CN112866656B - 一种白平衡校正方法、装置、存储介质及终端设备 - Google Patents
一种白平衡校正方法、装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN112866656B CN112866656B CN201911174624.4A CN201911174624A CN112866656B CN 112866656 B CN112866656 B CN 112866656B CN 201911174624 A CN201911174624 A CN 201911174624A CN 112866656 B CN112866656 B CN 112866656B
- Authority
- CN
- China
- Prior art keywords
- light source
- target
- color temperature
- classification result
- white balance
- 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
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/73—Colour balance circuits, 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)
Abstract
本申请实施例公开了一种白平衡校正方法、装置、存储介质及终端设备,该方法包括:基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度;当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果;根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
Description
技术领域
本申请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、存储介质及终端设备。
背景技术
白平衡(White Balance)是摄像领域的一个重要概念,通过白平衡可以解决色彩还原和色调处理等系列问题。对于不同的光源,其发出的光线颜色不同,导致物体反射出的光线颜色也不同。那么当通过终端设备对物体进行拍照时,由于光源的影响,很可能会导致所拍摄的物体发生偏色现象,这时候需要对室内光源和室外光源进行区分,根据室内/室外光源选择对应的参数来对白平衡进行调整,从而提高色彩还原度。
针对室内/室外的判断,已经存在一些解决方案。但是这些解决方案考虑不全面,比如没有考虑到钨丝灯和日光光源的相似性,而且判断过于简单,容易出现误判现象,使得室内/室外判断的准确率偏低。
发明内容
本申请实施例提出一种白平衡校正方法、装置、存储介质及终端设备,可以提高室内/室外判断的准确率,能够更好地区分室内/室外的场景,从而达到更好的、更稳定的白平衡效果。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供了一种白平衡校正方法,该方法包括:
基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;
基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
根据红外波段比值、色温信息及初始置信度进行计算,获得目标置信度;
当目标置信度小于预设阈值时,通过对初始分类结果的调整得到目标分类结果;
根据目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
第二方面,本申请实施例提供了一种白平衡校正装置,该白平衡校正装置包括确定单元、计算单元、调整单元和校正单元,其中,
确定单元,配置为基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;以及还配置为基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
计算单元,配置为根据红外波段比值、色温信息及初始置信度进行计算,获得目标置信度;
调整单元,配置为当目标置信度小于预设阈值时,通过对初始分类结果的调整得到目标分类结果;
校正单元,配置为根据目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
