CN112073703B - 一种色彩校正矩阵的调整方法、装置、终端设备及介质 - Google Patents

Abstract

本申请适用于图像处理技术领域，提供了一种色彩校正矩阵的调整方法、装置、终端设备及介质，所述方法包括：获取原始色彩校正矩阵；抓拍采用所原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；分别计算各个色块与标准色块之间的误差值；将所述误差值大于预设阈值的色块记为偏差色块；根据所述偏差色块，计算所述色卡图片的校正矩阵；采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。采用上述方法，可以自动对色彩校正矩阵进行调整。

Description

一种色彩校正矩阵的调整方法、装置、终端设备及介质

技术领域

本申请属于图像处理技术领域，尤其涉及一种色彩校正矩阵的调整方法、装置、终端设备及介质。

背景技术

传感器对光谱的响应，在RGB各分量上与人眼对光谱的响应是有偏差的。通常，可以通过一个色彩校正矩阵(color correction matrix，CCM)校正光谱响应的交叉效应和响应强度，使前端捕获的图片与人眼视觉在色彩上保持一致。所以，在摄像机成像过程中需要在不同的色温下对图像进行CCM标定计算。当计算结果显示某些色块偏差明显时，需要对CCM矩阵进行微调；或者，当其他图像颜色发生偏差时，也需要对CCM矩阵进行校正

目前，计算CCM的方法是在不同色温下抓取24色色卡(Gretag Macbeth ColorChecker)的原始图像，然后计算抓取到的图像在不同色温下的CCM。当某个色温下的CCM发生偏差时，需要反复抓取计算，或者直接对CCM参数进行调整。反复抓取计算所消耗的计算资源比较多，耗费时间也比较长；直接调整CCM矩阵参数时，调动幅度很难量化，可能会导致其他色块发生更大的偏差。

发明内容

本申请实施例提供了一种色彩校正矩阵的调整方法、装置、终端设备及介质，可以自动调整色彩校正矩阵。

第一方面，本申请实施例提供了一种色彩校正矩阵的调整方法，包括：

获取原始色彩校正矩阵；抓拍采用所原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

分别计算各个色块与标准色块之间的误差值；

将所述误差值大于预设阈值的色块记为偏差色块；

根据所述偏差色块，计算所述色卡图片的校正矩阵；

采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。

第二方面，本申请实施例提供了一种色彩校正矩阵的调整装置，包括：

色卡图片获取模块，用于获取原始色彩校正矩阵；抓拍采用所原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

误差值计算模块，用于分别计算各个色块与标准色块之间的误差值；

偏差色块确定模块，用于将所述误差值大于预设阈值的色块记为偏差色块；

校正矩阵计算模块，用于根据所述偏差色块，计算所述色卡图片的校正矩阵；

目标色彩校正矩阵获取模块，用于采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。

第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。

第四方面，本申请实施例提供了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计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中所述的方法。

本申请实施例与现有技术相比存在的有益效果是：在本申请实施例中，获取采用原始色彩校正矩阵进行校正后的色卡图片，将色卡图片中的各个色块与标准色块进行对比；若色卡图片中的色块与对应的标准时色块的误差大于预设阈值，则将该色块记为偏差色块；统计色卡图片中的所有偏差色块，并根据偏差色块计算色卡图片的校正矩阵；采用校正矩阵对原始色彩校正矩阵进行调整，得到目标色彩校正矩阵。在本申请中，通过将色卡图片中的色块与标准色块的颜色进行比较，选取其中偏差比较大的色块，然后依据标准色块，获取校正矩阵，使得得到的目标色彩校正矩阵，可以使图片颜色更趋向于标准色卡中的颜色，满足人的视觉色彩要求，通过本方法，可以自动对色彩校正矩阵进行调整。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本申请实施例一提供的一种色彩校正矩阵的调整方法的流程示意图；

