CN112243118A

CN112243118A - 白平衡校正方法、装置、设备及存储介质

Info

Publication number: CN112243118A
Application number: CN201910650743.6A
Authority: CN
Inventors: 张少坤; 孙岳
Original assignee: Zhejiang Uniview Technologies Co Ltd
Current assignee: Zhejiang Uniview Technologies Co Ltd
Priority date: 2019-07-18
Filing date: 2019-07-18
Publication date: 2021-01-19
Anticipated expiration: 2039-07-18
Also published as: CN112243118B

Abstract

本发明实施例公开了一种白平衡校正方法、装置、设备及存储介质。该方法包括：从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值；根据所述特征值，确定至少两种白平衡校正算法的权重值；根据至少两种白平衡校正算法的权重值，以及与至少两种白平衡算法相对应的待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益，进而对待校正图像进行白平衡校正。本发明实施例通过利用不同白平衡校正算法适用不同场景的特性，提高了各种场景下的白平衡校正准确度，适用性强。

Description

白平衡校正方法、装置、设备及存储介质

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种白平衡校正方法、装置、设备及存储介质。

背景技术

自然界中，物体所呈现的颜色会随着所在环境光源的变化而变化，对于人类而言，即使光源有所改变，但是眼睛对于色彩的感知并没有受到很大影响。这是由于大脑对物体的颜色具有一定的先验知识，能从某些变化的光源下察觉物体固有的颜色。而摄像机的图像传感器本身不具备人眼的特殊功能，其在不同光源下拍摄图像时会受到光源颜色的影响，导致在不同光源下拍摄到的同一幅图像呈现出不同的色彩效果，因此需要对摄像机获取的图像做白平衡校正处理。

目前，常规的白平衡算法不能实现对所有场景下的图像的适用性。例如灰度世界法、完美反射法等，这类方法基于的假设条件固定单一，导致使用场景受限，不能适应性地实现对所有场景下拍摄图像的白平衡校正处理。

发明内容

本发明实施例提供一种白平衡校正方法、装置、设备及存储介质，以解决现有的白平衡处理方法难以适用于所有场景下的图像白平衡校正的问题。

第一方面，本发明实施例提供了一种白平衡校正方法，该方法包括：

从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值；

根据所述特征值，确定所述至少两种白平衡校正算法的权重值；

确定与所述至少两种白平衡校正算法相对应的，所述待校正图像中至少两种各颜色通道的灰度数据的统计值；

根据所述至少两种白平衡校正算法的权重值，以及所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益；

采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

第二方面，本发明实施例提供了一种白平衡校正装置，该装置包括：

特征提取模块，用于从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值；

权重值确定模块，用于根据所述特征值，确定所述至少两种白平衡校正算法的权重值；

灰度数据确定模块，用于确定与所述至少两种白平衡校正算法相对应的，所述待校正图像中至少两种各颜色通道的灰度数据的统计值；

融合白平衡增益确定模块，用于根据所述至少两种白平衡校正算法的权重值，以及所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益；

校正模块，用于采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的白平衡校正方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的白平衡校正方法。

本发明实施例中从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值，根据特征值，确定至少两种白平衡校正算法的权重值，再根据各算法的权重值以及与至少两种白平衡算法对应的待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益，进而对待校正图像进行白平衡校正。本发明实施例通过从待校正图像中提取与至少两种算法关联的特征值，确定不同白平衡校正算法的权重值，进而根据不同白平衡校正算法的权重值对待校正图像进行校验。随着待校正图像的场景不同，白平衡校正算法的权重值不同，融合白平衡增益不同。该方案利用了不同白平衡校正算法适用不同场景的特性，提高了各种场景下的白平衡校正准确度，适用性强。