第三方面,本申请实施例提供了一种白平衡校正装置,该白平衡校正装置包括存储器和处理器;其中,
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如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存储介质,该计算机存储介质存储有白平衡校正程序,白平衡校正程序被至少一个处理器执行时实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种终端设备,该终端设备至少包括如第二方面或第三方面所述的白平衡校正装置。
本申请实施例所提供的一种白平衡校正方法、装置、存储介质及终端设备,基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;根据红外波段比值、色温信息及初始置信度进行计算,获得目标置信度;当目标置信度小于预设阈值时,通过对初始分类结果的调整得到目标分类结果;根据目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正;这样,在对光源进行一次判断获得初始分类结果和初始置信度之后,根据确定的红外波段比值和色温信息对光源进行二次判断,可以有效修正一次判断后所存在的误判断场景,不仅能够更好地区分室内/室外的场景,还能够提高室内/室外判断的准确率,从而达到更好的、更稳定的白平衡效果,使得终端设备能够更好的色彩还原。
附图说明
图1为相关技术方案提供的一种白平衡校正的流程示意图;
图2为本申请实施例提供的一种白平衡校正方法的流程示意图;
图3为本申请实施例提供的一种色温传感器的摆放位置示意图一;
图4为本申请实施例提供的一种色温传感器的摆放位置示意图二;
图5为本申请实施例提供的一种色温传感器的摆放位置示意图三;
图6为本申请实施例提供的一种色温传感器的摆放位置示意图四;
图7为本申请实施例提供的一种色温传感器的摆放位置示意图五;
图8为本申请实施例提供的另一种白平衡校正方法的流程示意图;
图9为本申请实施例提供的又一种白平衡校正方法的流程示意图;
图10为本申请实施例提供的一种目标置信度获取的详细流程示意图;
图11为本申请实施例提供的一种白平衡校正方法的详细流程示意图;
图12为本申请实施例提供的一种白平衡校正装置的组成结构示意图;
图13为本申请实施例提供的一种白平衡校正装置的具体硬件结构示意图;
图14为本申请实施例提供的一种终端设备的组成结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关申请相关的部分。
白平衡(White Balance)是摄像领域的一个重要概念,通过白平衡可以解决色彩还原和色调处理等系列问题。其中,一种颜色在不同光源的照射下会呈现出不同的颜色,例如,灰色在白炽灯照射下会呈现黄色,而在冷光照射下会呈现青色,即通常所言的偏色现象。这时候需要对输入的原始图像的颜色进行处理,使之在不同的光源照射下呈现正常的灰色。目前来说,常见的校正方法是白平衡校正,但是现有的白平衡很难准确区分出光源信息(室内/室外),导致在一些场景下校正的结果仍然存在偏色或者白平衡跳变现象。
针对室内/室外的判断,目前已经存在一些解决方案。但是目前的解决方案大多仅根据红外波段信息来进行室内/室外的判断。具体判断过程为,如果红外波段比值(即,红外波段相对于全光谱波段所占的比例)低于20%,那么可以确定当前环境为室内;如果红外波段比值高于35%,或者如果当前环境为晴天且红外波段比值高于45%,那么可以确定当前环境为室外。
然而,目前的解决方案中,室内/室外的判断方法过于简单,而且还存在理论上的错误逻辑,例如,当红外波段比值低于20%时,根据目前的解决方案可以确定出当前环境为室内;但是室内的钨丝灯的光源光谱是逐步上升的,而且其红外波段比值也非常高,这时候当钨丝灯的光源所对应的红外波段比值高于45%时,根据目前的解决方案可以确定出当前环境为室外,此时会造成误判断,即将钨丝灯光源误判成室外的情况。同理,针对室内的混合光源场景,比如钨丝灯和荧光灯的混合光源或者钨丝灯和发光二极管(Light EmittingDiode,LED)的混合光源,根据目前的解决方案也可能会造成误判断,即将其误判成室外的情况。另外,目前的解决方案还存在的一个缺陷在于没有考虑平滑机制,比如实际场景中的红外波段比值可能在30%~40%之间波动,而目前的解决方案会在该红外波段比值小于35%判断当前环境为室内,在该红外波段比值大于35%判断当前环境为室外,将可能会造成室内/室外的判断结果来回切换,从而导致白平衡算法效果上的跳变,不够稳定。也就是说,目前的解决方案没有考虑钨丝灯和日光光源的相似性,也没有考虑增加其他维度来进一步区分室内/室外,导致室内/室外判断的准确率偏低,而且没有考虑时域上的稳定性,导致室内/室外的判断结果可能存在频繁切换的异常现象,稳定性差。
