CN111355941B - 图像颜色实时校正方法、装置和系统 - Google Patents

Abstract

本申请实施例属于图像处理技术领域，涉及一种图像颜色实时校正方法、装置、系统、计算机设备和存储介质，方法包括：获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。本申请实施例可以提高图像颜色校正的精度和速度。

Description

图像颜色实时校正方法、装置和系统

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像颜色实时校正方法、装置、系统、计算机设备和存储介质。

背景技术

颜色是物体的一种重要特征，颜色信息被运用在各行各业，与我们的生活息息相关。但是手机、相机、监控录像等电子设备生成的图像中，物体颜色会随着光照的不同而发生较大变化，摄像参数设置也会对图像颜色造成影响。因此为适应人类色彩的恒常性，使成像设备所采集的图像能正确反映物体的真实颜色，需要对图像进行颜色校正。

目前颜色校正大致可分为两大类：基于装置的颜色校正和基于图像的颜色校正。基于装置的颜色校正方法需要增加额外的硬件，使图像采集系统结构更加复杂，并且增加产品成本。基于光谱反射率还原的方法获得光源的色度值或光谱功率分布比较困难，计算量较大。基于图像颜色分析的方法受图像内容及亮度影响较大。由于神经网络法需要大量数据、对设备要求较高，查找插值法需要大量标准色卡数据，没有得到广泛应用。多项式回归法相对其它方法操作简单运用广泛，大多数情况下都能获取较好的颜色校正效果。但在某些特殊的光照环境中(单一光源、亮度较低或较高)多项式回归法颜色校正效果较差，在某些对计算速度和颜色校正效果和精度要求较高的情况下常规多项式回归法不能满足要求。

发明内容

本申请实施例的目的在于提出一种图像颜色实时校正方法，以提高图像颜色校正的精度和速度。

为了解决上述技术问题，本申请实施例提供一种图像颜色实时校正方法，采用了如下所述的技术方案：

所述图像颜色实时校正方法包括以下步骤：

获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；

基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；

利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；

基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。

进一步的，所述数据预处理包括图像滤波和图像分割。

进一步的，所述对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数包括：

获取所述灰色色块的RGB三通道标准值；

根据最小二乘法对所述灰色色块的RGB三通道均值和RGB三通道标准值进行拟合，得到所述拟合参数。

进一步的，所述利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数包括：

根据所述拟合参数对所述标准色卡的各个色块的RGB三通道均值进行校正，得到校正结果，所述校正结果包括所述标准色卡的校正均值矩阵；

获取所述标准色卡的RGB三通道标准值，并基于所述标准色卡的RGB三通道标准值和校正均值矩阵建立所述多项式回归模型；

根据所述多项式回归模型计算出所述校正参数。

进一步的，所述校正参数经过L-M方法优化。

进一步的，所述RGB三通道均值包括R、G、B三个通道的均值，各个通道的均值为对应通道的灰度值之和再除以像素总数。

为了解决上述技术问题，本申请实施例还提供一种图像颜色实时校正装置，包括:

获取模块，用于获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；

拟合模块，用于基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；

第一校正模块，用于利用所述拟合参数对所述标准色卡的所有色块的RGB三通道均值进行校正并通过多项式回归模型计算出校正参数；

第二校正模块，用于基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。

为了解决上述技术问题，本申请实施例还提供一种图像颜色实时校正系统，所述图像颜色实时校正系统包括图像采集设备和颜色校正设备，所述图像采集设备用于采集原始数据，所述原始数据包括原始图像数据和标准色卡数据；所述颜色校正设备用于获取所述原始数据并进行数据处理和显示，所述颜色校正设备包括通讯模块、存储模块、处理器和显示模块。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