附图说明

图1是本发明实施例一中的一种白平衡校正方法的流程图；

图2是本发明实施例二中的一种白平衡校正方法的流程图；

图3是本发明实施例三中的一种白平衡校正方法的流程图；

图4是本发明实施例四中的一种白平衡校正方法的流程图；

图5是本发明实施例五中的一种白平衡校正装置结构示意图；

图6是本发明实施例六中的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一中的一种白平衡校正方法的流程图。本实施例提供的白平衡校正方法可适用于对不同场景下的待校正图像进行白平衡校正的情况，该方法具体可以由白平衡校正装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在设备中，参见图1，本发明实施例的方法具体包括：

步骤110、从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值。

由于不同场景中的光源不同，因此图像采集器采集的图像颜色可能会受到光源颜色的影响，导致图像的颜色与原本场景的颜色之间产生较大差别，因此需要将图像采集器采集的图像作为待校正图像，进行白平衡校正。也就是说，待校正图像所属场景可以有多种，并且场景信息不固定。

由于白平衡校正算法是建立在对某一特征值的一定假设条件基础上的，例如，灰度世界法假设一幅彩色图像中的所有像素值的统计平均结果是灰色的，当待校正图像中存在较大面积的其他单一颜色的区域时，则该算法的假设是不成立的，导致算法对待校正图像的校正效果较差。因此不同白平衡校正算法适用于特征值满足不同假设条件的图像，也就是说适用于不同的场景，因而无法采用固定的白平衡校正算法对不同场景的图像进行处理。

在本实施例中，对白平衡算法不作具体限定，例如可以为灰度世界法、完美反射法、灰度阴影法和灰度边缘法中的至少两种。由于每一种算法的原理和本质存在不同，并且处理的图像的特征的场景不同，因此处理效果不同。根据算法的原理和本质、算法所应用的场景以及算法所处理的问题等因素确定各算法关联的特征。例如灰度阴影法对单色性较强的图像进行白平衡处理的效果较差，因此可以将单色性特征作为灰度阴影法所关联的特征，以衡量灰度阴影法对于图像处理的适用性。对于灰度边缘法，图像的边缘性是决定灰度边缘法处理效果的重要因素，灰度边缘法对边缘性较弱的图像进行白平衡处理的效果较差，因此，可以将边缘性特征作为灰度边缘法所关联的特征，以衡量灰度边缘法对于图像处理的适用性。需要说明的是，各算法所关联的特征可以由技术人员根据各算法的本质、应用场景以及所解决的问题适应性选取，在本发明实施例中对选取规则不作具体限定。

步骤120、根据所述特征值，确定所述至少两种白平衡校正算法的权重值。

通过根据与各算法关联的各种特征值确定各算法的权重值，从而使各算法的权重计算中融入了与该算法关联的特征因素，并且后续根据特征因素确定该算法的融合比重，使对待校正图像的白平衡处理效果更好。

可选的，根据所述特征值，确定所述至少两种白平衡校正算法的权重值，包括：针对每一种白平衡校正算法，若该种白平衡校正算法所关联的特征值小于或等于第一预设阈值，则确定该种算法的权重值为第一预设权重值；若该种白平衡校正算法所关联的特征值大于所述第一预设阈值且小于第二预设阈值，则根据该种算法所关联的特征值确定该种算法的权重值；若该种白平衡校正算法所关联的特征值大于或等于第二预设阈值，则确定该种算法的权重值为第二预设权重值；其中，所述第一预设权重值小于所述第二预设权重值，所述第一预设阈值小于所述第二预设阈值。

具体的，当与算法关联的特征值位于第一预设阈值和第二预设阈值范围之外时，可以将算法的权重值确定为固定的权重值常量。当与该算法关联的特征值介于第一预设阈值和第二预设阈值之间时，则根据特征值的大小确定权重值的大小。可选的，可以确定权重值与特征值呈线性关系。第一预设权重值和第二预设权重值可以由技术人员根据实际情况设定，例如，设置第一预设权重值为0，第二预设权重值为1。