参见图1,其示出了相关技术方案提供的一种白平衡校正的流程示意图。如图1所示,该流程主要是采用一个二分类器进行室内/室外的判断,根据该判断结果进行白平衡校正。具体地,首先执行步骤S101,输入待处理的原始(Raw)图像数据;在将原始图像数据输入到二分类器之后,然后执行步骤S102,通过二分类器进行判断;根据二分类器的判断结果,执行步骤S103,确定判断结果是否为室内;若确定判断结果为室内,则执行步骤S104,调用室内参数,然后执行步骤S105,根据室内参数,获得白平衡的校正结果;若确定判断结果为室外,则执行步骤S106,调用室外参数,然后执行步骤S107,根据室外参数,获得白平衡的校正结果。
需要说明的是,基于图1所示的流程,由于室内基本是以人造光源为主,比如钨丝灯(Tungsten Lamp)、荧光灯(Fluorescent Lamp)、LED等光源;而室外基本是以日光光源(Day Light或者Natural Light)为主。在确定室内还是室外之后,基本可以确定出光源种类,从而能够在白平衡算法的计算时排除一些干扰区域,以提高白平衡算法的效果。例如,当判断当前环境为室外时,针对荧光灯和LED的光源落点区域可以确定为干扰区域,这时候在统计光源颜色时进行排除。但是由于目前的二分类器判断的准确性不能够达到100%,而且在使用时还会存在5%~10%的概率判断错误,导致室内/室外判断的准确率为90%~95%,也就无法精准地确定出干扰区域,使得白平衡算法在误判时的效果较差。
本申请实施例提供一种白平衡校正方法,基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;根据红外波段比值、色温信息及初始置信度进行计算,获得目标置信度;当目标置信度小于预设阈值时,通过对初始分类结果的调整得到目标分类结果;根据目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正;这样,在对当前的光源进行一次判断获得初始分类结果和初始置信度之后,根据色温传感器所确定的红外波段比值和色温信息对光源进行二次判断,可以有效修正一次判断后所存在的误判断场景,不仅能够更好地区分室内/室外的场景,还能够提高室内/室外判断的准确率,从而达到更好的、更稳定的白平衡效果,使得终端设备能够更好的色彩还原。
下面将结合附图对本申请各实施例进行详细说明。
本申请的一实施例中,参见图2,其示出了本申请实施例提供的一种白平衡校正方法的流程示意图。如图2所示,该方法可以包括:
S201:基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;
需要说明的是,在执行本申请实施例的白平衡校正方法之前,可以首先得到一个光源的初始分类结果和初始置信度。这里,可以是根据预设分类器(比如二分类器)来获得光源的初始分类结果和初始置信度,也可以是根据其他分类方式(比如仅根据红外波段信息进行分类)来获得光源的初始分类结果和初始置信度,本申请实施例不作具体限定。
另外,光源的初始分类结果通常可以包括室内和室外两种,那么针对每一种的初始分类结果,初始置信度均可以设置为50%,但是本申请实施例也不作具体限定。
在一些实施例中,当根据二分类器来获得光源的初始分类结果和初始置信度时,对于S201来说,所述基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度,可以包括:
将摄像头获取的图像数据输入预设分类器;
通过所述预设分类器,输出光源的初始分类结果和初始置信度。
需要说明的是,预设分类器可以是二分类器,即将当前环境分类为室内或者室外。具体地,将所获取的图像数据输入预设分类器,通过该预设分类器,可以得到光源的初始分类结果和初始置信度。例如,当初始分类结果为室内时,初始置信度可以设置为50%;当初始分类结果为室外时,初始置信度也可以设置为50%。
S202:基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
需要说明的是,红外波段比值通常是指红外波段相对于全光谱波段所占的比例;色温信息通常是指相对色温(Correlated Color Temperature,CCT),具体表示光源发射光的颜色和黑体在某一温度下辐射光色相同时,黑体的温度即是光源的色温;也即,相关色温是指最接近黑体辐射温度的相对值。
