CN111163302B - 一种场景颜色还原方法及终端、存储介质 - Google Patents
一种场景颜色还原方法及终端、存储介质 Download PDFInfo
- Publication number
- CN111163302B CN111163302B CN201911347523.2A CN201911347523A CN111163302B CN 111163302 B CN111163302 B CN 111163302B CN 201911347523 A CN201911347523 A CN 201911347523A CN 111163302 B CN111163302 B CN 111163302B
- Authority
- CN
- China
- Prior art keywords
- color temperature
- direct current
- information
- scene
- optical frequency
- 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
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Color Television Image Signal Generators (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本申请实施例提供了一种场景颜色还原方法及终端、存储介质，包括：通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量；利用多个第一直流分量、多个第二直流分量、多个可见光波段分量和预设分类模型，得到场景分类结果，并确定场景分类结果对应的光源统计区域；基于光源统计区域进行白平衡处理，输出当前色温相关参数，并通过多个色温传感器，输出多组色温相关参数，每一个色温传感器对应一组色温相关参数；根据当前色温相关参数和多组色温相关参数，对图像进行自动白平衡AWB校正。
Description
技术领域
本申请涉及图像处理领域，尤其涉及一种场景颜色还原方法及终端、存储介质。
背景技术
工业的自动白平衡(Automatic white balance，AWB)算法大部分都是基于芯片厂商提供的互联网服务提供商(ISP，Internet Service Provider)统计进行运算的，传感器sensor的视场角决定了AWB算法能够获取到的”环境”信息。手机镜头或者传感器sensor由于结构设计，往往只能看到当前环境的一部分信息，这样AWB算法接收到的部分环境颜色信息无法完整的体现当前环境，故，只能根据接收到的部分环境颜色信息，在算法层面去还原真实的光源颜色信息，导致色彩还原的准确性较低。
发明内容
本申请实施例提供一种场景颜色还原方法及终端、存储介质，能够提高色彩还原度的准确性。
本申请的技术方案是这样实现的：
本申请实施例提供一种场景颜色还原方法，所述方法包括：
通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，所述第一频率通道的辐射强度大于所述第二频率通道的辐射强度，所述多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；
利用所述多个第一直流分量、所述多个第二直流分量、所述多个可见光波段分量和预设分类模型，得到场景分类结果，并确定所述场景分类结果对应的光源统计区域；
基于所述光源统计区域进行白平衡处理，输出当前色温相关参数，并通过所述多个色温传感器，输出多组色温相关参数，所述每一个色温传感器对应一组色温相关参数；
根据所述当前色温相关参数和所述多组色温相关参数，对图像进行自动白平衡AWB校正。
在上述方法中，所述利用所述多个第一直流分量、所述多个第二直流分量、所述多个可见光波段分量和预设分类模型，得到场景分类结果，包括：
根据所述多个第一直流分量、所述多个第二直流分量和所述多个可见光波段分量，确定出多个第一光频率信息、多个第二光频率信息、多个第一红外波段信息和多个第二红外波段信息；
至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入所述预设分类模型中，得到所述场景分类结果。
在上述方法中，所述根据所述多个第一直流分量、所述多个第二直流分量和所述多个可见光波段分量，确定出多个第一光频率信息、多个第二光频率信息、多个第一红外波段信息和多个第二红外波段信息，包括：
从所述多个第一直流分量中，提取所述多个第一光频率信息和所述多个第二光频率信息，所述多个第一光频率信息为所述多个第一直流分量中幅值最大的光频率信息，所述多个第二光频率信息的幅值与所述多个第一光频率信息的幅值相邻；
根据所述多个第二直流分量和所述多个可见光波段分量，确定所述多个第一红外波段信息；
根据所述多个第一直流分量和所述多个第二直流分量，确定所述多个第二红外波段信息。
在上述方法中，所述通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量，包括：
通过所述多个色温传感器，获取所述第一频率通道的多个第一时域信息和所述第二频率通道的多个第二时域信息；
对所述多个第一时域信息进行时频变换操作，得到多个第一频域信息；
对所述第一频率通道的所述多个第一频域信息取直流分量，得到所述多个第一直流分量；
对所述多个第二时域信息进行时频变换操作，得到多个第二频域信息；
对所述第二频率通道的所述多个第二频域信息取直流分量，得到所述多个第二直流分量。
在上述方法中，所述至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果，包括：
按照预设频率值，分别对所述多个第一光频率信息和所述多个第二光频率信息进行归一化处理，得到归一化后的所述多个第一光频率信息和归一化后的所述多个第二光频率信息；
利用所述预设分类模型训练得到的分类参数，对所述多个第一红外波段信息、所述多个第二红外波段信息、归一化后的所述第一光频率信息和归一化后的所述第二光频率信息进行场景预测，得到所述场景分类结果。
在上述方法中，所述根据所述当前色温相关参数和所述多组色温相关参数，对图像进行自动白平衡AWB校正，包括：
从所述多组色温相关参数中，确定出所述场景分类结果所需的目标色温相关参数；
将所述目标色温相关参数和所述当前色温相关参数输入所述场景分类结果对应的预设混合模型中，得到色彩还原参数；
利用所述色彩还原参数对图像进行AWB校正。
在上述方法中，所述至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入所述预设分类模型中，得到所述场景分类结果，所述方法还包括：
获取图像相关特征，所述图像相关特征包括颜色特征、亮度特征或纹理特征中的至少一种；
将所述图像相关特征、所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果。
在上述方法中，所述通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量之前，所述方法还包括：
