CN112399161A - 图像处理方法、图像处理装置和电子设备 - Google Patents

Abstract

公开了一种图像处理方法、图像处理装置和电子设备。该图像处理方法包括：获取原始图像的数据；基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据；以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述物体数据进行白平衡处理；以及，以恒定的第二R通道增益和第二B通道增益对所述光源数据进行第二白平衡处理。这样，在还原物体的颜色的同时保持光源的颜色不变，从而提高了色彩还原的准确性。

Description

图像处理方法、图像处理装置和电子设备

技术领域

本申请涉及图像处理领域，且更为具体地，涉及一种图像处理方法、图像处理装置和电子设备。

背景技术

在自动驾驶和辅助驾驶等场景下，使用车载摄像头来捕获图像。在车载摄像头中，通过图像信号处理器(Image signal processing)将由前端图像传感器输出的原始(raw)图像数据进行处理并输出可视化的RGB数据。在图像信号处理器中，设置有各种用于图像信号处理的模块，比如与色彩还原相关的模块。

在色彩还原的过程中，为了去除环境因素，比如环境光会对原始图像数据中的物体颜色的影响，会对原始图像数据进行色彩补偿，从而使得可视化的RGB数据能够呈现物体本来的颜色。

但是，在车载摄像头拍摄的图像中，不仅有道路标线，指示牌这些反射光的物体，而且还包括光源本身，比如交通灯、车灯等。

因此，期望提供能够对物体和光源都进行良好的色彩还原的图像处理方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种图像处理方法、图像处理装置和电子设备，其基于光源和物体的颜色在色坐标图上的位置差异来确定原始图像数据中的光源数据和物体数据，并对光源数据和物体数据以不同的方式进行白平衡处理，从而能够在还原物体颜色的同时保持光源颜色不变，提高了色彩还原的准确性。

根据本申请的一方面，提供了一种图像处理方法，包括：获取原始图像的数据；基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据；以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述物体数据进行白平衡处理；以及，以恒定的第二R通道增益和第二B通道增益对所述光源数据进行第二白平衡处理。

根据本申请的另一方面，提供了一种图像处理装置，包括：图像获取单元，用于获取原始图像的数据；数据确定单元，用于基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述图像获取单元所获取的所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据；第一白平衡单元，用于以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述数据确定单元所确定的所述物体数据进行白平衡处理；以及，第二白平衡单元，用于以恒定的第二R通道增益和第二B通道增益对所述数据确定单元所确定的所述光源数据进行第二白平衡处理。

根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的图像处理方法。

根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的图像处理方法。

本申请提供的图像处理方法、图像处理装置和电子设备，基于光源和物体的颜色在色坐标图上的位置差异来确定原始图像数据中的光源数据和物体数据，从而以不同的方式对光源数据和物体数据进行白平衡处理，这样，既能够通过对物体数据进行基于原始图像的环境光色温值的白平衡处理来还原物体的颜色，又可以通过对光源数据进行恒定的白平衡处理来保持光源的颜色不变，从而提高了色彩还原的准确性。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1图示了根据本申请实施例的对象检测方法的流程图。

图2图示了光源和物体的颜色值在示例性的色坐标图上的位置示意图。

图3图示了根据本申请实施例的图像处理方法中确定光源数据和物体数据的过程的示例的流程图。

图4图示了根据本申请实施例的图像处理方法中通过R/G和B/G值确定位置的平面示意图。

图5图示了根据本申请实施例的图像处理方法中确定光源数据的位置范围的过程的示例的流程图。

图6图示了根据本申请实施例的图像处理方法中的去马赛克、颜色校正处理和伽马处理过程的示例的流程图

图7图示了根据本申请实施例的图像处理的架构示例的示意图。

图8图示了根据本申请实施例的图像处理装置的第一示例的框图。

图9图示了根据本申请实施例的图像处理装置中的数据确定单元的示例的框图。

图10图示了根据本申请实施例的图像处理装置的第二示例的框图。

图11图示了根据本申请实施例的图像处理装置的第三示例的框图。

图12图示了根据本申请实施例的电子设备的框图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

用于色彩还原的模块包括白平衡模块，去马赛克模块，颜色校正模块和伽马(Gamma)模块等。

其中，自动白平衡模块的原理是判断当前图像帧的环境光色温值，根据色温值对应的R(红色分量)通道增益和B(蓝色分量)通道增益来补偿原始图像数据，从而去除环境光对物体的颜色的影响，在输出的图像帧中呈现物体原本的颜色。