这里,针对S201和S202来,两者没有先后顺序之分,本申请实施例可以并行执行S201和S202,以得到光源的初始分类结果、初始置信度以及红外波段比值和色温信息。
在一些实施例中,通过色温传感器可以得到光源中多个频谱波段各自对应的频谱通道值,从而能够确定出光源的红外波段比值和色温信息。因此,对于S202来说,所述基于色温传感器获取的数据,确定光源的红外波段比值和色温信息,可以包括:
通过色温传感器获得光源中多个频谱波段各自对应的频谱通道值;
基于所获得的频谱通道值,计算得到光源的红外波段比值和色温信息。
需要说明的是,色温是可见光在摄影、录像等领域具有重要应用的特征。理论上,色温是指绝对黑体从绝对零度(-273℃)开始加温后所呈现的颜色。黑体在受热后,逐渐由黑变红,转黄,发白,最后发出蓝色光。当加热到一定的温度,黑体发出的光所包含的光谱成分,就称为这一温度下的色温,计量单位为开尔文(用K表示)。这里,CCT是指最接近黑体辐射温度的相对值。
还需要说明的是,针对终端设备上所设置的色温传感器,具体的,该色温传感器可以设置在终端设备的前置摄像头一侧,如图3所示,在终端设备的前置摄像头左侧配置有色温传感器;也可以设置在终端设备的后置摄像头一侧,如图4所示,在终端设备的后置摄像头下侧配置有色温传感器。
色温传感器也可以设置在全面屏的刘海区域中,具体地,图5为色温传感器的一种设置示意图,如图5所示,终端设备将色温传感器放置于刘海区域的油墨下方。
终端设备还可以将色温传感器设置在顶部的狭缝中。具体地,图6为在终端设备的显示屏一侧,色温传感器的摆放位置示意图;图7为在终端设备的后置摄像头一侧,色温传感器的摆放位置示意图。
本申请实施例中,通过色温传感器可以确定出当前的光源中红外波段比值和色温信息。具体地,色温传感器通常可以输出五个通道值,这五个通道分别是红光波段(用R表示)、绿光波段(用G表示)、蓝光波段(用B表示)、红外波段(用IR表示)、可见光及红外全范围波段(用C表示)等五个频谱波段对应的通道。也就是说,通过色温传感器,可以获得光源中五个频谱波段各自对应的频谱通道值;然后基于这五个频谱通道值,可以计算出红外波段比值(即红外波段相对于全光谱波段所占的比例,用IR%表示)以及光源的色温信息(用CCT表示)。在人造光源和日光光源中,钨丝灯和低色温的日光光源(3000K左右)拥有最高的IR%,而高色温的日光光源(4000K~7500K之间)拥有较高的IR%,荧光灯和LED光源几乎没有IR%值,具体参见表1,其示出了不同光源下IR%的取值范围的示例(具体数值随色温传感器的五个通道响应曲线不同而不同)。
表1
在表1中,日光光源对应的IR%的取值范围是49%~70%,荧光灯光源对应的IR%的取值范围是8%~21%,LED光源对应的IR%的取值范围是12%~18%;可以看出,荧光灯和LED光源对应的IR%很低,几乎没有红外波段。因此,可以根据不同的IR%值来区分光源;而针对混合光源来说,还可以结合色温传感器输出得到的红外波段比值和色温信息进行辅助判断,从而提高了室内/室外判断的准确率。
S203:根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度;
需要说明的是,针对初始分类结果,可以将所得到的红外波段比值与预设的红外波段阈值进行比较,然后根据红外波段比值和色温信息对初始置信度进行相关运算,以得到目标置信度。
具体地,预设的红外波段阈值可以包括第一阈值和第二阈值,其中,第一阈值表示初始分类结果为室内时所预先设定的红外波段阈值,第二阈值表示初始分类结果为室外时所预先设定的红外波段阈值;这里,第一阈值和第二阈值均为可调参数,具体数值根据实际应用场景进行设定,本申请实施例不作具体限定。
可选地,在一些实施例中,当所述初始分类结果为室内时,如图8所示,对于S203来说,所述根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度,可以包括:
S301:将所述红外波段比值与第一阈值进行比较;
S302:当所述红外波段比值大于或等于所述第一阈值时,根据所述红外波段比值和所述色温信息对光源进行判断;
S303:若判断光源为日光光源,则将所述初始置信度与第一预设值进行相减运算,得到所述目标置信度;
S304:若判断光源为非日光光源,则将所述初始置信度与第二预设值进行相加运算,得到所述目标置信度。
进一步地,在S301之后,该方法还可以包括:
S305:当所述红外波段比值小于所述第一阈值时,将所述初始置信度与第三预设值进行相加运算,得到所述目标置信度。
需要说明的是,第一预设值、第二预设值和第三预设值均为可调参数,具体数值根据实际应用场景进行设定,本申请实施例不作具体限定。
还需要说明的是,在将红外波段比值与第一阈值进行比较之后,如果红外波段比值大于或等于第一阈值,说明了当前的光源中具有一定的IR分量,即该光源存在三种可能性,可能是日光光源,也可能是钨丝灯光源,还可能是混合光源(比如钨丝灯与荧光灯的混合光源或者钨丝灯与LED的混合光源);其中,日光光源属于室外,钨丝灯以及混合光源则属于室内,这时候需要执行步骤S302,根据红外波段比值和所述色温信息对光源进行判断,以判断光源是否为日光光源;若光源为日光光源,则当前环境可能是室外,这时候需要执行步骤S303,即将初始置信度减去第一预设值,以得到目标置信度;若光源为非日光光源,则当前环境可能是室内,这时候需要执行步骤S304,即将初始置信度加上第二预设值,以得到目标置信度。
此外,如果红外波段比值小于第一阈值,说明了当前的光源中IR分量很少,可以大概率确定判断结果为室内,这时候需要执行步骤S305,即将初始置信度加上第三预设值,以得到目标置信度。
可选地,在一些实施例中,当所述初始分类结果为室外时,如图9所示,对于S203来说,所述根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度,可以包括:
S401:将所述红外波段比值与第二阈值进行比较;
S402:当所述红外波段比值大于或等于所述第二阈值时,根据所述红外波段比值和所述色温信息对光源进行判断;
S403:若判断光源为日光光源,则将所述初始置信度与第四预设值进行相加运算,得到所述目标置信度;
S404:若判断光源为非日光光源,则将所述初始置信度与第五预设值进行相减运算,得到所述目标置信度。
进一步地,在S401之后,该方法还可以包括:
S405:当所述红外波段比值小于所述第二阈值时,将所述初始置信度与第六预设值进行相减计算,得到所述目标置信度。
需要说明的是,第四预设值、第五预设值和第六预设值均为可调参数,具体数值根据实际应用场景进行设定,本申请实施例不作具体限定。
还需要说明的是,在将红外波段比值与第二阈值进行比较之后,如果红外波段比值大于或等于第二阈值,说明了当前的光源中具有一定的IR分量,即该光源存在三种可能性,可能是日光光源,也可能是钨丝灯光源,还可能是混合光源(比如钨丝灯与荧光灯的混合光源或者钨丝灯与LED的混合光源);其中,日光光源属于室外,钨丝灯以及混合光源则属于室内,这时候需要执行步骤S402,根据红外波段比值和所述色温信息对光源进行判断,以判断光源是否为日光光源;若光源为日光光源,则当前环境可能是室外,这时候需要执行步骤S403,即将初始置信度加上第四预设值,以得到目标置信度;若光源为非日光光源,则当前环境可能是室内,这时候需要执行步骤S404,即将初始置信度减去第五预设值,以得到目标置信度。
此外,如果红外波段比值小于第二阈值,说明了当前的光源中IR分量很少,可以大概率确定判断结果为室内,而判断结果为室外的概率就很低,这时候需要执行步骤S405,即将初始置信度减去第六预设值,以得到目标置信度。
这样,在得到目标置信度之后,可以将目标置信度与预设阈值进行比较,根据比较的结果来确定是否需要改变初始分类结果,即是否需要对初始分类结果进行调整。
S204:当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果;
需要说明的是,预设阈值是预先设定的用于判断初始分类结果是否可靠的判定值。这里,预设阈值为可调参数,具体数值根据实际应用场景进行设定,本申请实施例不作具体限定。通常而言,预设阈值需要设定的比较小,比如预设阈值设定为30%;这样,当目标置信度小于30%时,可以判断出初始分类结果很不可靠,这时候存在误判的情况,需要改变分类结果,即对初始分类结果进行调整,以得到目标分类结果。
在一些实施例中,对于S204来说,所述当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果,可以包括:
当所述目标置信度小于所述预设阈值时,对所述初始分类结果进行调整,确定出所述目标分类结果;其中,
若所述初始分类结果为室内,则确定所述目标分类结果为室外;
若所述初始分类结果为室外,则确定所述目标分类结果为室内。
进一步地,在一些实施例中,在S203之后,该方法还可以包括:
当所述目标置信度大于或等于所述预设阈值时,确定所述目标分类结果为维持所述初始分类结果;其中,