可选的，根据该种算法所关联的特征值确定该种算法的权重值，包括：依据以下方式确定该种算法的权重值：

其中，Weight_t为第t种算法的权重值，m_t为与第t种算法所关联的特征值，Th1为所述第一预设阈值，Th2为所述第二预设阈值。

需要说明的是，本发明实施例对于根据特征值确定各算法的权重值的具体方法不作具体限定，可以由技术人员根据实际情况进行设置，以实现根据待校正图像的特征值适应性调整各算法的权重值，具体调节方法不作具体限定。

步骤130、确定与所述至少两种白平衡校正算法相对应的，所述待校正图像中至少两种各颜色通道的灰度数据的统计值。

具体的，针对每一种算法，存在其适用的待校正图像的各颜色通道灰度数据的统计值的计算方式，例如，对于灰度阴影算法，将待校正图像各颜色通道的灰度数据的平均值作为待校正图像的各颜色通道灰度数据的统计值。对于灰度边缘法，将待校正图像各颜色通道灰度数据的求导值作为待校正图像各颜色通道的灰度数据的统计值。

步骤140、根据所述至少两种白平衡校正算法的权重值，以及所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益。

具体的，根据各算法的权重值，对根据各算法确定的待校正图像的各颜色通道的灰度数据的统计值进行融合，从而得到最终的待校正图像的各颜色通道的融合白平衡增益。通过在计算融合白平衡增益时融入各算法的权重值，从而实现根据待校正图像的特征调整各算法在校正处理中的比重，增加对待校正图像中明显的特征处理效果较好的算法比重，从而使融合后的白平衡增益对待处理图像有理想的处理效果。并且，可以根据不同图像的不同特征，适应性调整各算法的权重值，得到融合白平衡增益，从而实现对任意场景下采集的待校正图像的白平衡校正处理。

步骤150、采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

具体的，将各颜色通道的白平衡增益乘以待处理图像的各颜色通道的灰度数据，从而实现对待处理图像的白平衡校正。

本发明实施例的技术方案，从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值，根据特征值，确定至少两种白平衡校正算法的权重值，再根据各算法的权重值以及与至少两种白平衡算法相对应的待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益，进而对待校正图像进行白平衡校正。通过上述方案，通过利用不同白平衡校正算法适用不同场景的特性，根据待校正图像中的特征值确定不同白平衡算法的权重值，从而使根据权重值融合得到的融合白平衡增益中包括了待校正图像的特征，从而提高了各种场景下的白平衡校正准确度，适用性强。

实施例二

图2是本发明实施例二中的一种白平衡校正方法的流程图。本实施例在上述实施例的基础上进行了优化，未在本实施例中详细描述的细节详见上述实施例。参见图2，本实施例提供的白平衡校正方法可以包括：

步骤210、从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值。

步骤220、根据所述特征值，确定所述至少两种白平衡校正算法的权重值。

步骤230、针对每一种白平衡校正算法，将该种算法的权重值与所有算法权重值和的比值，作为该种算法的融合权重值。

具体的，可以将

作为各算法对应的融合权重值，其中，n为至少两种白平衡算法的算法总个数，其中，至少两种白平衡算法的总个数与选取的白平衡种数相同，根据各算法的融合权重值进行数据融合得到最终的融合白平衡增益。

可选的，针对至少两种白平衡算法中的每一种白平衡算法，选取的算法个数也可以为一个以上，对于各种算法选取的个数可以由技术人员根据实际情况进行设定，例如，若需要调节增大该种算法的比重，则可以增加该种算法的个数，以使该种算法的最终加权的融合权重增大。

步骤240、将每一种白平衡校正算法的融合权重值与所述待校正图像中至少两种各颜色通道的灰度数据的统计值加权，确定各颜色通道的融合灰度数据。

具体的，可以根据以下方式确定各颜色通道的融合灰度数据：

其中，R、G和B为待校正图像各颜色通道融合灰度数据，Weight_i为第i个算法的权重值，Weight_n为第n个算法的权重值，R_i、G_i和B_i为与第i个算法相对应的待校正图像各颜色通道灰度数据的统计值，R_n、G_n和B_n为与第n个算法相对应的待校正图像各颜色通道灰度数据的统计值。通过在计算时融入各算法的权重值，从而实现根据待校正图像的特征调整各算法在校正处理中的比重，增加对待校正图像中明显的特征处理效果较好的算法比重，从而使融合后的白平衡增益对待处理图像有理想的处理效果。