获取训练样本图像的训练样本数据和所述训练样本图像的训练样本场景；
将所述训练样本数据输入初始分类模型中，得到样本分类结果；
将所述训练样本场景和所述样本分类结果输入预设损失函数中，得到损失函数值；
利用所述损失函数值，对所述初始分类模型进行训练，得到所述预设分类模型和所述预设分类模型对应的分类参数。
本申请实施例提供一种终端，所述终端包括：
获取单元，用于通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，所述第一频率通道的辐射强度大于所述第二频率通道的辐射强度，所述多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；
场景预测单元，用于利用所述多个第一直流分量、所述多个第二直流分量、所述多个可见光波段分量和预设分类模型，得到场景分类结果，并确定所述场景分类结果对应的光源统计区域；
白平衡处理单元，用于基于所述光源统计区域进行白平衡处理，输出当前色温相关参数，并通过所述多个色温传感器，输出多组色彩还原参数，所述每一个色温传感器对应一组色温相关参数；
色彩还原单元，用于根据所述当前色温相关参数和所述多组色温相关参数，对图像进行AWB校正。
本申请实施例提供一种终端，所述终端包括：处理器、存储器及通信总线；所述处理器执行存储器存储的运行程序时实现如上述任一项所述的方法。
本申请实施例提供一种存储介质，其上存储有计算机程序，应用于终端，该计算机程序被处理器执行时实现如上述任一项所述的方法。
本申请实施例提供了一种场景颜色还原方法及终端、存储介质，该方法包括：通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，第一频率通道的辐射强度大于第二频率通道的辐射强度，多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；利用多个第一直流分量、多个第二直流分量、多个可见光波段分量和预设分类模型，得到场景分类结果，并确定场景分类结果对应的光源统计区域；基于光源统计区域进行白平衡处理，输出当前色温相关参数，并通过多个色温传感器，输出多组色温相关参数，每一个色温传感器对应一组色温相关参数；根据当前色温相关参数和多组色温相关参数，对图像进行AWB校正。采用上述实现方案，终端通过设置在终端不同位置的多个色温传感器分别获取第一直流分量、第二直流分量和可见光波段分量，并利用预设分类模型确定出场景分类结果，能够提高接收到的环境颜色的准确性、提高确定光源统计区域的准确性，在进行白平衡处理时，多个色温传感器分别输出色温相关参数，终端利用多个色温传感器对应的多组色温相关参数实现场景颜色的还原，提高了场景颜色分类的准确性。
附图说明
图1为本申请实施例提供的一种场景颜色还原方法的流程图一；
图2为本申请实施例提供的一种示例性的色温传感器在终端显示屏一侧的摆放位置示意图；
图3为本申请实施例提供的一种示例性的色温传感器在终端后置摄像头一侧的摆放位置示意图；
图4为本申请实施例提供的一种示例性的色温传感器第一频率通道和第二频率通道的辐射强度示意图；
图5为本申请实施例提供的一种示例性的频率通道对应的时域信息示意图；
图6为本申请实施例提供的一种示例性的对时域信息进行时频转换得到的频域信息的示意图；
图7为本申请实施例提供的一种示例性的色温传感器光谱曲线响应示意图；
图8为本申请实施例提供的一种示例性的荧光灯光谱能量分布；
图9为本申请实施例提供的一种示例性的daylight光谱能量分布；
图10为本申请实施例提供的一种示例性的白炽灯光谱能量分布；
图11为本申请实施例提供的一种示例性的室外场景下光源统计区域示意图；
图12为本申请实施例提供的一种示例性的室内场景下光源统计区域示意图；
图13为本申请实施例提供的一种示例性的场景判断方法的流程示意图；
图14为本申请实施例提供的一种场景颜色还原方法的流程图二；
图15为本申请实施例提供的一种终端的结构示意图一；
图16为本申请实施例提供的一种终端的结构示意图二。
具体实施方式
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。
终端进行室内外场景预测有很多的方案，具体地，既有基于外部器件的方法，例如无线网(Wireless Fidelity，WiFi)、光感、红外等设备；也有基于图像本身的方法。其中，基于图像本身的方法又可以分为传统阈值分类方法和基于机器学习方法。
不同的场景中，终端进行图像处理时的方式可能有所不同，例如，在室内场景下，自动曝光(Automatic Exposure，AE)需要时刻考虑开启抗工频闪策略；而针对低亮度室外场景，则需要选择更加合适的AWB算法来还原图像，例如，在AWB算法中，如果可以判定当前光源为室外光源则可以简单的将AWB色温设定到D55的位置，画面就可以得到很好的色彩还原效果。
由此可见，良好的场景颜色还原方法可以帮助AWB算法提高图像色彩还原效果，无论对于低亮度的室外场景，还是高亮度的室内场景，都可以降低AWB算法本身的还原难度。相应地，在AE算法中，如果可以准确的判定当前图像对应的场景为室外，则完全不需要考虑抗闪的问题，从而可以提供更多的灵活性。
目前，在使用场景颜色还原方法进行场景预测时，一方面，特征提取需要依赖全尺寸的图像(如4000×3000)，并应用多尺度的滤波方法提取出大量的结构性特征，而如手机等便携式终端的图像信号处理(Image Signal Processing，ISP)通常只能提供小尺寸的图像，(如120×90)，此时终端使用基于全尺寸图像的滤波方法得到的特征的精度就会大为降低，从而降低了场景预测的准确性。另一方面，场景颜色还原方法从当前图像中提取出高维的结构性相关的特征，特征数量通常较多，在如手机等便携式终端内使用时很难做的实时处理，从而降低了场景预测的预测效率。
进一步地，从实际效果来看，复杂的结构性特征在面对不规则分割的天空、纯色场景、室内人造建筑时，场景预测的预测精度都会降低。
基于YUV数据的场景识别算法在ISP上位于去马赛克demosaic算法之后，倾向于最终看到的景象，由于存在时域上的偏差而无法很好的为ISP前端的AE、AWB以及自动对焦(Automatic Focus，AF)所使用。
综上所述，现有技术中，基于图像处理的方式进行场景预测的方法，具有较高的计算复杂度，降低了预测效率，且场景预测的精确度较差。
实施例一
本申请实施例提供一种场景颜色还原方法，如图1所示，该方法可以包括：
S101、通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，第一频率通道的辐射强度大于第二频率通道的辐射强度，多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量。
本申请实施例提供的一种场景颜色还原方法适用于在对采集到的图像进行图像处理的过程中还原场景颜色的场景下。
本申请实施例中，终端可以为任何具备通信和存储功能的设备，例如：平板电脑、手机、电子阅读器、遥控器、个人计算机(Personal Computer，PC)、笔记本电脑、车载设备、网络电视、可穿戴设备等设备。