若初始分类结果为室内,则确定所述目标分类结果为室内;
若初始分类结果为室外,则确定所述目标分类结果为室外。
需要说明的是,将目标置信度与预设阈值进行比较,如果目标置信度小于预设阈值,表明了当前的初始分类结果是不可靠的,这时候需要调整初始分类结果,例如,若初始分类结果为室内,则调整之后所得到的目标分类结果为室外;若初始分类结果为室外,则调整之后所得到的目标分类结果为室内。另外,如果目标置信度大于或等于预设阈值,表明了当前的初始分类结果是可靠的,这时候需要维持初始分类结果,即若初始分类结果为室内,则目标分类结果也为室内;若初始分类结果为室外,则目标分类结果也为室外;这样,所得到的目标分类结果是可靠的,提高了室内/室外判断的准确率;而且较小的预设阈值也保证了在误判概率较大时才调整分类结果,也可以看作是考虑了时域上的平滑机制,有利于保持白平衡算法的稳定性,从而避免了白平衡算法频繁切换的异常现象。
S205:根据目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
需要说明的是,由于所得到的目标分类结果同时考虑了红外波段比值和色温信息,使得目标分类结果是可靠的,这时候对待处理的图像数据进行白平衡校正,可以达到更好的白平衡效果。
进一步地,在一些实施例中,所述根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正,可以包括:
若所述目标分类结果为室内,则调用室内参数,并从所述室内参数中获得目标白平衡参数,根据所述目标白平衡参数对图像数据进行白平衡校正;
若所述目标分类结果为室外,则调用室外参数,并从所述室外参数中获得目标白平衡参数,根据所述目标白平衡参数对图像数据进行白平衡校正。
需要说明的是,如果目标分类结果为室内,这时候可以调用室内参数,然后从室内参数中获得目标白平衡参数,根据目标白平衡参数对图像数据进行白平衡校正;如果目标分类结果为室外,这时候可以调用室外参数,然后从室外参数中获得目标白平衡参数,根据目标白平衡参数对图像数据进行白平衡校正,如此能够提升白平衡算法的效果,消除原始图像中的偏色现象,从而能够更好地实现色彩还原。
除此之外,当所得到的红外波段比值大于或等于预设的红外波段阈值(比如第一阈值或者第二阈值)时,当前的光源存在三种可能性,可能是日光光源,也可能是钨丝灯光源,还可能是混合光源(比如钨丝灯与荧光灯的混合光源或者钨丝灯与LED的混合光源);其中,日光光源属于室外,钨丝灯以及混合光源则属于室内,这时候需要对光源作进一步区分。因此,在一些实施例中,所述根据所述红外波段比值和所述色温信息对光源进行判断,可以包括:
根据所述红外波段比值,从预先建立的对照表中查询出与所述红外波段比值对应的第一色温信息;
根据所述色温信息以及查询得到的第一色温信息对光源进行判断。
进一步地,所述根据所述色温信息以及查询得到的第一色温信息对光源进行判断,可以包括:
计算所述色温信息与所述第一色温信息之间的差值;
当所述差值小于预设差值阈值时,从所述色温信息和所述第一色温信息中选取最小的色温信息;
将最小的色温信息与预设色温阈值进行比较;
若最小的色温信息大于预设色温阈值,则确定光源为日光光源;
若最小的色温信息小于或等于预设色温阈值,则确定光源为非日光光源。
需要说明的是,在红外波段比值大于或等于预设的红外波段阈值(比如第一阈值或者第二阈值)的前提下,光源存在三种可能性,这时候红外波段比值(IR%)的范围是比较相似的,只通过IR%无法进行区分,此时还需要考虑色温传感器所输出的色温信息,以及从预先建立的对照表中查询出与该IR%对应的第一色温信息,这样可以从多个维度来区分光源,从而能够提高准确率。
具体来讲,在获得色温信息与第一色温信息之后,计算色温信息与第一色温信息之间的差值,然后将差值与预设差值阈值进行比较,如果差值大于或等于预设差值阈值,那么表明了光源为混合光源,比如钨丝灯与荧光灯的混合光源或者钨丝灯与LED的混合光源;如果差值小于预设差值阈值,那么表明了光源为纯色光源,比如日光光源或者钨丝灯光源;这时候还需要从色温信息和第一色温信息中选取最小的色温信息,然后将最小的色温信息与预设色温阈值进行比较;若最小的色温信息大于预设色温阈值(比如3000K),则确定光源为日光光源;若最小的色温信息小于或等于预设色温阈值,则确定光源为钨丝灯光源,即该光源为非日光光源。