步骤250、根据各颜色通道的融合灰度数据，确定各颜色通道的融合白平衡增益。

具体的，可以依据以下方式确定各颜色通道的融合白平衡增益：

其中，RGain、GGain和BGain为各颜色通道的融合白平衡增益，R、G和B为待校正图像各颜色通道融合灰度数据。以此得到的融合白平衡增益中融入了各算法的权重值，从而实现根据待校正图像的特征调整各算法在校正处理中的比重，使融合白平衡增益对各场景下的待校正图像具有适用性。

步骤260、采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

本发明实施例的技术方案，针对每一种白平衡校正算法，将该种算法的权重值与所有算法权重值和的比值，作为该种算法的融合权重值。将每一种白平衡校正算法的融合权重值与所述待校正图像中至少两种各颜色通道的灰度数据的统计值加权，确定各颜色通道的融合灰度数据。根据各颜色通道的融合灰度数据，确定各颜色通道的融合白平衡增益，从而实现根据待校正图像的特征调整各算法在校正处理中的比重，增加对待校正图像中明显的特征处理效果较好的算法比重，从而使融合后的白平衡增益对待处理图像有理想的处理效果。并且，可以根据不同图像的不同特征，适应性调整各算法的权重值，得到融合白平衡增益，从而实现对不同场景下采集的待校正图像的白平衡校正处理。

实施例三

图3是本发明实施例三中的一种白平衡校正方法的流程图。本实施例在上述实施例的基础上进行了优化，未在本实施例中详细描述的细节详见上述实施例。参见图3，本实施例提供的白平衡校正方法可以包括：

步骤310、从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值。

步骤320、根据所述特征值，确定所述至少两种白平衡校正算法的权重值。

步骤330、针对每一种白平衡校正算法，将该种算法的权重值与所有算法权重值和的比值，作为该种算法的融合权重值。

具体的，可以将

作为各算法对应的融合权重值，其中，n为至少两种白平衡算法的算法总个数，根据各算法的融合权重值进行数据融合得到最终的融合白平衡增益。

步骤340、根据所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像至少两种各颜色通道白平衡增益。

具体的，可以依据以下方式确定待校正图像至少两种各颜色通道白平衡增益：

其中，R_i、G_i和B_i为与第i个算法相对应的待校正图像各颜色通道灰度数据的统计值，RGain_i、GGain_i和BGain_i为与第i个算法相对应的待校正图像各颜色通道的白平衡增益。

步骤350、将每一种白平衡校正算法的融合权重值与待校正图像至少两种各颜色通道白平衡增益加权，确定各颜色通道的融合白平衡增益。

具体的，可以根据以下方式确定各颜色通道的融合白平衡增益：

其中，Weight_i为第i个算法的权重值，Weight_n为第n个算法的权重值，RGain、GGain和BGain为待校正图像各颜色通道的融合白平衡增益。通过在计算融合白平衡增益中融入了各算法的权重值，从而实现根据待校正图像的特征调整各算法在校正处理中的比重，使融合白平衡增益对各场景下的待校正图像具有适用性。

步骤360、采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

本发明实施例的技术方案，根据所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像至少两种各颜色通道白平衡增益，将每一种白平衡校正算法的融合权重值与待校正图像至少两种各颜色通道白平衡增益加权，确定各颜色通道的融合白平衡增益，从而使融合白平衡增益的计算过程中融入各算法的权重值，而权重值中融入了待校正图像中与各算法关联的图像特征，从而使融合白平衡增益中融入待校正图像的图像特征，从而实现对任意场景下采集的图像白平衡处理的均适用。