本申请实施例中，可以在终端的前置sensor设置前置色温传感器、在后置sensor设置后置色温传感器，其中，为了更好的感应环境光，前置色温传感器与前置sensor基本处于同一平面、后置色温传感器与后置sensor基本处于同一平面。具体的，图2为在终端的显示屏一侧，色温传感器的摆放位置示意图，图3为在终端的后置摄像头一侧，色温传感器的摆放位置示意图。还可以在终端顶部放置色温传感器。具体的色温传感器在终端的放置个数和放置位置根据具体情况进行选择，本申请实施例不做具体的限定。
本申请实施例中，终端在采集当前图像时，启动多个色温传感器，并通过多个色温传感器，获取第一频率通道的多个第一时域信息和第二频率通道的多个第二时域信息；其中，色温传感器第一频率通道的辐射强度大于色温传感器第二频率通道的辐射强度，在实际应用中，如图4所示，横坐标代表时间、纵坐标代表辐射强度，由图4可以看出，50HZ对应的通道的辐射强度大于60HZ对应的通道的辐射强度，故，色温传感器第一频率通道可以为50HZ对应的通道，色温传感器第二频率通道可以为60HZ对应的通道。
本申请实施例中，终端在获取到多个第一时域信息和多个第二时域信息之后，终端对多个第一时域信息进行时频变换操作，得到多个第一频域信息；并对第一频率通道的多个第一频域信息取直流分量，得到多个第一直流分量；终端对多个第二时域信息进行时频变换操作，得到多个第二频域信息；并对第二频率通道的多个第二频域信息取直流分量，得到多个第二直流分量。
示例性的，图5为频率通道对应的时域信息，图6为对图5的时域信息进行时频转换，得到的图5所示的时域信息对应的频域信息。
对于终端上设置有前置色温传感器和后置色温传感器而言，终端分别通过前置色温传感器和后置色温传感器获取第一频率通道的FD1_Front时域信息(前置色温传感器获取到的第一频率通道的第一时域信息)、FD1_Rear时域信息(后置色温传感器获取到的第一频率通道的第一时域信息)，之后，终端针对FD1_Front时域信息和FD1_Rear时域信息做时频变换，得到FD1_Front频域信息和FD1_Rear频域信息，终端分别获取FD1_Front频域信息的直流分量FD1DC_Front和FD1_Rear频域信息的直流分量FD1DC_Rear。
本申请实施例中，终端还利用多个色温传感器获取多个可见光波段分量，图7为色温传感器光谱曲线响应示意图，如图7所示，随着波长的变化，色温传感器检测获得的R、G、B、C(可见光波段分量)、WB(全光谱)、FD1(第一频率通道)以及FD2(第二频率通道)对应的光谱响应曲线的变化是不同的，终端可以给予色温传感器的光谱曲线响应示意图确定出第一频率通道的多个第一时域信息、第二频率通道的多个第二时域信息和多个可见光波段分量。
S102、利用多个第一直流分量、多个第二直流分量、多个可见光波段分量和预设分类模型，得到场景分类结果，并确定场景分类结果对应的光源统计区域。
当终端获取到多个第一直流分量、多个第二直流分量和多个可见光波段分量之后，终端利用多个第一直流分量、多个第二直流分量、多个可见光波段分量和预设分类模型，得到场景分类结果，并确定场景分类结果对应的光源统计区域。
具体的，终端根据多个第一直流分量、多个第二直流分量和多个可见光波段分量，确定出多个第一光频率信息、多个第二光频率信息、多个第一红外波段信息和多个第二红外波段信息；之后，终端至少将多个第一光频率信息、多个第二光频率信息、多个第一红外波段信息和多个第二红外波段信息，输入预设分类模型中，得到场景分类结果。
本申请实施例中，终端从多个第一直流分量中，提取多个第一光频率信息和多个第二光频率信息，多个第一光频率信息为多个第一直流分量中幅值最大的光频率信息，多个第二光频率信息的幅值与多个第一光频率信息的幅值相邻；
本申请实施例中，终端根据多个第二直流分量和多个可见光波段分量，确定多个第一红外波段信息。
具体的，具体的，终端将第二直流分量和可见光波段分量输入公式(1)中，得到第一红外波段信息。
IR1＝(FD2DC-C)/FD2DC (1)
其中，IR1为第一红外波段信息，C为可见光波段分量，FD2为第二频率通道的第二频域信息，DC为取直流分量操作，故，FD2DC为第二直流分量。
本申请实施例中，终端根据多个第一直流分量和多个第二直流分量，确定多个第二红外波段信息。
具体的，终端将第一直流分量和第二直流分量输入公式(2)中，得到第二红外波段信息。
IR2＝(FD1DC-FD2DC)/FD1DC (2)
其中，IR2为第二红外波段信息，FD1为第一频率通道的第一频域信息，FD1DC为第一直流分量。
需要说明的是，如图8所示，为荧光灯光谱能量分布，可知室内场景下800nm-900nm红外波段能量微弱；如图9所示，为daylight光谱能量分布，可知daylight场景下800nm-900nm红外波段有较强的能量存在，在950nm以后红外波段能量开始剧烈衰减；如图10所示，为白炽灯光谱能量分布，可知白炽灯场景下800nm-900nm红外波段能量越来越强。由此，结合800nm-900nm的红外波段强度和950nm-1000nm的红外波段强度，可以协助区分室内外的不同拍摄场景，本申请实施例中多个第一红外波段信息用于衡量800nm-900nm的红外波段强度，而本申请实例中多个第二红外波段信息用于衡量950nm-1000nm的红外波段强度。
本申请实施例中，终端按照预设频率值，分别对所述多个第一光频率信息和所述多个第二光频率信息进行归一化处理，得到归一化后的所述多个第一光频率信息和归一化后的所述多个第二光频率信息。
在实际应用中，终端利用200HZ，对第一光频率信息和第二光频率信息进行归一化处理。
本申请实施例中，终端内部预先设置有预设分类模型，终端利用所述预设分类模型训练得到的分类参数，对所述多个第一红外波段信息、所述多个第二红外波段信息、归一化后的所述第一光频率信息和归一化后的所述第二光频率信息进行场景预测，得到所述场景分类结果
本申请实施例中，终端还获取图像相关特征，图像相关特征包括颜色特征、亮度特征或纹理特征中的至少一种；之后，终端将图像相关特征、多个第一光频率信息、多个第二光频率信息、多个第一红外波段信息和多个第二红外波段信息，输入预设分类模型中，得到场景分类结果。
可选的，预设分类模型可以为SVM模型、贝叶斯分类器、集成学习或决策树等，具体的根据实际情况进行选择，本申请实施例不做具体的限定。
本申请实施例中，场景分类结果包括室内场景和室外场景，当判断出为室外场景时，由于daylight下色温比较稳定，基本不可能出现TL84以下的色温，故，将检测的光源统计区域的范围设定的较小，进而避免低色温混淆色的干扰，图11为室外场景对应的光源统计区域；当判断出为室内场景时，由于各种色温的光源都有可能出现，故，将检测的光源统计区域的范围扩张到所有可能出现的光源，图12为室内场景对应的光源统计区域。
S103、基于光源统计区域进行白平衡处理，输出当前色温相关参数，并通过多个色温传感器，输出多组色彩还原参数，每一个色温传感器对应一组色温相关参数。
当终端确定出场景分类结果及其对应的光源统计区域之后，终端就要混合多个sensor和多个色温传感器了，首先，终端基于光源统计区域进行白平衡处理，并输出当前色温相关参数，以及通过多个色温传感器输出多组色温相关参数。