所述计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的任一项所述的图像颜色实时校正方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的任一项所述的图像颜色实时校正方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。在原始图像数据中对标准色卡的灰色色块数据的RGB三通道均值进行拟合得到拟合参数，再使用该拟合参数对所有色块进行校正后通过多项式回归模型计算校正参数，然后基于拟合参数和校正参数对原始图像数据进行颜色校正，从而可以提高图像颜色校正的精度并减少校正时间。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了根据本申请的实施例提供的一种图像颜色实时校正方法的流程图；

图2示出了本申请实施例提供的一种图像颜色实时校正装置图；

图3示出了本申请实施例提供的一种图像颜色实时校正系统图；

图4是根据本申请的实施例提供的计算机设备基本结构框图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，图1为本申请实施例的一种图像颜色实时校正方法的流程图，该方法包括以下步骤：

101、获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；

在本实施例中，可以通过图像采集设备如摄像头、录像机等电子设备获取特定环境下的原始图像数据和预设的标准色卡数据，然后对数据进行预处理，其中标准色卡包含多块(至少两块)不同灰度值的灰色色块，以提高下一步骤102的拟合精度；数据预处理包括对获取的数据进行图像滤波和图像分割，滤波方法可以为中值滤波、均值滤波等；图像分割主要是从获取的数据中分割出标准色卡的不同色块区域，标准色卡的选择有多种如24色、140色等，但必须包含多块不同灰度值的灰色色块，图像分割的方法可以采用如基于灰度阈值或者基于图像边缘检测等现有的图像分割方法。

102、基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；

具体地，标准色卡的各色块包括R、G、B三个通道的均值，各色块各个通道的均值计算方法为：在原始图像数据中取出某一色块R、G、B三个通道的灰度值(即某一通道的图像数据矩阵)，将R通道灰度值相加再除以图像像素总数得到R通道的均值R-mean，同理可以得到G通道的均值G-mean、B通道的均值B-mean，然后将该色块的三个通道的均值组合形成一个3×1的均值矩阵，如果标准色卡为24色则可以得到一个3×24的均值矩阵matrix-mean；进一步计算出上述标准色卡中的灰色色块的RGB三通道均值矩阵，例如标准色卡中有6个不同灰度级的灰色色块，则基于上述原始图像数据可以计算出这几个灰色色块的RGB三个通道的均值，即可得到一个3×6的均值矩阵，同时还可以根据上述灰色色块在标准色卡中的位置取出对应的标准R、G、B值矩阵，如上述3×6灰色色块对应的标准R、G、B值矩阵，其中标准R、G、B值矩阵是上述标准色卡预设的标准RGB值。然后对上述多个灰色色块的RGB三通道均值矩阵进行拟合，可以提高拟合精度，从而得到更加精准的拟合参数，具体而言，首先获取预设的灰色色块的RGB三通道标准值，继而根据最小二乘法对上述灰色色块的RGB三通道均值矩阵和RGB三通道标准值进行拟合，从而得到上述拟合参数，即可以用例如最小二乘法拟合出上述灰色色块的RGB三通道均值矩阵与RGB三通道标准值之间的线性或非线性关系而得到拟合参数，如果为一元线性拟合则可以得到如下拟合关系式(1)：

y＝ax+b (1)

其中，a、b即为拟合参数。

103、利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；

进一步的，根据上述拟合参数对上述标准色卡的各个色块的RGB三通道均值进行校正，得到校正结果，该校正结果包括标准色卡的校正均值矩阵；具体地，如上述标准色卡为24色，则经过步骤102可以得到一个3×24的均值矩阵matrix-mean，将matrix-mean按(1)式进行计算则得到校正后大小为3×24的上述校正均值矩阵matrixmean-fit，即：

matrixmean-fit＝a*matrix-mean+b (2)

然后获取上述标准色卡的RGB三通道标准值矩阵matrixs-tandard，并基于该标准色卡的RGB三通道标准值矩阵matrix-standard和校正均值矩阵matrixmean-fit建立上述多项式回归模型，最后根据该多项式回归模型计算出上述校正参数。