实施例四

图4是本发明实施例四中的一种白平衡校正方法的流程图。本实施例在上述实施例的基础上进行了优化，未在本实施例中详细描述的细节详见上述实施例。参见图4，本实施例提供的白平衡校正方法可以包括：

步骤410、从待校正图像中提取灰度阴影法(Shades of gray，SoG)所关联的单色性特征，并且确定单色性特征值；从待校正图像中提取灰度边缘法(Gray Edge，GE)所关联的边缘性特征，并且确定边缘性值。

具体的，本发明实施例以采用灰度阴影法和灰度边缘法两种白平衡算法对待校正图像进行白平衡校正的情况进行详细说明，需要说明的是，本发明实施例并不对具体采用的算法和算法的个数进行限定，对于任意种类的算法以及至少两种的算法进行融合的组合方式，本发明实施例均适用。

具体的，以待校正图像为8bit精度的RGB格式图像为例，由于灰度阴影法对单色性较强的图像进行白平衡处理时的效果较差，即单色性为影响灰度阴影法白平衡处理效果的重要因素，灰度边缘法对边缘性较弱的图像进行白平衡处理时的效果较差，即边缘性为影响灰度边缘法白平衡处理效果的重要因素，因此，将图像的单色性特征作为灰度阴影法所关联的特征，将边缘性特征作为灰度边缘法所关联的特征。

可选的，确定单色性特征值，包括：将所述待校正图像的三颜色通道灰度数据转换为二颜色通道灰度数据；根据二颜色通道灰度数据中的各颜色通道灰度数据的平均值确定颜色分布标准差，将所述颜色分布标准差作为单色性特征值。

具体的，由于在确定待校正图像的单色性值时，待校正图像的亮度会对单色性的值产生影响，因此需要去除待校正图像亮度的影响，以提高单色性值的精准度，因此将待校正图像的RGB三颜色通道转换为二颜色通道，可以依据以下方式得到待校正图像而颜色通道的灰度数据：

其中，R’、G’、B’为待校正图像的三颜色通道各像素点的灰度数据，r、b分别代表转换后的二颜色通道各像素点的灰度数据。根据待校正图像的二颜色通道各像素点的灰度数据确定待校正图像的二颜色通道的平均灰度数据：

其中，r_mean和b_mean为二颜色通道的平均灰度数据，N为待校正图像中像素点的总数，r_m和b_m为第m个像素点的二颜色通道灰度数据。再确定待校正图像各像素点的分布标准差：

其中，d为分布标准差，以分布标准差作为单色性值。

可选的，确定边缘性值，包括：将所述待校正图像中各像素点的二阶导数的平均值，作为边缘性值。

示例性的，可以以拉普拉斯模板确定待校正图像的二阶导数，拉普拉斯的模板形式为：

即按照公式：

得到待校正图像中各像素点的二阶导数值，其中f(x,y)为各像素点在待校正图像中的坐标。再对各像素点的二阶导数值求平均，得到边缘性值Grad。

步骤420、根据两种特征值，确定所述两种白平衡校正算法的权重值。

可选的，对于灰度阴影法，其权重值可以按照以下方式确定：

其中，Weight_SOG为灰度阴影法的权重值，Th_SOG1为所述第一预设阈值，Th_SOG2为所述第二预设阈值。示例性的，可以设置Th_SOG1＝0.2，Th_SOG2＝0.5，由于以分布标准差d作为单色性值，因此，标准差d的值越大，则说明单色性值越小，因此在本发明实施例中，Weight_SOG随d的增大而增大，也就是灰度阴影法的权重值随单色性值的减小而增大。

可选的，对于灰度边缘法，其权重值可以按照以下方式确定：

其中，Weight_GE为灰度边缘法的权重值，Th_GE1为所述第一预设阈值，Th_GE2为所述第二预设阈值。由于灰度边缘法的白平衡处理效果对边缘性特征的依赖性较大，边缘性较弱时，白平衡处理效果较差，因此，在本发明实施例中，灰度边缘法的权重值随边缘性值的增大减小而减小。