图2是本申请实施例二提供的一种色彩校正矩阵的调整方法的流程示意图；

图3是本申请实施例三提供的一种色彩校正矩阵的调整装置的结构示意图；

图4是本申请实施例四提供的一种终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

图1是本申请实施例一提供的一种色彩校正矩阵的调整方法的流程示意图，如图1所示，所述方法包括：

S101，获取原始色彩校正矩阵；抓拍采用所述原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

具体地，本实施例的执行主体为终端设备，具体可以为摄像机或者其他拍照设备，这些终端设备可以抓拍图片并成像。

一般摄像机在成像过程中需要采用色彩校正矩阵对图片进行色彩校正，从而使图片的色彩更符合人眼的视觉色彩。摄像机中原来存在的色彩校正矩阵即为原始色彩校正矩阵。摄像机可以获取采用该原始色彩校正矩阵进行校正后的图片，作为色卡图片，色卡图片中包括多个色块。

S102，分别计算各个色块与标准色块之间的误差值；

具体地，上述标准色块是指按照国际标准协议所定义的24色卡中的色块，上述色卡图片中的色块分别对应一个标准色块。一般情况下，色彩校正所要达到的目标是使得色卡图片中各个色块与对应的标准色块的颜色相同。因此，可以计算色卡图片中的各个色块与对应标准色块之间的误差值，从而判断二者是否存在很大偏差。

电子图片包括多个参数，例如亮度值、某一范围内的色彩值，各个颜色通道的值等，可以采用这些参数计算色卡图片中色块与标准色块之间的误差值。

S103，将所述误差值大于预设阈值的色块记为偏差色块；

具体地，可以预先设置一个阈值，当某一色块与标准色块的误差值大于该阈值时，则可以判定该色块的偏差比较大，将该色块记为偏差色块。

S104，根据所述偏差色块，计算所述色卡图片的校正矩阵；

具体地，统计出色卡图片中的所有偏差色块。色块可以包括RGB值，RGB即是代表红、绿、蓝三个通道的颜色。采用偏差色块的RGB值建立一个第一矩阵，采用偏差色块所对应的标准色块的RGB值建立一个第二矩阵，然后根据第一矩阵和第二矩阵，计算校正矩阵。校正矩阵与第一矩阵相乘可以获得第二矩阵，同时校正矩阵还要使得所有偏差色块的误差值最小。

具体地，根据校正矩阵与第一矩阵相乘可以获得第二矩阵这一条件计算得到的校正矩阵可以包括多个，但是需要选择其中使得整个色卡图片的误差值最小的一个校正矩阵。具体地，可以采用神经网络学习算法计算，输入第一矩阵和第二矩阵，计算得到使得误差值最小的校正矩阵。

S105，采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。

具体地，将校正矩阵与原始色彩校正矩阵相乘，得到的即为目标色彩校正矩阵。在后续的成像过程中，可以采用目标色彩校正矩阵进行色彩校正。

另外，也可以采用本实施例中的方法直接获取色彩校正矩阵。可以直接抓拍未校正后的图片，获取色卡图片，然后采用S102-S104中的步骤获取校正矩阵，将该校正矩阵作为目标色彩校正矩阵。

本实施例中，将标准色卡作为参照，采用神经网络学习算法，可以对已有的色彩校正矩阵进行调整，使调整后的色彩校正矩阵的校正效果更能符合标准色卡。同时，本实施例中的方法也可以用于获取色彩校正矩阵。本实施例可以一次性获取目标色彩校正矩阵，不需要对图像进行反复抓取，提高了效率，节省了计算资源。

图2是本申请实施例二提供的一种色彩校正矩阵的调整方法的流程示意图，如图2所示，所述方法包括：

S201，获取原始色彩校正矩阵；抓拍采用所述原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

具体地，本实施例的执行主体为终端设备，具体可以为摄像机或者其他拍照设备。

一般摄像机在成像过程中需要采用色彩校正矩阵对图片进行色彩校正，从而使图片的色彩更符合人眼的视觉色彩。摄像机中原来存在的色彩校正矩阵即为原始色彩校正矩阵。摄像机可以获取采用该原始色彩校正矩阵进行校正后的色卡图片，色卡图片中包括多个色块。

具体地，可以采用b表示原始色彩校正矩阵，b可以如下所示：

S202，将所述色卡图片转换为Lab格式；

具体地，可以将色卡图片从RGB格式转换为Lab格式。Lab是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。Lab颜色模型由三个要素组成，一个要素是亮度(L)，a和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。因此，Lab格式的图片中，可以L值表示亮度，a值和b值表示不同范围内的色彩值。采用L值、a值和b值可以对图片颜色进行量化，从而能够准确地计算色块与标准色块在人眼视觉上的误差值。