本申请实施例中，进行白平衡处理时可以利用自动白平衡(AWB，Automatic WhiteBalance)算法。
本申请实施例中，色彩还原参数包括：相关色温(CCT，Correlated ColorTemperature)、色偏差值Duv和光照度lux，具体的根据实际情况进行选择，本申请实施例不做具体的限定。
S104、根据当前色温相关参数和多组色温相关参数，对图像进行AWB校正。
当终端得到当前色温相关参数和多组色温相关参数之后，终端根据当前色温相关参数和多组色温相关参数对图像进行AWB校正。
本申请实施例中，终端从多组色温相关参数中，确定出场景分类结果所需的目标色温相关参数；之后，终端将目标色温相关参数和当前色温相关参数输入场景分类结果对应的预设混合模型中，得到色彩还原参数；终端利用色彩还原参数对图像进行AWB校正，此时，终端在进行AWB校正时考虑到不同位置的色温传感器共同确定室内外场景对应的不同光源信息，能够提高图像的色彩还原效果。
本申请实施例中，对于室外场景而言，目标色温相关参数包括CCT和Duv，具体的，后置sensor的AWB算法计算出CCT和Duv之后，其中，CCT和Duv组成了室外场景对应的当前色温相关参数，前置色温传感器输出CCT_Front和Duv_Front，后置色温传感器输出CCT_Rear和Duv_Rear；对于室内场景而言，室内场景下由于光源分布更加复杂，需要考虑lux更高的sensor的结果，目标色温相关参数包括CCT、Duv、lux，后置sensor的awb算法计算出的CCT、Duv、lux后，其中，CCT、Duv、lux组成了室内场景对应的当前色温相关参数，后置色温传感输出CCT_Rear，Duv_Rear，lux_Rear，前置色温传感器输出CCT_Front，Duv_Front，lux_Front。
本申请实施例中，对于室外场景而言，终端将CCT、Duv、CCT_Front、Duv_Front、CCT_Rear和Duv_Rear输入室外场景对应的预设混合模型中，得到a1，b1，c1，a2，b2，c2这六个色彩还原参数。
本申请实施例中，对于室内场景而言，终端将lux、lux_rear和lux_front输入室外场景对应的预设混合模型中，得到a1，b1，c1，a2，b2，c2这六个色彩还原参数。
之后，终端根据上述六个色彩还原参数，得到目标相关色温和目标色偏差值，之后，终端利用目标相关色温和目标色偏差值对当前场景的颜色进行还原。
如图13所示，为本申请实施例提供的一种示例性的场景颜色还原流程，针对终端设置了前置色温传感器和后置色温传感器的场景下，具体的执行过程包括：
1、终端读入前置色温传感器FD1_Front时域信息和后置色温传感器FD1_Rear时域信息；
2、终端针对FD1_Front时域信息和FD1_Rear时域信息做时频变换，并获取其直流分量FD1DC_Front和FD1DC_Rear；
3、从FD1DC_Front中获取幅值最强的两个频率FD1Q1_Front和FD1Q2_Front，并对FD1Q1_Front和FD1Q2_Front分别进行归一化处理；
4、终端读入前置色温传感器FD2_Front时域信息和后置色温传感器FD2_Rear时域信息；
5、终端针对FD2_Front时域信息和FD2_Rear时域信息做时频变换，并获取其直流分量FD2DC_Front和FD2DC_Rear；
6、终端获取可见光波段分量C_Front和C_Rear；
7、终端利用FD2DC_Front和C_Front计算IR1_Front；
8、终端利用FD2DC_Rear和C_Rear计算IR1_Rear；
9、终端利用FD2DC_Front和FD1DC_Front，计算IR2_Front；
10、终端利用FD2DC和FD1DC_Rear，计算IR2_Rear；
11、终端选择分类器，并利用前后置IR&Fr进行室内外分类；
12、终端计算室内外环境下sensor与前后置色温传感器的混合比例a1，b1，c1，a2，b2，c2；
13、终端根据a1，b1，c1，a2，b2，c2得到cct_final，duv_final；
14、终端根据cct_final，duv_final对当前场景进行颜色还原。
可以理解的是，终端通过设置在终端不同位置的多个色温传感器分别获取第一直流分量、第二直流分量和可见光波段分量，并利用预设分类模型确定出场景分类结果，能够提高接收到的环境颜色的准确性、提高确定光源统计区域的准确性，在进行白平衡处理时，多个色温传感器分别输出色温相关参数，终端利用多个色温传感器对应的多组色温相关参数实现场景颜色的还原，提高了场景颜色分类的准确性。
实施例二
基于上述实施例一，在本申请的实施例中，终端通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量之前，还提供一种场景颜色还原方法，如图14所示，该方法可以包括：
S201、获取训练样本图像的训练样本数据和训练样本图像的训练样本场景。
本申请实施例提供的一种场景颜色还原方法适用于对预设分类模型进行训练的场景下。
本申请实施例中，终端可以先对预存图像库进行划分处理，从而获得训练样本图像和测试样本图像。
本申请的实施例中，终端可以为任何具备通信和存储功能的设备。例如：平板电脑、手机、电子阅读器、遥控器、个人计算机(Personal Computer，PC)、笔记本电脑、车载设备、网络电视、可穿戴设备等设备。
需要说明的是，在本申请的实施例中，预存图像库可以用于对预设分类模型进行训练和测试。
进一步地，在本申请的实施例中，预存图像库可以包括多张室内场景的图像和多张室外场景的图像。进一步地，在本申请中，终端可以对预存图像库中的不同场景的图像进行随机划分，从而可以获得训练样本图像和测试样本图像。其中，训练样本图像和测试样本图像是完全不同的，即预存图像库中的一个样本图像对应的样本数据只能为训练样本数据或者测试样本数据中的一种。
示例性地，终端存储的预存图像库中存储有1024张室内场景的图像，同时存储有1134张室外场景的图像，终端在进行预设分类模型的训练时，可以随机从预存图像库中抽取80％的图像作为训练图像，20％的图像作为测试图像。
本申请实施例中，终端获取训练样本图像中第一频率通道的多个第一样本直流分量、第二频率通道的多个第二样本直流分量和多个样本可见光波段分量；之后，终端根据多个第一样本直流分量、多个第二样本直流分量和多个样本可见光波段分量，确定出训练样本图像的多个第一样本红外波段信息、多个第二样本红外波段信息、多个第一样本光频率信息和多个第二样本光频率信息；终端将多个第一样本红外波段信息、多个第二样本红外波段信息、多个第一样本光频率信息和多个第二样本光频率信息确定为训练样本数据。
具体的，终端根据多个第一样本直流分量、多个第二样本直流分量和多个样本可见光波段分量，确定出训练样本图像的多个第一样本红外波段信息、多个第二样本红外波段信息、多个第一样本光频率信息和多个第二样本光频率信息的过程为：终端从多个第一样本直流分量中，提取多个第一样本光频率信息和多个第二样本光频率信息；之后，终端根据多个第二样本直流分量和多个样本可见光波段分量，确定多个第一样本红外波段信息；终端根据多个第一样本直流分量和多个第二样本直流分量，确定多个第二样本红外波段信息。