需要说明的是，对于各种算法，其设置的第一预设阈值可以相同也可以不同，其设置的第二预设阈值可以相同也可以不同，在本发明实施例中不作具体限定。

另外，在本发明实施例中，确定灰度阴影法的权重值Weight_SOG，灰度边缘法的权重值也可以设置为Weight_GE＝(1-Weight_SOG)。

步骤430、采用所述两种白平衡校正算法，确定所述待校正图像中两种各颜色通道的灰度数据的统计值。

具体的，对应于灰度阴影算法，将待校正图像各颜色通道的灰度数据的平均值作为待校正图像的各颜色通道灰度数据的统计值R_SOG、G_SOG、B_SOG。对应于灰度边缘法，将待校正图像各颜色通道灰度数据的求导值作为待校正图像各颜色通道的灰度数据的统计值R_GE、G_GE、B_GE。

步骤440、根据所述两种白平衡校正算法的权重值，以及所述待校正图像中两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益。

可选的，确定待校正图像各颜色通道的融合灰度数据：

其中，R、G和B为待校正图像各颜色通道的融合灰度数据。再计算得到待校正图像各颜色通道的融合白平衡增益：

其中，RGain、GGain和BGain为待校正图像各颜色通道的融合白平衡增益。也可以通过以下方式确定待校正图像各颜色通道的融合白平衡增益：

另一可选的，先确定各算法对应的待校正图像各颜色通道白平衡增益：

其中，RGain_GE,GGain_GE,BGain_GE为灰度边缘法对应的待校正图像各颜色通道白平衡增益。

其中，RGain_SOG,GGain_SOG,BGain_SOG为灰度阴影法对应的待校正图像各颜色通道白平衡增益。

根据各算法对应的白平衡增益，确定待校正图像各颜色通道的融合白平衡增益：

RGain、GGain和BGain为待校正图像各颜色通道的融合白平衡增益。

步骤450、采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

本发明实施例的技术方案，通过提取待校正图像中与灰度阴影法关联的单色性特征以及与灰度边缘法关联的边缘性特征，并确定单色性值和边缘性值，从而根据单色性值和边缘性值确定灰度阴影法和灰度边缘法的权重值，从而充分考虑到两种算法对不同特征的适用性，根据图像特征确定两种算法的比重，从而根据待校正图像的特征适应性调整两种算法在图像白平衡校正中的权重，使得到的融合白平衡增益中融合了待校正图像的特征，使白平衡处理方法对任意场景下的待校正图像均具有适用性。

实施例五

图5为本发明实施例五提供的一种白平衡校正装置结构示意图。该装置适用于对不同场景下的待校正图像进行白平衡校正的情况，该装置可以由软件和/或硬件的方式实现，该装置可以集成在设备中。参见图5，该装置具体包括：

特征提取模块510，用于从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值；

权重值确定模块520，用于根据所述特征值，确定所述至少两种白平衡校正算法的权重值；

灰度数据确定模块530，用于确定与所述至少两种白平衡校正算法相对应的，所述待校正图像中至少两种各颜色通道的灰度数据的统计值；

融合白平衡增益确定模块540，用于根据所述至少两种白平衡校正算法的权重值，以及所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益；

校正模块530，用于采用所述待校正图像中各颜色通道的融合白平衡增益，对所述待校正图像进行白平衡校正。

可选的，所述权重值确定模块520，包括：

第一权重值确定单元，用于针对每一种白平衡校正算法，若该种白平衡校正算法所关联的特征值小于或等于第一预设阈值，则确定该种算法的权重值为第一预设权重值；

第二权重值确定单元，用于若该种白平衡校正算法所关联的特征值大于所述第一预设阈值且小于第二预设阈值，则根据该种算法所关联的特征值确定该种算法的权重值；

第三权重值确定单元，用于若该种白平衡校正算法所关联的特征值大于或等于第二预设阈值，则确定该种算法的权重值为第二预设权重值；其中，所述第一预设权重值小于所述第二预设权重值。