S203，根据所述色彩值，分别计算所述各个色块与所述标准色块之间的色彩误差值；

具体地，误差值可以包括色彩误差值和饱和度误差值，色彩误差值的计算公式为：

其中，a为色卡图片中色块在预设的第一范围内的第一色彩值，b为色卡图片中色块在预设的第二范围内的第二色彩值，a^*为标准色块在第一范围内的第三色彩值，b^*为标准色块在第二范围内的第四色彩值，ΔC为色彩误差值。上述第一范围，是指从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)的范围；上述第二范围，指从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。

S204，根据所述色彩值和所述亮度值，分别计算所述各个色块与所述标准色块之间的饱和度误差值。

具体地，饱和度误差的计算公式可以如下：

其中，L为色卡图片中色块的亮度值，a为色卡图片中色块在预设的第一范围内的第一色彩值，b为色卡图片中色块在预设的第二范围内的第二色彩值，L^*为标准色块的亮度值，a^*为标准色块在第一范围内的第三色彩值，b^*为标准色块在第二范围内的第四色彩值，ΔE为亮度误差值。上述第一范围，是指从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)的范围；上述第二范围，指从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。

S205，若所述色块的色彩误差值大于预设的第一阈值，或所述色块的饱和度误差值大于预设的第二阈值，则将所述色块记为偏差色块。

具体地，可以预先确定第一阈值Tc，若色卡图片中色块的色彩误差值大于Tc，则表明该色块的偏差较大，将该色块记为偏差色块。可以预先确定第二阈值Te，若色卡图片中色块的色彩误差值大于Te，则表明该色块的偏差较大，将该色块记为偏差色块。

S206，根据各个偏差色块的RGB值建立第一矩阵；

具体地，可以获取RGB格式的色卡图片中各个偏差色块的RGB值，然后根据RGB值建立第一矩阵。第一矩阵可以如下：

其中，n为正整数，表示偏差色块的个数，R_i为各个偏差色块的R值，G_i为各个偏差色块的G值,B_i为各个偏差色块的B值，i为小于或等于n的正整数。

S207，根据所述各个偏差色块对应的各个标准色块的RGB值建立第二矩阵；

具体地，各个偏差色块对应一个标准色块，采用对应的标准色块的RGB值建立第二矩阵，第二矩阵可以为：

其中，n为正整数，表示偏差色块的个数，R_i ^*为各个标准色块的R值，G_i ^*为各个标准色块的G值,B_i ^*为各个标准色块的B值，i为小于或等于n的正整数。

S208，根据所述第一矩阵和所述第二矩阵，采用神经网络算法，计算所述校正矩阵，其中，所述校正矩阵与所述第一矩阵相乘得到所述第二矩阵，且所述校正矩阵使得所述色卡图片的损失值最小。

具体地，可以采用a表示校正矩阵。校正矩阵可以为：

其中，a需要满足以下条件：

这样在使用矩阵a对原始色彩校正矩阵进行调整后，可以使色块颜色向标准色块的颜色靠拢。

但是，采用上述公式可以获得多个矩阵a，需要对其进行筛选。具体地，可以计算采用a矩阵调整后的各个偏差色块与标准色块的总误差，该总误差可以为一个损失值，损失值的计算公式可以如下：

其中，n为偏差色块的个数，ΔC_i为第i个偏差色块的色彩误差值，ΔE_i为所述色块的饱和度误差值，i为小于或等于n的正整数，Tc为第一阈值，Te为第二阈值，Δf为损失值。

可以采用神经网络算法进行计算，选取其中使得损失值最小的矩阵a作为校正矩阵。

S209，将所述原始色彩校正矩阵与所述校正矩阵相乘得到的矩阵，作为所述目标色彩校正矩阵。

具体地，采用c表示目标色彩校正矩阵，则c＝a*b。然后采用c代替原来的原始色彩校正矩阵a。之后终端设备可以采用矩阵a对图片色彩进行调整。

在本实施例中，通过深度学习计算损失值最小时候的校正矩阵a，通过矩阵a修正原始色彩校正矩阵b，获得目标色彩校正矩阵c，因为在获取校正矩阵a的过程中参照了标准色块，因此使用目标色彩校正矩阵c对图片进行校正，校正后的图片颜色可以更趋向于标准色卡的颜色。