其中，建立的多项式回归模型可以是三元线性方程，设第j个色块的标准R、G、B值分别为R_j、G_j、B_j，经过上述线性拟合校正后的校正均值矩阵matrixmean-fit值为X_ij，其中j代表上述标准色卡中的某一色块，i代表色块三个通道中的某一个通道值(i＝1，2，3)，对于24色标准色卡j＝1,2…24，则多项式回归模型如公式(3)所示：

上式中R通道i＝1，G通道i＝2，B通道i＝3，上式的矩阵形式为公式(4)：

RGB＝A*X ⑷

其中RGB为上述标准色卡的RGB三通道标准值矩阵matrix-standard，由色卡厂商出厂时设定，是固定值，

A为3×3的校正参数矩阵,

X为上述3×24的校正均值矩阵matrixmean-fit，

从而通过公式(4)可以计算出上述多项式回归模型的校正参数A。

需要说明的是，上述多项式回归模型的性能会随着多项式组合(即公式(3))的选择而改变，合理选取多项式组合可以提高模型性能。其中校正均值矩阵X的其它选择可以为R、G、B像素值的任意组合，例如：

[R,G,B]，

[R,G,B,R*G*B]，

[R,G,B,R*G,R*B,G*B]，

[R,G,B,R*G,R*B,G*B,R*R,G*G,B*B]，

[R,G,B,R*G,R*B,G*B,R*R,G*G,B*B,R*G*B,1]等；传统多项式回归方法要提高准确度一般是增加多项式的组合，如选择组合为第4组[R,G,B,R*G,R*B,G*B,R*R,G*G,B*B]，此时校正均值矩阵X为9×24的矩阵，多项式回归模型得到的校正参数A为3×9的矩阵，校正参数将增加到27个。参数量由9增加到27会大大增加颜色校正的计算量，从而大大增加计算时间，在一些实时性要求较高的情况下这种方法将不可行。而本申请的实施例选用组合[R,G,B]进行颜色校正比常规方法选用组合[R,G,B,R*G,R*B,G*B,R*R,G*G,B*B]的准确度更高，计算量和计算时间上也大大减少，从而提高颜色校正的实时性和精度。且相对于传统多项式回归方法，本申请的校正方法在环境较暗和较亮的极端光照环境下能对图像颜色进行校正的同时还可以通过拟合参数和校正参数来调整图像的亮度。

进一步的该校正参数A经过L-M方法优化，L-M方法全称Levenberg-Marquardt方法，是非线性回归中回归参数最小二乘估计的一种广泛使用的估计方法，由D.W.Marquardt于1963年提出，他是根据1944年K.Levenbevg的一篇论文发展的，这种方法是把最速下降法和线性化方法(泰勒级数)加以综合的一种方法，因为最速下降法适用于迭代的开始阶段参数估计值远离最优值的情况，而线性化方法，即高斯牛顿法适用于迭代的后期，参数估计值接近最优值的范围内，将两种方法结合起来可以较快地找到最优值，可以进一步提高颜色校正的速度。

104、基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。

具体地，假设获取到的原始图像数据大小为600×800像素的RGB图像，将图像数据转化为3×480000的矩阵Y，根据上述步骤102得到的拟合参数a、b和式(5)可计算得到一个新的3×480000的矩阵Y_new：

Y_new＝aY+b (5)