但是，如上所述，由于在车载摄像头捕获的图像中不仅包括反射光的物体，通常还会包括光源，当通过自动白平衡模块补偿原始图像数据时，输出图像帧中光源的颜色也被改变，这导致无法准确地还原光源的颜色。

基于上述技术问题，本申请的基本构思是基于光源和物体的颜色在色坐标图上的位置差异来确定原始图像数据中的光源数据和物体数据，并以不同的方式对光源数据和物体数据进行白平衡处理。

具体地，本申请提供的图像处理方法，图像处理装置和电子设备首先获取原始图像的数据，然后基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据，最后以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述物体数据进行白平衡处理，并以恒定的第二R通道增益和第二B通道增益对所述光源数据进行第二白平衡处理。

因此，本申请提供的图像处理方法、图像处理装置和电子设备基于光源和物体的颜色在色坐标图上的位置差异来确定原始图像数据中的光源数据和物体数据，从而以不同的方式对光源数据和物体数据进行白平衡处理。

这样，既能够通过对物体数据进行基于原始图像的环境光色温值的白平衡处理来还原物体颜色，又可以通过对光源数据进行恒定的白平衡处理来保持光源颜色不变，从而提高了色彩还原的准确性。

在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。

示例性方法

图1图示了根据本申请实施例的图像处理方法的流程图。

如图1所示，根据本申请实施例的图像处理方法包括以下步骤。

步骤S110，获取原始图像的数据。这里，所述原始图像的数据指的是前端图像传感器输出的原始RGB数据，其未经过图像信号处理器中进行的诸如白平衡、去马赛克、颜色校正等一系列处理。

步骤S120，基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据。在本申请实施例中，由于预设光源的第一预设颜色值通常为饱和度较高的颜色，例如交通信号灯的红、绿、黄色，因此可以在色坐标图上与预设物体的第二预设颜色值进行区分。

步骤S130，以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述物体数据进行白平衡处理。在确定物体数据之后，可以按照目前的常用方式对所述物体数据进行白平衡处理，以便于还原物体颜色。具体地，可以基于所述原始图像的环境光色温值，通过查找表(LUT)的方式得到相应的第一R通道增益和第一B通道增益。

步骤S140，以恒定的第二R通道增益和第二B通道增益对所述光源数据进行第二白平衡处理。也就是，由于所述预设光源的第一预设颜色值相对于所述预设物体的第二预设颜色值相比，基本上不受环境光色温值的影响，如果以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述光源数据进行白平衡处理，反而可能导致所述光源呈现出的颜色失真。因此，以恒定的第二R通道增益和第二B通道增益对所述光源数据进行第二白平衡处理。

这里，所述恒定的第二R通道增益和第二B通道增益可以是在与光源对应的特定色温下的R通道增益和B通道增益。例如，所述恒定的第二R通道增益和第二B通道增益是在与日光灯光源对应的6500K色温下的R通道增益和B通道增益。

因此，在本申请实施例中，通过对物体数据进行基于原始图像的环境光色温值的白平衡处理来还原物体的颜色，又通过对光源数据进行恒定的白平衡处理来保持光源的颜色不变，从而提高了色彩还原的准确性。

图2图示了光源和物体的颜色值在示例性的色坐标图上的位置示意图。如图2所示，色坐标图为1976年CIE规定的颜色空间CIEL*u*v*，其中，马蹄形的坐标范围是人眼可见的所有颜色范围，可以看出，信号灯的色坐标处于人眼可见颜色范围的边缘处，与物体颜色所对应的色域三角形存在显著的位置差异。

因此，根据这种预设光源和预设物体的颜色值在色坐标图上的位置差异，就可以从原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据。

