彩分量(即蓝色色度Cb)以及将第二增益值乘上第三色彩分量(即红色色度Cr)，以藉此产生调整后的像素信息。本发明对此不作限制。

由上述可知，于图4中的第一个区块BLK，(Rav,Gav,Bav)＝(95,190,80)将调整为(Rav’,Gav’,Bav’)＝(190,190,190)，使得第一个区块BLK(斜线部分)的第一平均分量、第二平均分量与第三平均分量被调整为更符合真实世界颜色(本实施例为灰色)。据此，本发明实施例所提供的一种基于肤色信息的白平衡校正方法及其图像处理装置，其先将输入图像分成多个区块并计算每个区块中的像素平均值(即实施例中的第一平均分量、第二平均分量与第三平均分量)。接着在色彩空间中统计代表白色在不同色温下的白色区域内的区块个数以及代表肤色在不同色温下的肤色区域内的区块个数，并根据上述结果对白色区域内的区块作权重分配以藉此产生白平衡增益值(即实施例中的第一增益值与第二增益值)。最后，将输入图像中的每一个像素乘上白平衡增益值以完成白平衡校正方法。

综上所述，本发明实施例所提供的基于肤色信息的白平衡校正方法及其图像处理装置，其针对输入图像中的肤色信息做适应性地权重分配，以避免过多的肤色信息造成白平衡校正的偏误，进而可解决在视讯应用中大量肤色信息容易干扰白平衡校正的问题，并能适应不同色温环境下的变化，还原出更接近真实世界颜色表现。

以上所述仅为本发明的实施例，其并非用以局限本发明的专利范围。

【符号说明】

100：图像处理装置

110：图像捕获设备

120：图像处理器

Im：输入图像

P0-Pn：像素信息

P0’-Pn’：调整后的像素信息

S210、S220、S230、S240、S250、S260、S265、S270、S275、S280：步骤

BLK：区块

Rav：第一平均分量

Gav：第二平均分量

Bav：第三平均分量

Wa：交集区域

Wb：非交集区域

WT：白色区域

SK、SK1、SK2：肤色区域

SPA、SPA1、SPA2：色彩空间

D1：预定距离

D50：高色温

CWF：中色温

LGT：低色温

CV：肤色曲线

Ire：区域图像

A1、A2、A3、A4、A5、A6、A7、A8、A9：肤色坐标

S262、S264：步骤

S1、S2、S3、S4、S5、S6、S7、S8、S9：像素信息

Claims (9)

1.一种基于肤色信息的白平衡校正方法，适用于一图像处理装置，且包括：

接收一输入图像的多个像素信息，且每一该像素信息包括一第一色彩分量、一第二色彩分量与一第三色彩分量；

将该输入图像分成多个区块，且于每一该区块中计算该第一色彩分量的一第一平均分量、该第二色彩分量的一第二平均分量与该第三色彩分量的一第三平均分量；

于每一该区块中，根据该第一平均分量、该第二平均分量与该第三平均分量计算一第一信息与一第二信息；

根据该第一信息与该第二信息将每一该区块对应到一色彩空间的一位置坐标，其中该色彩空间建立有代表白色在不同色温下的一白色区域，且建立有代表肤色在不同色温下的一肤色区域；

判断位于该白色区域与该肤色区域的一交集区域的区块的数量是否小于一预定数量，若该数量小于该预定数量，分别加权平均该白色区域中的每一该区块的该第一信息与该第二信息以对应产生一第一权重与一第二权重且通过一预设精度将该第一权重与该第二权重转换成一第一增益值与一第二增益值，其中每一该第一信息与每一该第二信息的加权值小于等于1；以及

根据该第一增益值与该第二增益值调整每一该像素信息的该第一色彩分量、该第二色彩分量与该第三色彩分量，其中，若该数量大于等于该预定数量，分别平均该白色区域中的每一该区块的该第一信息与该第二信息以对应产生一第一平均值与一第二平均值，且通过该预设精度分别将该第一平均值与该第二平均值转换成该第一增益值与该第二增益值，其中该第一平均值高于该第一权重且该第二平均值高于该第二权重。

2.如权利要求1所述的基于肤色信息的白平衡校正方法，其中，该白色区域具有不与该肤色区域重迭的一非交集区域，且于计算该第一权重与该第二权重的步骤中，还包括：

加权平均该非交集区域中的每一该区块的该第一信息以及该交集区域中的每一该区块的该第一信息以产生该第一权重，其中该交集区域中的每一该第一信息的权重值低于该非交集区域中的每一该第一信息的权重值；以及