可选的，所述第二权重值确定单元，具体用于：依据以下方式确定该种算法的权重值：

其中，Weight_t为第t个算法的权重值，m_t为与第t个算法所关联的特征值，Th1为所述第一预设阈值，Th2为所述第二预设阈值。

可选的，所述融合白平衡增益确定模块540，包括：

融合权重值确定单元，用于针对每一种白平衡校正算法，将该种算法的权重值与所有算法权重值和的比值，作为该种算法的融合权重值；

融合灰度数据确定单元，用于将每一种白平衡校正算法的融合权重值与所述待校正图像中至少两种各颜色通道的灰度数据的统计值加权，确定各颜色通道的融合灰度数据；

融合增益确定单元，用于根据各颜色通道的融合灰度数据，确定各颜色通道的融合白平衡增益。

可选的，所述融合增益确定单元，具体用于：

依据以下方式确定各颜色通道的融合白平衡增益：

其中，RGain、GGain和BGain为各颜色通道的融合白平衡增益，R、G和B为各颜色通道的融合灰度数据。

可选的，所述融合白平衡增益确定模块540，还包括：

权重值融合单元，用于针对每一种白平衡校正算法，将该种算法的权重值与所有算法权重值和的比值，作为该种算法的融合权重值；

白平衡增益确定单元，用于根据所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像至少两种各颜色通道白平衡增益；

增益融合单元，用于将每一种白平衡校正算法的融合权重值与待校正图像至少两种各颜色通道白平衡增益加权，确定各颜色通道的融合白平衡增益。

可选的，所述白平衡增益确定单元，具体用于：

依据以下方式确定待校正图像至少两种各颜色通道白平衡增益：

可选的，所述至少两种白平衡校正算法包括灰度阴影法和灰度边缘法；

相应的，所述特征提取模块510，包括：

单色性特征提取单元，用于从待校正图像中提取灰度阴影法所关联的单色性特征，并且确定单色性特征值；

边缘性特征提取单元，用于从待校正图像中提取灰度边缘法所关联的边缘性特征，并且确定边缘性值。

可选的，所述单色性特提取单元，包括：

通道转换子单元，用于将所述待校正图像的三颜色通道灰度数据转换为二颜色通道灰度数据；

标准差确定子单元，用于根据二颜色通道灰度数据中的各颜色通道灰度数据的平均值确定颜色分布标准差，将所述颜色分布标准差作为单色性特征值。

可选的，所述边缘性特提取单元，具体用于：

将所述待校正图像中各像素点的二阶导数的平均值，作为边缘性值。

上述实施例所述白平衡校正装置用于执行上述任一实施例所述的白平衡校正方法，其技术原理和产生的技术效果类似，这里不再赘述。

实施例六

图6是本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施例的示例性设备612的框图。图6显示的设备612仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，设备612包括以通用设备的形式表现。设备612的组件可以包括但不限于：一个或者多个处理器或者处理器616，系统存储器628，连接不同系统组件(包括系统存储器628和处理器616)的总线618。

总线618表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(I步骤A)总线，微通道体系结构(MAC)总线，增强型I步骤A总线、视频电子标准协会(VE步骤A)局域总线以及外围组件互连(PCI)总线。

设备612典型地包括多种计算机系统可读存储介质。这些存储介质可以是任何能够被设备612访问的可用存储介质，包括易失性和非易失性存储介质，可移动的和不可移动的存储介质。

系统存储器628可以包括易失性存储器形式的计算机系统可读存储介质，例如随机存取存储器(RAM)630和/或高速缓存存储器632。设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁存储介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据存储介质接口与总线618相连。存储器628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块642的程序/实用工具660，可以存储在例如存储器628中，这样的程序模块662包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块662通常执行本发明所描述的实施例中的功能和/或方法。