值得注意的是，图2所示的示例性色坐标图的横纵坐标分别为色品u’、v’，但是由于如图2所示的色坐标图是根据图像信号处理器最终获得的可视化的RGB数据的RGB数值通过转换为u’、v’色品坐标所获得的色坐标图，而图像传感器所输出的原始图像的数据可能难以计算色品u’、v’。因此，在根据本申请实施例的图像处理方法中，基于所述色坐标图上的位置差异的原理设置由颜色数据的R/G和B/G的区间值构成的二维平面，从而基于所述二维平面上的位置差异来区分光源和物体。

图3图示了根据本申请实施例的图像处理方法中确定光源数据和物体数据的过程的示例的流程图。

如图3所示，在如图1所示的实施例的基础上，所述步骤S120包括如下步骤。

步骤S1201，计算所述原始图像的数据的R/G和B/G值。也就是，在获得所述原始图像的RGB数据之后，计算该RGB数据的R/G和B/G值。具体地，对于所述原始图像的每组四个RGGB像素，首先计算两个G像素的平均值作为该组像素的G值，再分别将R像素和B像素的值作为该组像素的R值和B值，从而计算出所述原始图像的每组4个像素数据的R/G和B/G值。

步骤S1202，响应于所述原始图像的数据的R/G和B/G值在所述预设光源的第一预设颜色值在由R/G和B/G的区间值构成的二维平面上的预定位置范围内，确定所述原始图像的数据为所述光源数据。图4图示了根据本申请实施例的图像处理方法中通过R/G和B/G值确定位置的平面示意图。如图4所示，原始图像的数据的R/G值和B/G值的数值区间分别为0-m和0-n，则可以构成横轴为0-m且纵轴为0-n的二维平面。对于预设光源，进一步假定其R/G的值为m1-m2，且其B/G的值为n1-n2，则可以在二维平面上确定由(m1,n1)，(m1,n2)，(m2,n1)和(m2,n2)限定出的平面范围，作为预设光源的第一预设颜色值的预定位置范围。

进一步地，如上所述，在本申请实施例中，所述预设光源例如为交通信号灯，或者日光灯，其所述第一预设颜色值通常为饱和度较高的颜色，例如红、绿、黄色。因此，可以预先确定这些所述第一预设颜色值的R/G和B/G值，以确定所述预定位置范围，例如红色交通灯、绿色交通灯等对应的预定位置范围。这样，例如，如果所述原始图像的数据的R/G和B/G值在红色交通灯对应的预定位置范围内，则可以确定上所述原始图像的数据为红色交通灯的光源数据。

这样，通过计算原始图像的数据的R/G和B/G值，可以方便地将图像的RGB数值转换为R/G和B/G值，从而将图像的RGB数值映射到分别由R/G和B/G的区间值构成的二维平面上，并且，由于物体和光源的由R/G值和B/G值所确定的二维平面上的位置之间具有显著差异，因此大大提高了区分光源数据和物体数据的准确度。

步骤S1203，响应于所述原始图像的数据的R/G和B/G值在所述预定位置范围外，确定所述原始图像的数据为所述物体数据。也就是，如果所述原始图像的数据的R/G和B/G值在所述光源数据归属的所述预定位置范围外，例如如上所述的红色信号灯、绿色信号灯、黄色信号灯等所有光源所对应的预定位置范围外，则确定所述原始图像的数据为物体数据。

这样，通过如图3所示的确定光源数据和物体数据的过程，可以通过计算原始图像的数据的R/G和B/G值方便地基于图像的RGB数值确定数据在分别由R/G值和B/G值的区间值构成的二维平面上的平面位置，从而确定原始图像的数据在属于光源数据的预定位置范围内还是属于物体数据的预定位置范围外。并且，由于通过R/G和B/G值所确定的二维平面上的所述预定位置范围相对于光源数据和物体数据具有比较显著的区域界限，因此可以良好地区分光源数据和物体数据。

图5图示了根据本申请实施例的图像处理方法中确定光源数据的位置范围的过程的示例的流程图。

如图5所示，在如图1所示的实施例的基础上，所述图像处理方法进一步包括步骤。

步骤S151，获取具有已标注光源的训练图像集的原始数据。也就是，在所获取的训练图像集的原始数据中，具有已经标注出来的光源，从而可以从原始数据当中直接确定与所述已知光源对应的部分原始数据。例如，在所获得的街景图像中，具有已经标注出来的交通信号灯，相应地，在街景图像的原始数据中，可以确定与已经标注出来的交通信号灯对应的部分原始数据。