需要说明的是，终端在训练阶段获取训练样本数据的过程与终端在测试阶段获取多个第一红外波段信息、多个第二红外波段信息、多个第一光频率信息和多个第二光频率信息的过程一致，在此不再赘述。
S202、将训练样本数据输入初始分类模型中，得到样本分类结果。
当终端获取到训练样本图像的训练样本数据和训练样本图像的训练样本场景之后，终端将训练样本数据输入初始分类模型中，得到样本分类结果。
本申请实施例中，终端将多个第一样本红外波段信息、多个第二样本红外波段信息、多个第一样本光频率信息和多个第二样本光频率信息输入初始分类模型中，得到样本分类结果。
S203、将训练样本场景和样本分类结果输入预设损失函数中，得到损失函数值。
当终端将训练样本数据输入初始分类模型中，得到样本分类结果之后，终端将训练样本场景和样本分类结果输入预设损失函数中，得到损失函数值。
本申请实施例中，终端所使用的预设损失函数为合页损失函数。
本申请实施例中，终端将训练样本数据对应的样本分类结果，和该训练样本图像的训练样本场景输入预设损失函数中，得到损失函数值。
S204、利用损失函数值，对初始分类模型进行训练，得到预设分类模型和预设分类模型对应的分类参数。
当终端将训练样本场景和样本分类结果输入预设损失函数中，得到损失函数值之后，终端利用损失函数值，对初始分类模型进行训练，得到预设分类模型。
本申请实施例中，由于本申请中的训练样本数据包括6个训练特征参数，故，在训练参数的选择时，使用线性核对初始分类模型进行训练。
本申请实施例中，利用训练参数对初始分类模型进行训练，使得损失函数值最小，此时，训练出预设分类模型，之后，终端即可用预设分类模型实现场景预测的过程。
可以理解的是，终端通过设置在终端不同位置的多个色温传感器分别获取第一直流分量、第二直流分量和可见光波段分量，并利用预设分类模型确定出场景分类结果，能够提高接收到的环境颜色的准确性、提高确定光源统计区域的准确性，在进行白平衡处理时，多个色温传感器分别输出色温相关参数，终端利用多个色温传感器对应的多组色温相关参数实现场景颜色的还原，提高了场景颜色分类的准确性。
实施例三
本申请实施例提供一种终端，如图15所示，该终端1包括：
获取单元10，用于通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，所述第一频率通道的辐射强度大于所述第二频率通道的辐射强度，所述多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；
场景预测单元11，用于利用所述多个第一直流分量、所述多个第二直流分量、所述多个可见光波段分量和预设分类模型，得到场景分类结果，并确定所述场景分类结果对应的光源统计区域；
白平衡处理单元12，用于基于所述光源统计区域进行白平衡处理，输出当前色温相关参数，并通过所述多个色温传感器，输出多组色彩还原参数，所述每一个色温传感器对应一组色温相关参数；
色彩还原单元13，用于根据所述当前色温相关参数和所述多组色温相关参数，对图像进行AWB校正。
可选的，所述终端还包括：提取单元和确定单元；
所述提取单元，用于从所述多个第一直流分量中，提取所述多个第一光频率信息和所述多个第二光频率信息，所述多个第一光频率信息为所述多个第一直流分量中幅值最大的光频率信息，所述多个第二光频率信息的幅值与所述多个第一光频率信息的幅值相邻；
所述确定单元，用于根据所述多个第二直流分量和所述多个可见光波段分量，确定所述多个第一红外波段信息；根据所述多个第一直流分量和所述多个第二直流分量，确定所述多个第二红外波段信息。
可选的，所述终端还包括时频变换单元和取直流分量单元；
所述获取单元10，用于通过所述多个色温传感器，获取所述第一频率通道的多个第一时域信息和所述第二频率通道的多个第二时域信息；
所述时频变换单元，用于对所述多个第一时域信息进行时频变换操作，得到多个第一频域信息；对所述多个第二时域信息进行时频变换操作，得到多个第二频域信息；
所述取直流分量单元，用于对所述第一频率通道的所述多个第一频域信息取直流分量，得到所述多个第一直流分量；对所述第二频率通道的所述多个第二频域信息取直流分量，得到所述多个第二直流分量。
可选的，所述终端还包括：归一化单元；
所述归一化单元，用于按照预设频率值，分别对所述多个第一光频率信息和所述多个第二光频率信息进行归一化处理，得到归一化后的所述多个第一光频率信息和归一化后的所述多个第二光频率信息；
所述场景预测单元11，还用于利用所述预设分类模型训练得到的分类参数，对所述多个第一红外波段信息、所述多个第二红外波段信息、归一化后的所述第一光频率信息和归一化后的所述第二光频率信息进行场景预测，得到所述场景分类结果。
可选的，所述确定单元，还用于从所述多组色温相关参数中，确定出所述场景分类结果所需的目标色温相关参数；
所述色彩还原单元13，还用于将所述目标色温相关参数输入所述场景分类结果对应的预设混合模型中，得到色彩还原参数；利用所述色彩还原参数对图像进行AWB校正。
可选的，所述获取单元10，还用于获取图像相关特征，所述图像相关特征包括颜色特征、亮度特征或纹理特征中的至少一种；
所述场景预测单元11，还用于将所述图像相关特征、所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果。
可选的，所述终端还包括：训练单元；
所述训练单元，用于获取训练样本图像的训练样本数据和所述训练样本图像的训练样本场景；将所述训练样本数据输入初始分类模型中，得到样本分类结果；将所述训练样本场景和所述样本分类结果输入预设损失函数中，得到损失函数值；利用所述损失函数值，对所述初始分类模型进行训练，得到所述预设分类模型和所述预设分类模型对应的分类参数。
本申请实施例提供的一种终端，通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，第一频率通道的辐射强度大于第二频率通道的辐射强度，多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；利用多个第一直流分量、多个第二直流分量、多个可见光波段分量和预设分类模型，得到场景分类结果，并确定场景分类结果对应的光源统计区域；基于光源统计区域进行白平衡处理，输出当前色温相关参数，并通过多个色温传感器，输出多组色温相关参数，每一个色温传感器对应一组色温相关参数；根据当前色温相关参数和多组色温相关参数，对图像进行AWB校正。由此可见，本实施例提出的终端，通过设置在终端不同位置的多个色温传感器分别获取第一直流分量、第二直流分量和可见光波段分量，并利用预设分类模型确定出场景分类结果，能够提高接收到的环境颜色的准确性、提高确定光源统计区域的准确性，在进行白平衡处理时，多个色温传感器分别输出色温相关参数，终端利用多个色温传感器对应的多组色温相关参数实现场景颜色的还原，提高了场景颜色分类的准确性。
图16为本申请实施例提供的一种终端1的组成结构示意图二，在实际应用中，基于上述实施例的同一公开构思下，如图16所示，本实施例的终端1包括：处理器14、存储器15及通信总线16。