图3是本申请实施例三提供的一种色彩校正矩阵的调整装置的结构示意图，如图3所示，所述装置包括：

色卡图片获取模块31，用于获取原始色彩校正矩阵；抓拍采用所原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

误差值计算模块32，用于分别计算各个色块与标准色块之间的误差值；

偏差色块确定模块33，用于将所述误差值大于预设阈值的色块记为偏差色块；

校正矩阵计算模块34，用于根据所述偏差色块，计算所述色卡图片的校正矩阵；

目标色彩校正矩阵获取模块35，用于采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。

上述误差值计算模块32包括：

格式转换子模块，用于将所述色卡图片转换为Lab格式，所述Lab格式的色卡图片包括亮度值和色彩值；

色彩误差值计算子模块，用于根据所述色彩值，分别计算所述各个色块与所述标准色块之间的色彩误差值；

饱和度误差值计算子模块，用于根据所述色彩值和所述亮度值，分别计算所述各个色块与所述标准色块之间的饱和度误差值。

上述偏差色块确定模块33，包括：

判断子模块，用于若所述色块的色彩误差值大于预设的第一阈值，或所述色块的饱和度误差值大于预设的第二阈值，则将所述色块记为偏差色块。

上述校正矩阵计算模块34，包括：

第一矩阵建立子模块，用于根据各个偏差色块的RGB值建立第一矩阵；

第二矩阵建立子模块，用于根据所述各个偏差色块对应的各个标准色块的RGB值建立第二矩阵；

校正矩阵确定子模块，用于根据所述第一矩阵和所述第二矩阵，采用神经网络算法，计算所述校正矩阵，其中，所述校正矩阵与所述第一矩阵相乘得到所述第二矩阵，且所述校正矩阵使得所述色卡图片的损失值最小。

上述目标色彩校正矩阵获取模块35，包括：

目标色彩校正矩阵计算子模块，用于将所述原始色彩校正矩阵与所述校正矩阵相乘得到的矩阵，作为所述目标色彩校正矩阵。

图4为本申请一实施例提供的终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意各个方法实施例中的步骤。

该终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的举例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器40可以是中央处理单元(CentralProcessingUnit，CPU)，该处理器40还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器41在一些实施例中可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。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数据。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了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计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (7)

1.一种色彩校正矩阵的调整方法，其特征在于，包括：

获取原始色彩校正矩阵；抓拍采用所述原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

分别计算各个色块与标准色块之间的误差值；

将所述误差值大于预设阈值的色块记为偏差色块；

根据所述偏差色块，计算所述色卡图片的校正矩阵，包括：

根据各个偏差色块的RGB值建立第一矩阵，包括：

获取RGB格式的色卡图片中各个偏差色块的RGB值，然后根据RGB值建立第一矩阵；第一矩阵如下：

其中，n为正整数，表示偏差色块的个数，R_i为各个偏差色块的R值，G_i为各个偏差色块的G值, B_i为各个偏差色块的B值，i为小于或等于n的正整数；

根据所述各个偏差色块对应的各个标准色块的RGB值建立第二矩阵，包括：

各个偏差色块对应一个标准色块，采用对应的标准色块的RGB值建立第二矩阵，第二矩阵为：

其中，n为正整数，表示偏差色块的个数，R_i ^*为各个标准色块的R值，G_i ^*为各个标准色块的G值, B_i ^*为各个标准色块的B值，i为小于或等于n的正整数；

根据所述第一矩阵和所述第二矩阵，采用神经网络算法，计算所述校正矩阵，其中，所述校正矩阵与所述第一矩阵相乘得到所述第二矩阵，且所述校正矩阵使得所述色卡图片的损失值最小，包括：

采用a表示校正矩阵，校正矩阵为：

其中，a需要满足以下条件：

计算采用a矩阵调整后的各个偏差色块与标准色块的总误差，该总误差为一个损失值，损失值的计算公式如下：

其中，n为偏差色块的个数，∆C_i为第i个偏差色块的色彩误差值，∆E_i为第i个偏差色块的饱和度误差值，i为小于或等于n的正整数，Tc为第一阈值，Te为第二阈值，Δ f 为损失值；