步骤S152，计算所述训练图像集中与所述已标注光源对应的部分原始数据的R/G和B/G值。例如，如上所述，对于训练图像集中的每张图像的每组四个RGGB像素，首先计算两个G像素的平均值作为该组像素的G值，再分别将R像素和B像素的值作为该组像素的R值和B值，从而计算出每张图像的每组4个像素数据的R/G和B/G值。也就是，由于通过使用R/G和B/G值来确定光源和物体在二维平面上的位置差异，这里也相应地计算R/G和B/G值。

步骤S153，基于与所述已知光源对应的原始数据的R/G和B/G值确定所述预定位置范围。也就是，由于所述训练图像集中的光源是已经标注好的，因此在计算出的所述训练图像集的部分原始数据中，可以确定这部分原始数据的R/G和B/G值是属于光源的图像数据的R/G和B/G值，从而可以基于已知的光源的R/G和B/G值来确定所述预定位置范围。例如，在包括N张图像的训练图像集中，已标注的红色交通灯所计算的R/G和B/G值分别为a1，…，an和b1，…，bn，则可以确定红色交通灯对应的预定位置范围为(a1，b1)，…，(an，bn)这N个点对应的范围。

值得注意的是，在本申请实施例中，所述预定位置范围取决于某些外部因素，例如用于拍摄图像的摄像头模组的传感器和镜头等。

这样，通过如图5所示的确定光源数据的位置范围的过程，可以通过光源标定的方式方便地确定光源数据在色坐标图上的位置范围，从而促进光源数据和物体数据的划分。

图6图示了根据本申请实施例的图像处理方法中的去马赛克、颜色校正处理和伽马处理过程的示例的流程图。

如图6所示，在如图1所示的实施例的基础上，所述图像校正方法包括进一步包括如下步骤。

步骤S160，对经过第一白平衡处理的所述物体数据和经过所述第二白平衡处理的所述光源数据进行去马赛克处理。这里，对所述物体数据和所述光源数据进行的去马赛克处理与现有技术中的相同，仅是在本申请实施例中，分别对经过第一白平衡处理的所述物体数据和经过所述第二白平衡处理的所述光源数据进行去马赛克处理。

图7图示了根据本申请实施例的图像处理的架构示例的示意图。如图7所示，对于原始图像的数据，首先按照如上所述的方式划分为物体数据和光源数据，然后对于物体数据和光源数据，都要经过白平衡处理、去马赛克处理、颜色校正处理和伽马处理以获得最终的可视化的RGB数据。如上所述，物体数据和光源数据分别经过第一白平衡处理和第二白平衡处理，然后进行去马赛克处理。

步骤S170，使用基于所述原始图像的环境光色温值的第一颜色校正矩阵对经过去马赛克处理的所述物体数据进行第一颜色校正处理。与第一R通道增益和第一B通道增益类似，对于确定的物体数据，按照目前的常用方式对所述物体数据进行颜色校正处理，以便于还原物体颜色。具体地，可以基于所述原始图像的环境光色温值，通过查找表(LUT)的方式得到相应的第一颜色校正矩阵。

步骤S180，使用第二颜色校正矩阵对经过去马赛克处理的所述光源数据进行第二颜色校正处理。与基于环境光色温值的第一颜色校正矩阵不同，所述第二颜色校正矩阵类似于如上所述的第二R通道增益和第二B通道增益，用于保持光源的颜色不失真。

因此，与如上所述的第二R通道增益和第二B通道增益类似，所述第二颜色校正矩阵也可以是在与光源对应的特定色温下的颜色校正矩阵。例如，所述第二颜色校正矩阵是在与日光灯光源对应的6500K色温下的颜色校正矩阵。