根据校正参数A和式(4)可计算得到一个新的3×480000的矩阵Z：

Z＝A*Y_new

Z即为颜色校正后的数据,然后将Z转化为图像数据并输出进行实时显示。

进一步的，如图2所示，图2为本申请实施例提供的一种图像颜色实时校正装置200，该装置200包括：

获取模块201，用于获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；

拟合模块202，用于基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；

第一校正模块203，用于利用所述拟合参数对所述标准色卡的所有色块的RGB三通道均值进行校正并通过多项式回归模型计算出校正参数；

第二校正模块204，用于基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。

进一步的，如图3所示，图3为本申请实施例提供的一种图像颜色实时校正系统300，该图像颜色实时校正系统300包括图像采集设备301和颜色校正设备302，其中，图像采集设备301用于采集原始数据，该原始数据包括原始图像数据和标准色卡数据；颜色校正设备302用于获取上述原始数据并进行数据处理和显示，上述颜色校正设备302包括通讯模块3021、存储模块3022、处理器3023和显示模块3024，通讯模块3021用于和图像采集设备301通信并获取上述原始数据，然后将原始数据存储到上述存储模块3022，处理器3023可以依次执行上述图像颜色实时校正方法的各个步骤而实现相应的功能，显示模块3024用于实时显示上述处理器3023的输出结果。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。

所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备16上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如图像颜色实时校正方法的程序代码等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据，例如运行所述图像颜色实时校正方法的程序代码。

所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。

本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有图像颜色实时校正程序，所述图像颜色实时校正方法程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的图像颜色实时校正方法的步骤。

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，本申请的技术方案本质上或者说对现有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终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

应该理解的是，虽然附图的结构示意图中的各个子系统按照箭头的指示依次显示，但是这些子系统并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些子系统的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的结构示意图中的至少一部分子系统在执行时可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (9)

1.一种图像颜色实时校正方法，其特征在于，包括：

获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；

基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；

利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；

基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示；

其中，利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数包括：

根据所述拟合参数对所述标准色卡的各个色块的RGB三通道均值进行校正，得到校正结果，所述校正结果包括所述标准色卡的校正均值矩阵；

获取所述标准色卡的RGB三通道标准值，并基于所述标准色卡的RGB三通道标准值和校正均值矩阵建立所述多项式回归模型；

根据所述多项式回归模型计算出所述校正参数。

2.如权利要求1所述的图像颜色实时校正方法，其特征在于，所述数据预处理包括图像滤波和图像分割。

3.如权利要求2所述的图像颜色实时校正方法，其特征在于，所述对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数包括：

获取所述灰色色块的RGB三通道标准值；

根据最小二乘法对所述灰色色块的RGB三通道均值和RGB三通道标准值进行拟合，得到所述拟合参数。

4.如权利要求3所述的图像颜色实时校正方法，其特征在于，所述校正参数经过L-M方法优化。

5.如权利要求4所述的图像颜色实时校正方法，其特征在于，所述RGB三通道均值包括R、G、B三个通道的均值，各个通道的均值为对应通道的灰度值之和再除以像素总数。

6.一种图像颜色实时校正装置，其特征在于，包括：

获取模块，用于获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；

拟合模块，用于基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；

第一校正模块，用于利用所述拟合参数对所述标准色卡的所有色块的RGB三通道均值进行校正并通过多项式回归模型计算出校正参数；

第二校正模块，用于基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示；

其中，所述第一校正模块，具体用于根据所述拟合参数对所述标准色卡的各个色块的RGB三通道均值进行校正，得到校正结果，所述校正结果包括所述标准色卡的校正均值矩阵；

获取所述标准色卡的RGB三通道标准值，并基于所述标准色卡的RGB三通道标准值和校正均值矩阵建立所述多项式回归模型；

根据所述多项式回归模型计算出所述校正参数。

7.一种图像颜色实时校正系统，其特征在于，所述图像颜色实时校正系统包括图像采集设备和颜色校正设备，所述图像采集设备用于采集原始数据，所述原始数据包括原始图像数据和标准色卡数据；所述颜色校正设备用于获取所述原始数据并进行数据处理和显示，所述颜色校正设备包括通讯模块、存储模块、处理器和显示模块，所述通讯模块，用于和所述图像采集设备通信并获取所述原始数据，然后将所述原始数据存储到所述存储模块；所述处理器，用于依次执行如权利要求1-5任一所述图像颜色实时校正方法的各个步骤而实现相应的功能；所述显示模块，用于实时显示所述处理器的输出结果。

8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的图像颜色实时校正方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的图像颜色实时校正方法的步骤。

Images