设备612也可以与一个或多个外部设备614(例如键盘、指向设备、显示器626等)通信，还可与一个或者多个使得用户能与该设备612交互的设备通信，和/或与使得该设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器620通过总线618与设备612的其它模块通信。应当明白，尽管图6中未示出，可以结合设备612使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器616通过运行存储在系统存储器628中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种白平衡校正方法，包括：

实施例七

本发明实施例七还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种白平衡校正方法：

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明实施例中，计算机可读存储介质可以是任何包含或存储程序的有形存储介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、步骤malltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种白平衡校正方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述特征值，确定所述至少两种白平衡校正算法的权重值，包括：

针对每一种白平衡校正算法，若该种白平衡校正算法所关联的特征值小于或等于第一预设阈值，则确定该种算法的权重值为第一预设权重值；

若该种白平衡校正算法所关联的特征值大于所述第一预设阈值且小于第二预设阈值，则根据该种算法所关联的特征值确定该种算法的权重值；

若该种白平衡校正算法所关联的特征值大于或等于第二预设阈值，则确定该种算法的权重值为第二预设权重值；

其中，所述第一预设权重值小于所述第二预设权重值。

3.根据权利要求2所述的方法，其特征在于，所述根据该种算法所关联的特征值确定该种算法的权重值，包括：

依据以下方式确定该种算法的权重值：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述至少两种白平衡校正算法的权重值，以及所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益，包括：

针对每一种白平衡校正算法，将该种算法的权重值与所有算法权重值和的比值，作为该种算法的融合权重值；

将每一种白平衡校正算法的融合权重值与所述待校正图像中至少两种各颜色通道的灰度数据的统计值加权，确定各颜色通道的融合灰度数据；

根据各颜色通道的融合灰度数据，确定各颜色通道的融合白平衡增益。

5.根据权利要求4所述的方法，其特征在于，所述根据各颜色通道的融合灰度数据，确定各颜色通道的融合白平衡增益，包括：

依据以下方式确定各颜色通道的融合白平衡增益：

6.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述至少两种白平衡校正算法的权重值，以及所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像中各颜色通道的融合白平衡增益，包括：

根据所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像至少两种各颜色通道白平衡增益；

将每一种白平衡校正算法的融合权重值与待校正图像至少两种各颜色通道白平衡增益加权，确定各颜色通道的融合白平衡增益。

7.根据权利要求6所述的方法，其特征在于，所述根据所述待校正图像中至少两种各颜色通道的灰度数据的统计值，确定待校正图像至少两种各颜色通道白平衡增益，包括：

其中，R_i、G_i和B_i为与第i个算法相对应的待校正图像各颜色通道的灰度数据的统计值，RGain_i、GGain_i和BGain_i为与第i个算法相对应的待校正图像各颜色通道的白平衡增益。

8.根据权利要求1所述的方法，其特征在于，所述至少两种白平衡校正算法包括灰度阴影法和灰度边缘法；

相应地，从待校正图像中提取至少两种白平衡校正算法所关联的特征，并且确定特征值，包括：

从待校正图像中提取灰度阴影法所关联的单色性特征，并且确定单色性特征值；

从待校正图像中提取灰度边缘法所关联的边缘性特征，并且确定边缘性值。

9.根据权利要求8所述的方法，其特征在于，所述确定单色性特征值，包括：

将所述待校正图像的三颜色通道灰度数据转换为二颜色通道灰度数据；

根据二颜色通道灰度数据中的各颜色通道灰度数据的平均值确定颜色分布标准差，将所述颜色分布标准差作为单色性特征值。

10.根据权利要求9所述的方法，其特征在于，所述确定边缘性值，包括：

11.一种白平衡校正装置，其特征在于，所述装置包括：

12.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的一种白平衡校正方法。

13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10中任一所述的一种白平衡校正方法。