步骤S190，对经过第一颜色校正处理的所述物体数据和经过所述第二颜色校正处理的所述光源数据进行伽马处理。这样，就获得了可视化的RGB数据。

这样，通过如图6所示的去马赛克、颜色校正处理和伽马处理过程的示例，可以进一步地以不同方式对于物体数据和光源数据进行处理，从而在还原物体的颜色的同时保持光源的颜色不变，进一步提高了色彩还原的准确性。

值得注意的是，根据本申请实施例的图像校正方法可以应用于自动驾驶领域，从而对于通过车载摄像头获取原始图像进行色彩还原。尤其是，对于原始图像中包括的交通灯，可以进行准确的色彩还原，从而提高自动驾驶应用中的交通灯识别的准确性。

示例性装置

图8图示了根据本申请实施例的图像处理装置的第一示例的框图。

如图8所示，根据本申请实施例的图像处理装置200包括：图像获取单元210，用于获取原始图像的数据；数据确定单元220，用于基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述图像获取单元210所获取的所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据；第一白平衡单元230，用于以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述数据确定单元220所确定的所述物体数据进行白平衡处理；以及，第二白平衡单元240，用于以恒定的第二R通道增益和第二B通道增益对所述数据确定单元220所确定的所述光源数据进行第二白平衡处理。

图9图示了根据本申请实施例的图像处理装置中的数据确定单元的示例的框图。

如图9所示，在如图8所示的实施例的基础上，所述数据确定单元220包括：计算子单元2201，用于计算所述图像获取单元210所获取的所述原始图像的数据的R/G和B/G值；光源确定子单元2202，用于响应于所述计算子单元2201所计算的所述原始图像的数据的R/G和B/G值在所述预设光源的第一预设颜色值在由R/G和B/G的区间值构成的二维平面上的预定位置范围内，确定所述原始图像的数据为所述光源数据；以及，物体确定子单元2203，用于响应于所述计算子单元2201所计算的所述原始图像的数据的R/G和B/G值在所述预定位置范围外，确定所述原始图像的数据为所述物体数据。

图10图示了根据本申请实施例的图像处理装置的第二示例的框图。

如图10所示，在如图9所示的实施例的基础上，所述图像处理装置200进一步包括：训练图像获取单元251，用于获取具有已标注光源的训练图像集的原始数据；数值计算单元252，用于计算所述训练图像获取单元251所获取的所述训练图像集中与所述已标注光源对应的部分原始数据的R/G和B/G值；以及，范围确定单元253，用于基于所述数值计算单元252计算出的与所述已标注光源对应的部分原始数据的R/G和B/G值确定所述预定位置范围。

图11图示了根据本申请实施例的图像处理装置的第三示例的框图。

如图11所示，在如图8所示的实施例的基础上，所述图像处理装置200进一步包括：去马赛克单元260，用于对经过所述第一白平衡单元230的所述第一白平衡处理的所述物体数据和经过所述第二白平衡单元240的所述第二白平衡处理的所述光源数据进行去马赛克处理；第一颜色校正单元270，用于使用基于所述原始图像的环境光色温值的第一颜色校正数据矩阵对经过所述去马赛克单元260的所述去马赛克处理的所述物体数据进行第一颜色校正处理；第二颜色校正单元280，用于使用第二颜色校正矩阵对经过所述去马赛克单元260的所述去马赛克处理的所述光源数据进行第二颜色校正处理；以及，伽马处理单元290，用于对经过所述第一颜色校正单元270的所述第一颜色校正处理的所述物体数据和经过所述第二颜色校正单元280的所述第二颜色校正处理的所述光源数据进行伽马处理。

在一个示例中，在上述图像处理装置200中，所述图像获取单元210用于：通过车载摄像头获取所述原始图像的数据，所述光源包括交通灯。

这里，本领域技术人员可以理解，上述图像处理装置200中的各个单元和模块的具体功能和操作已经在上面参考图1到图7的图像处理方法的描述中得到了详细介绍，并因此，将省略其重复描述。

如上所述，根据本申请实施例的图像处理装置200可以实现在各种终端设备中，例如显示设备，或者具有显示设备的其它终端设备中。在一个示例中，根据本申请实施例的图像处理装置200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该图像处理装置200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该图像处理装置200同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该图像处理装置200与该终端设备也可以是分立的设备，并且该图像处理装置200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