加权平均该非交集区域中的每一该区块的该第二信息以及该交集区域中的每一该区块的该第二信息以产生该第二权重，其中该交集区域中的每一该第二信息的该权重值低于该非交集区域中的每一该第二信息的该权重值。

3.如权利要求2所述基于肤色信息的白平衡校正方法，其中，该交集区域中的每一该第一信息的权重值与每一该第二信息的权重值为1，且该非交集区域中的每一该第一信息的权重值与每一该第二信息的权重值随着位于该交集区域的该数量减少而由1递减至一最小权重值。

4.如权利要求1所述的基于肤色信息的白平衡校正方法，其中，于每一该区块中，计算该第一平均分量、该第二平均分量与该第三平均分量的步骤中，还包括：

平均对应的该第一色彩分量以产生该第一平均分量；

平均对应的该第二色彩分量以产生该第二平均分量；以及

平均对应的该第三色彩分量以产生该第三平均分量。

5.如权利要求1所述的基于肤色信息的白平衡校正方法，其中，该第一色彩分量代表一红色色度、该第二色彩分量代表一绿色色度与该第三色彩分量代表一蓝色色度，且于计算该第一信息与该第二信息的步骤中，还包括：

将该第二平均分量除以该第三平均分量并乘上该预设精度以产生该第一信息；以及

将该第二平均分量除以该第一平均分量并乘上该预设精度以产生该第一信息。

6.如权利要求1所述的基于肤色信息的白平衡校正方法，其中，该第一色彩分量代表一亮度、该第二色彩分量代表一蓝色色度与该第三色彩分量代表一红色色度，且于计算该第一信息与该第二信息的步骤中，更包括：

将该第二平均分量作为该第一信息；以及

将该第三平均分量作为该第二信息。

7.如权利要求1所述的基于肤色信息的白平衡校正方法，其中，于建立该色彩空间中的该肤色区域的步骤中，还包括：

计算该肤色在不同色温下的一肤色曲线；以及

向该肤色曲线的周围方向扩散一预定距离以形成该肤色区域。

8.如权利要求1所述的基于肤色信息的白平衡校正方法，其中，于建立该色彩空间中的该肤色区域的步骤中，还包括：

于该输入图像中撷取代表一人脸的一区域图像；

于该区域图像的每一该像素信息中，根据对应的该第一色彩分量、对应的该第二色彩分量与对应的该第三色彩分量将该区域图像中的每一该像素信息分别对应到该色彩空间中的一肤色坐标；以及

根据每一该肤色坐标建立该色彩空间中的该肤色区域。

9.一种图像处理装置，包括：

一图像捕获设备，接收一输入图像，且该输入图像具有多个像素信息；以及

一图像处理器，电连接该图像捕获设备，且用以执行下列步骤：

接收该多个像素信息，且每一该像素信息包括一第一色彩分量、一第二色彩分量与一第三色彩分量；

将该输入图像分成多个区块，且于每一该区块中计算该第一色彩分量的一第一平均分量、该第二色彩分量的一第二平均分量与该第三色彩分量的一第三平均分量；

于每一该区块中，根据该第一平均分量、该第二平均分量与该第三平均分量计算一第一信息与一第二信息；

根据该第一信息与该第二信息将每一该区块对应到一色彩空间的一位置坐标，其中该色彩空间建立有代表白色在不同色温下的一白色区域，且建立有代表肤色在不同色温下的一肤色区域；

判断位于该白色区域与该肤色区域的一交集区域的区块的数量是否小于一预定数量，若该数量小于该预定数量，分别加权平均该白色区域中的每一该区块的该第一信息与该第二信息以对应产生一第一权重与一第二权重且通过一预设精度将该第一权重与该第二权重转换成一第一增益值与一第二增益值，其中每一该第一信息与每一该第二信息的加权值小于等于1；以及

根据该第一增益值与该第二增益值调整每一该像素信息的该第一色彩分量、该第二色彩分量与该第三色彩分量，

其中，若该数量大于等于该预定数量，分别平均该白色区域中的每一该区块的该第一信息与该第二信息以对应产生一第一平均值与一第二平均值，且通过该预设精度分别将该第一平均值与该第二平均值转换成该第一增益值与该第二增益值，其中该第一平均值高于该第一权重且该第二平均值高于该第二权重。

Images