在具体的实施例的过程中，上述获取单元10、场景预测单元11、白平衡处理单元12、色彩还原单元13、提取单元、确定单元、时频变换单元、取直流分量单元、归一化单元和训练单元可由位于终端1上的处理器14实现，上述处理器14可以为特定用途集成电路(ASIC，Application Specific Integrated Circuit)、数字信号处理器(DSP，DigitalSignal Processor)、数字信号处理终端(DSPD，Digital Signal Processing Device)、可编程逻辑终端(PLD，Programmable Logic Device)、现场可编程门阵列(FPGA，FieldProgrammable Gate Array)、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本实施例不作具体限定。
在本申请实施例中，上述通信总线16用于实现处理器14和存储器15之间的连接通信；上述处理器14执行存储器15中存储的运行程序时实现如下的场景颜色还原方法：
所述处理器14，用于通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，所述第一频率通道的辐射强度大于所述第二频率通道的辐射强度，所述多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；利用所述多个第一直流分量、所述多个第二直流分量、所述多个可见光波段分量和预设分类模型，得到场景分类结果，并确定所述场景分类结果对应的光源统计区域；基于所述光源统计区域进行白平衡处理，输出当前色温相关参数，并通过所述多个色温传感器，输出多组色温相关参数，所述每一个色温传感器对应一组色温相关参数；根据所述当前色温相关参数和所述多组色温相关参数，对图像进行AWB校正。
可选的，所述处理器14，还用于根据所述多个第一直流分量、所述多个第二直流分量和所述多个可见光波段分量，确定出多个第一光频率信息、多个第二光频率信息、多个第一红外波段信息和多个第二红外波段信息；至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入所述预设分类模型中，得到所述场景分类结果。
可选的，所述处理器14，还用于从所述多个第一直流分量中，提取所述多个第一光频率信息和所述多个第二光频率信息，所述多个第一光频率信息为所述多个第一直流分量中幅值最大的光频率信息，所述多个第二光频率信息的幅值与所述多个第一光频率信息的幅值相邻；根据所述多个第二直流分量和所述多个可见光波段分量，确定所述多个第一红外波段信息；根据所述多个第一直流分量和所述多个第二直流分量，确定所述多个第二红外波段信息。
可选的，所述处理器14，还用于通过所述多个色温传感器，获取所述第一频率通道的多个第一时域信息和所述第二频率通道的多个第二时域信息；对所述多个第一时域信息进行时频变换操作，得到多个第一频域信息；对所述第一频率通道的所述多个第一频域信息取直流分量，得到所述多个第一直流分量；对所述多个第二时域信息进行时频变换操作，得到多个第二频域信息；对所述第二频率通道的所述多个第二频域信息取直流分量，得到所述多个第二直流分量。
可选的，所述处理器14，还用于按照预设频率值，分别对所述多个第一光频率信息和所述多个第二光频率信息进行归一化处理，得到归一化后的所述多个第一光频率信息和归一化后的所述多个第二光频率信息；利用所述预设分类模型训练得到的分类参数，对所述多个第一红外波段信息、所述多个第二红外波段信息、归一化后的所述第一光频率信息和归一化后的所述第二光频率信息进行场景预测，得到所述场景分类结果。
可选的，所述处理器14，还用于从所述多组色温相关参数中，确定出所述场景分类结果所需的目标色温相关参数；将所述目标色温相关参数输入所述场景分类结果对应的预设混合模型中，得到色彩还原参数；利用所述色彩还原参数对图像进行AWB校正。
可选的，所述处理器14，还用于获取图像相关特征，所述图像相关特征包括颜色特征、亮度特征或纹理特征中的至少一种；将所述图像相关特征、所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果。
可选的，所述处理器14，还用于获取训练样本图像的训练样本数据和所述训练样本图像的训练样本场景；将所述训练样本数据输入初始分类模型中，得到样本分类结果；将所述训练样本场景和所述样本分类结果输入预设损失函数中，得到损失函数值；利用所述损失函数值，对所述初始分类模型进行训练，得到所述预设分类模型和所述预设分类模型对应的分类参数。
本申请实施例提供一种存储介质，其上存储有计算机程序，上述计算机可读存储介质存储有一个或者多个程序，上述一个或者多个程序可被一个或者多个处理器执行，应用于终端中，该计算机程序实现如实施例一和实施例二所述的场景颜色还原方法。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台图像显示设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本公开各个实施例所述的方法。
以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。
Claims (8)
1.一种场景颜色还原方法，其特征在于，所述方法包括：
通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，所述第一频率通道的辐射强度大于所述第二频率通道的辐射强度，所述多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；
从所述多个第一直流分量中，提取多个第一光频率信息和多个第二光频率信息，所述多个第一光频率信息为所述多个第一直流分量中幅值最大的光频率信息，所述多个第二光频率信息的幅值与所述多个第一光频率信息的幅值相邻；
将所述第二直流分量和所述可见光波段分量的差值与所述第二直流分量之间的比值，确定为第一红外波段信息；将所述第一直流分量和所述第二直流分量的差值与所述第一直流分量之间的比值，确定为第二红外波段信息；
至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果，并确定所述场景分类结果对应的光源统计区域；
基于所述光源统计区域进行白平衡处理，输出当前色温相关参数，并通过所述多个色温传感器，输出多组色温相关参数，所述每一个色温传感器对应一组色温相关参数；
从所述多组色温相关参数中，确定出所述场景分类结果所需的目标色温相关参数；将所述目标色温相关参数和所述当前色温相关参数输入所述场景分类结果对应的预设混合模型中，得到色彩还原参数；利用所述色彩还原参数对图像进行AWB校正。
2.根据权利要求1所述的方法，其特征在于，所述通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量，包括：
通过所述多个色温传感器，获取所述第一频率通道的多个第一时域信息和所述第二频率通道的多个第二时域信息；
对所述多个第一时域信息进行时频变换操作，得到多个第一频域信息；