采用神经网络算法进行计算，选取其中使得损失值最小的矩阵a作为校正矩阵；

将所述原始色彩校正矩阵b与所述校正矩阵a相乘得到的矩阵，作为目标色彩校正矩阵，包括：采用c表示目标色彩校正矩阵，则c= a*b，然后采用c代替原来的原始色彩校正矩阵a；采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。

2.如权利要求1所述的方法，其特征在于，所述误差值包括色彩误差值和饱和度误差值，所述分别计算所述多个色块与标准色块的误差值，包括：

将所述色卡图片转换为Lab格式，所述Lab格式的色卡图片包括亮度值和色彩值；

根据所述色彩值，分别计算所述各个色块与所述标准色块之间的色彩误差值；

根据所述色彩值和所述亮度值，分别计算所述各个色块与所述标准色块之间的饱和度误差值。

3.如权利要求2所述的方法，其特征在于，通过如下公式计算所述色彩误差值和所述饱和度误差值：

其中，L为所述色块的亮度值，a为所述色块在预设的第一范围内的第一色彩值，b为所述色块在预设的第二范围内的第二色彩值，L^*为所述标准色块的亮度值，a^*为所述标准色块在所述第一范围内的第三色彩值，b^*为所述标准色块在所述第二范围内的第四色彩值，∆C为所述色彩误差值，∆E为所述饱和度误差值。

4.如权利要求2或3所述的方法，其特征在于，所述将所述误差值大于预设阈值的所述色块记为偏差色块，包括：

若所述色块的色彩误差值大于预设的第一阈值，或所述色块的饱和度误差值大于预设的第二阈值，则将所述色块记为偏差色块。

5.一种色彩校正矩阵的调整装置，其特征在于，包括：

色卡图片获取模块，用于获取原始色彩校正矩阵；抓拍采用所原始色彩校正矩阵校正后的图片，得到色卡图片，所述色卡图片包括多个色块；

误差值计算模块，用于分别计算各个色块与标准色块之间的误差值；

偏差色块确定模块，用于将所述误差值大于预设阈值的色块记为偏差色块；

校正矩阵计算模块，用于根据所述偏差色块，计算所述色卡图片的校正矩阵，包括：

根据各个偏差色块的RGB值建立第一矩阵，包括：

获取RGB格式的色卡图片中各个偏差色块的RGB值，然后根据RGB值建立第一矩阵；第一矩阵如下：

其中，n为正整数，表示偏差色块的个数，R_i为各个偏差色块的R值，G_i为各个偏差色块的G值, B_i为各个偏差色块的B值，i为小于或等于n的正整数；

根据所述各个偏差色块对应的各个标准色块的RGB值建立第二矩阵，包括：

各个偏差色块对应一个标准色块，采用对应的标准色块的RGB值建立第二矩阵，第二矩阵为：

其中，n为正整数，表示偏差色块的个数，R_i ^*为各个标准色块的R值，G_i ^*为各个标准色块的G值, B_i ^*为各个标准色块的B值，i为小于或等于n的正整数；

根据所述第一矩阵和所述第二矩阵，采用神经网络算法，计算所述校正矩阵，其中，所述校正矩阵与所述第一矩阵相乘得到所述第二矩阵，且所述校正矩阵使得所述色卡图片的损失值最小，包括：

采用a表示校正矩阵，校正矩阵为：

其中，a需要满足以下条件：

计算采用a矩阵调整后的各个偏差色块与标准色块的总误差，该总误差为一个损失值，损失值的计算公式如下：

其中，n为偏差色块的个数，∆C_i为第i个偏差色块的色彩误差值，∆E_i为第i个偏差色块的饱和度误差值，i为小于或等于n的正整数，Tc为第一阈值，Te为第二阈值，Δ f 为损失值；

采用神经网络算法进行计算，选取其中使得损失值最小的矩阵a作为校正矩阵；

将所述原始色彩校正矩阵b与所述校正矩阵a相乘得到的矩阵，作为目标色彩校正矩阵，包括：采用c表示目标色彩校正矩阵，则c= a*b，然后采用c代替原来的原始色彩校正矩阵a；

目标色彩校正矩阵获取模块，用于采用所述校正矩阵对所述原始色彩校正矩阵进行调整，获取目标色彩校正矩阵。

6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的方法。

Images