示例性电子设备

下面，参考图12来描述根据本申请实施例的电子设备。

图12图示了根据本申请实施例的电子设备的框图。

如图12所示，电子设备10包括一个或多个处理器11和存储器12。

处理器13可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的图像处理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如原始RGB数据、调整后的通道增益、颜色校正矩阵等各种内容。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

该输入装置13可以包括例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，包括经过图像处理的可视化RGB数据等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图12中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的图像显示方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的图像显示方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。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。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种图像处理方法，包括：

获取原始图像的数据；

基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据；

以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述物体数据进行白平衡处理；以及

以恒定的第二R通道增益和第二B通道增益对所述光源数据进行第二白平衡处理。

2.如权利要求1所述的图像处理方法，其中，基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据包括：

计算所述原始图像的数据的R/G和B/G值；

响应于所述原始图像的数据的R/G和B/G值在所述预设光源的第一预设颜色值在由R/G和B/G的区间值构成的二维平面上的预定位置范围内，确定所述原始图像的数据为所述光源数据；以及

响应于所述原始图像的数据的R/G和B/G值在所述预定位置范围外，确定所述原始图像的数据为所述物体数据。

3.如权利要求2所述的图像处理方法，进一步包括：

获取具有已标注光源的训练图像集的原始数据；

计算所述训练图像集中与所述已标注光源对应的部分原始数据的R/G和B/G值；以及

基于与所述已标注光源对应的部分原始数据的R/G和B/G值确定所述预定位置范围。

4.如权利要求1所述的图像处理方法，进一步包括：

对经过第一白平衡处理的所述物体数据和经过所述第二白平衡处理的所述光源数据进行去马赛克处理；

使用基于所述原始图像的环境光色温值的第一颜色校正数据矩阵对经过去马赛克处理的所述物体数据进行第一颜色校正处理；

使用第二颜色校正矩阵对经过去马赛克处理的所述光源数据进行第二颜色校正处理；以及

对经过第一颜色校正处理的所述物体数据和经过所述第二颜色校正处理的所述光源数据进行伽马处理。

5.如权利要求1到4中任意一项所述的图像处理方法，其中，获取原始图像的数据包括：

通过车载摄像头获取所述原始图像的数据，所述光源包括交通灯。

6.一种图像处理装置，包括：

图像获取单元，用于获取原始图像的数据；

数据确定单元，用于基于预设光源的第一预设颜色值和预设物体的第二预设颜色值在色坐标图上的位置差异，从所述图像获取单元所获取的所述原始图像的数据中确定所述预设光源对应的光源数据和所述预设物体对应的物体数据；

第一白平衡单元，用于以基于所述原始图像的环境光色温值的第一R通道增益和第一B通道增益对所述数据确定单元所确定的所述物体数据进行白平衡处理；以及

第二白平衡单元，用于以恒定的第二R通道增益和第二B通道增益对所述数据确定单元所确定的所述光源数据进行第二白平衡处理。

7.如权利要求6所述的图像处理装置，其中，所述数据确定单元包括：

计算子单元，用于计算所述图像获取单元所获取的所述原始图像的数据的R/G和B/G值；

光源确定子单元，用于响应于所述计算子单元计算出的所述原始图像的数据的R/G和B/G值在所述预设光源的第一预设颜色值在由R/G和B/G的区间值构成的二维平面上的预定位置范围内，确定所述原始图像的数据为所述光源数据；以及

物体确定子单元，用于响应于所述计算子单元计算出的所述原始图像的数据的R/G和B/G值在所述预定位置范围外，确定所述原始图像的数据为所述物体数据。

8.如权利要求7所述的图像处理装置，进一步包括：

训练图像获取单元，用于获取具有已标注光源的训练图像集的原始数据；

数值计算单元，用于计算所述训练图像获取单元所获取的所述训练图像集中与所述已标注光源对应的部分原始数据的R/G和B/G值；以及

范围确定单元，用于基于所述数值计算单元计算出的与所述已标注光源对应的部分原始数据的R/G和B/G值确定所述预定位置范围。

9.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1-5中任一项所述的图像处理方法。

10.一种计算机可读介质，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1-5中任一项所述的图像处理方法。

Images