对所述第一频率通道的所述多个第一频域信息取直流分量，得到所述多个第一直流分量；
对所述多个第二时域信息进行时频变换操作，得到多个第二频域信息；
对所述第二频率通道的所述多个第二频域信息取直流分量，得到所述多个第二直流分量。
3.根据权利要求1所述的方法，其特征在于，所述至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果，包括：
按照预设频率值，分别对所述多个第一光频率信息和所述多个第二光频率信息进行归一化处理，得到归一化后的所述多个第一光频率信息和归一化后的所述多个第二光频率信息；
利用所述预设分类模型训练得到的分类参数，对所述多个第一红外波段信息、所述多个第二红外波段信息、归一化后的所述第一光频率信息和归一化后的所述第二光频率信息进行场景预测，得到所述场景分类结果。
4.根据权利要求1所述的方法，其特征在于，所述至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到所述场景分类结果，所述方法还包括：
获取图像相关特征，所述图像相关特征包括颜色特征、亮度特征或纹理特征中的至少一种；
将所述图像相关特征、所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入所述预设分类模型中，得到场景分类结果。
5.根据权利要求1所述的方法，其特征在于，所述通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量之前，所述方法还包括：
获取训练样本图像的训练样本数据和所述训练样本图像的训练样本场景；
将所述训练样本数据输入初始分类模型中，得到样本分类结果；
将所述训练样本场景和所述样本分类结果输入预设损失函数中，得到损失函数值；
利用所述损失函数值，对所述初始分类模型进行训练，得到所述预设分类模型和所述预设分类模型对应的分类参数。
6.一种终端，其特征在于，所述终端包括：
获取单元，用于通过多个色温传感器分别获取第一频率通道对应的多个第一直流分量、第二频率通道对应的多个第二直流分量和多个可见光波段分量，所述第一频率通道的辐射强度大于所述第二频率通道的辐射强度，所述多个色温传感器中的每一个色温传感器对应一个第一直流分量、一个第二直流分量和一个可见光波段分量；
场景预测单元，用于从所述多个第一直流分量中，提取多个第一光频率信息和多个第二光频率信息，所述多个第一光频率信息为所述多个第一直流分量中幅值最大的光频率信息，所述多个第二光频率信息的幅值与所述多个第一光频率信息的幅值相邻；
将所述第二直流分量和所述可见光波段分量的差值与所述第二直流分量之间的比值，确定为第一红外波段信息；将所述第一直流分量和所述第二直流分量的差值与所述第一直流分量之间的比值，确定为第二红外波段信息；
至少将所述多个第一光频率信息、所述多个第二光频率信息、所述多个第一红外波段信息和所述多个第二红外波段信息，输入预设分类模型中，得到场景分类结果，并确定所述场景分类结果对应的光源统计区域；
白平衡处理单元，用于基于所述光源统计区域进行白平衡处理，输出当前色温相关参数，并通过所述多个色温传感器，输出多组色温相关参数，所述每一个色温传感器对应一组色温相关参数；
色彩还原单元，用于从所述多组色温相关参数中，确定出所述场景分类结果所需的目标色温相关参数；将所述目标色温相关参数和所述当前色温相关参数输入所述场景分类结果对应的预设混合模型中，得到色彩还原参数；利用所述色彩还原参数对图像进行AWB校正。
7.一种终端，其特征在于，所述终端包括：处理器、存储器及通信总线；所述处理器执行存储器存储的运行程序时实现如权利要求1至5任一项所述的方法。
8.一种存储介质，其上存储有计算机程序，应用于终端，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911347523.2A CN111163302B (zh) | 2019-12-24 | 2019-12-24 | 一种场景颜色还原方法及终端、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911347523.2A CN111163302B (zh) | 2019-12-24 | 2019-12-24 | 一种场景颜色还原方法及终端、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111163302A CN111163302A (zh) | 2020-05-15 |
| CN111163302B true CN111163302B (zh) | 2022-02-15 |
Family
ID=70558135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911347523.2A Active CN111163302B (zh) | 2019-12-24 | 2019-12-24 | 一种场景颜色还原方法及终端、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111163302B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112866656B (zh) * | 2019-11-26 | 2022-05-31 | Oppo广东移动通信有限公司 | 一种白平衡校正方法、装置、存储介质及终端设备 |
| WO2023070412A1 (zh) * | 2021-10-27 | 2023-05-04 | 深圳市大疆创新科技有限公司 | 涉水场景的成像方法和成像装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5710948A (en) * | 1992-06-09 | 1998-01-20 | Nikon Corporation | Camera system with color temperature meter |
| JP2005300756A (ja) * | 2004-04-08 | 2005-10-27 | Canon Inc | 固体撮像装置及び固体撮像システム |
| CN102271218A (zh) * | 2011-01-17 | 2011-12-07 | 深圳市保千里电子有限公司 | 一种超智能场景摄像机及超智能摄像方法 |
| CN104349149A (zh) * | 2013-08-07 | 2015-02-11 | 联想(北京)有限公司 | 一种图像成像效果调整方法及电子设备 |
| CN104517585A (zh) * | 2013-09-29 | 2015-04-15 | 联想(北京)有限公司 | 调整显示屏幕的方法和装置 |
| CN105430366A (zh) * | 2015-12-24 | 2016-03-23 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及拍照系统 |
| CN105744247A (zh) * | 2015-05-26 | 2016-07-06 | 维沃移动通信有限公司 | 在移动设备中进行白平衡调整的方法、装置和移动设备 |
| CN106303488A (zh) * | 2015-05-18 | 2017-01-04 | 小米科技有限责任公司 | 镜头模组、移动终端及纠正图像色偏的方法 |
| CN107800944A (zh) * | 2016-08-31 | 2018-03-13 | 中兴通讯股份有限公司 | 一种白平衡调整方法、装置和移动终端 |
| CN107920236A (zh) * | 2017-12-18 | 2018-04-17 | 广东欧珀移动通信有限公司 | 图像白平衡处理方法和装置、存储介质和电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002125156A (ja) * | 2000-08-11 | 2002-04-26 | Nikon Corp | 固体撮像素子及び電子カメラ |
| US9088756B2 (en) * | 2012-10-02 | 2015-07-21 | Marvell World Trade Ltd. | Systems and methods for camera image correction and white balancing |
-
2019
- 2019-12-24 CN CN201911347523.2A patent/CN111163302B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5710948A (en) * | 1992-06-09 | 1998-01-20 | Nikon Corporation | Camera system with color temperature meter |
| JP2005300756A (ja) * | 2004-04-08 | 2005-10-27 | Canon Inc | 固体撮像装置及び固体撮像システム |
| CN102271218A (zh) * | 2011-01-17 | 2011-12-07 | 深圳市保千里电子有限公司 | 一种超智能场景摄像机及超智能摄像方法 |
| CN104349149A (zh) * | 2013-08-07 | 2015-02-11 | 联想(北京)有限公司 | 一种图像成像效果调整方法及电子设备 |
| CN104517585A (zh) * | 2013-09-29 | 2015-04-15 | 联想(北京)有限公司 | 调整显示屏幕的方法和装置 |
| CN106303488A (zh) * | 2015-05-18 | 2017-01-04 | 小米科技有限责任公司 | 镜头模组、移动终端及纠正图像色偏的方法 |
| CN105744247A (zh) * | 2015-05-26 | 2016-07-06 | 维沃移动通信有限公司 | 在移动设备中进行白平衡调整的方法、装置和移动设备 |
| CN105430366A (zh) * | 2015-12-24 | 2016-03-23 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及拍照系统 |
| CN107800944A (zh) * | 2016-08-31 | 2018-03-13 | 中兴通讯股份有限公司 | 一种白平衡调整方法、装置和移动终端 |
| CN107920236A (zh) * | 2017-12-18 | 2018-04-17 | 广东欧珀移动通信有限公司 | 图像白平衡处理方法和装置、存储介质和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111163302A (zh) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9813635B2 (en) | Method and apparatus for auto exposure value detection for high dynamic range imaging | |
| US9451173B2 (en) | Electronic device and control method of the same | |
| CN111163302B (zh) | 一种场景颜色还原方法及终端、存储介质 | |
| CN108737728B (zh) | 一种图像拍摄方法、终端及计算机存储介质 | |
| CN111027489A (zh) | 图像处理方法、终端及存储介质 | |
| JP2017510186A (ja) | 原画像データの色度測定を用いた自動ホワイトバランス調整 | |
| CN105338338A (zh) | 用于成像条件检测的方法和装置 | |
| CN108668093A (zh) | Hdr图像的生成方法及装置 | |
| CN108600649B (zh) | 一种智能家居照明亮度采集与控制方法 | |
| US11563889B2 (en) | Electronic device and method for controlling camera using external electronic device | |
| US9307213B2 (en) | Robust selection and weighting for gray patch automatic white balancing | |
| WO2022160895A1 (zh) | 图像处理方法、图像处理装置、电子系统及可读存储介质 | |
| CN113906730B (zh) | 获得皮肤图像的电子设备及其控制方法 | |
| CN105227805A (zh) | 一种图像处理方法及移动终端 | |
| CN112672069A (zh) | 曝光方法和装置 | |
| CN113727085B (zh) | 一种白平衡处理方法、电子设备、芯片系统和存储介质 | |
| CN110929663B (zh) | 一种场景预测方法及终端、存储介质 | |
| CN105163040B (zh) | 一种图像处理方法及移动终端 | |
| CN110969196B (zh) | 一种场景预测方法及终端、存储介质 | |
| CN111310541B (zh) | 一种场景预测方法及终端、存储介质 | |
| CN105959590A (zh) | 一种抗光干扰的拍摄方法、装置及智能终端 | |
| CN107454340B (zh) | 基于高动态范围原理的图像合成方法、装置及移动终端 | |
| CN114286000B (zh) | 图像色彩处理方法、装置和电子设备 | |
| CN106402717B (zh) | 一种ar播放控制方法及智能台灯 | |
| CN111602390A (zh) | 终端白平衡处理方法、终端及计算机可读存储介质 |
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 |