示例性地,目前存在有两个典型场景容易错判:第一典型场景为室内属于高亮度且高CCT场景,由于颜色特征接近室外,而造成容易将其被错判成室外;但该场景的光源是荧光灯或者LED,其IR分量很少,通过本申请实施例的方法可以极大地纠正错判,并且保证判断成室内的正确率可达到99%左右。第二典型场景为室外属于低亮度的场景,比如接近傍晚的室外,这时候容易将其错判成室内;但是该场景的光源是日光,其IR分量很高,通过本申请实施例的方法可以较好地纠正错判,并且保证判断成室外的正确率可达到97%左右。
也就是说,本申请实施例的方法可以有效地修正原有白平衡算法中预设分类器(比如二分类器)存在室内/室外误判断的场景,提高室内/室外分类的准确率;尤其是室内光源为荧光灯或者LED,或者仅有室外的日光光源时,可以使得判断的准确率达到99%左右。这样,不仅调用了正确且合适的白平衡参数(假定白平衡参数包括室内参数和室外参数等两套参数),而且还能够更好地提前区分场景,使得调试人员可以在不增加额外参数去消除某些错判场景的影响,还不用增加额外参数去区分混淆场景或者混淆色,能够达到更好地、更稳定地、更加方便调试的白平衡算法的效果。
本实施例提供了一种白平衡校正方法,基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;根据红外波段比值、色温信息及初始置信度进行计算,获得目标置信度;当目标置信度小于预设阈值时,通过对初始分类结果的调整得到目标分类结果;根据目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正;这样,在对光源进行一次判断获得初始分类结果和初始置信度之后,还能够根据红外波段比值和色温信息对光源进行二次判断,可以有效修正一次判断后所存在的误判断场景,不仅能够更好地区分室内/室外的场景,还能够提高室内/室外判断的准确率,从而达到更好的、更稳定的白平衡效果,使得终端设备能够更好的色彩还原。
本申请的另一实施例中,参见图10,其示出了本申请实施例提供的一种目标置信度获取的详细流程示意图。如图10所示,该方法可以包括:
S501:获取预设分类器的初始分类结果和初始置信度;
需要说明的是,预设分类器可以是二分类器,也可以是支持向量机(SupportVector Machine,SVM)分类器;根据预设分类器,可以获得光源的初始分类结果和初始置信度。通常而言,初始置信度的取值为50%,但是本申请实施例不作具体限定。
S502:若初始分类结果为室内,执行步骤S503;
S503:将获取的红外波段比值与第一阈值进行比较;
S504:若红外波段比值不小于第一阈值,则根据红外波段比值和色温信息对光源进行判断;
S505:若判断光源为日光光源,则目标置信度等于初始置信度减去第一预设值;
S506:若判断光源为非日光光源,则目标置信度等于初始置信度加上第二预设值;
S507:若红外波段比值小于第一阈值,则目标置信度等于初始置信度加上第三预设值;
S508:获取初始分类结果为室内时的目标置信度;
需要说明的是,如果初始分类结果为室内(Indoor),这时候需要判断红外波段比值(用IR%表示)是否小于第一阈值(用THR1表示);如果IR%不小于THR1,即IR%大于或等于THR1,说明当前的光源具有一定IR分量,此时光源存在三种可能性,可能是日光光源,也可能是钨丝灯光源,也可能是混合光源(比如钨丝灯与荧光灯的混合光源或者钨丝灯与LED灯的混合光源);其中,日光光源属于室外,钨丝灯以及混合光源属于室内,这时候需要区分这三种可能性。由于钨丝灯光源的IR%最高,以及其对应的CCT为2850K左右,可以很容易地区分出钨丝灯光源;但是日光光源和混合光源的IR%值的范围是相似的,无法只通过IR%进行区分,此时需要加上CCT值;也就是说,根据红外波段比值和所述色温信息对光源进行判断,如果判断出光源为日光光源,则当前环境可能是室外,这时候需要执行步骤S505,目标置信度等初始置信度减去第一预设值(用X1%表示),即目标置信度可以为(50-X1)%;如果判断出光源为非日光光源,则当前环境可能是室内,这时候需要执行步骤S506,目标置信度等初始置信度加上第二预设值(用X2%表示),即目标置信度可以为(50+X2)%;此外,如果IR%小于THR1,说明了当前的光源中IR分量非常少,那么可以判断光源大概率是荧光灯或者LED灯,即大概率是室内场景,这时候执行S507,目标置信度等于初始置信度加上第三预设值(用X3%表示),即目标置信度可以为(50+X3)%;而且所得到的目标置信度越接近于100%,越能够确定为室内场景。如此,经过这些步骤后,可计算出初始分类结果为室内时的目标置信度(Confidence Level,CL)。
S509:若初始分类结果为室外,执行步骤S510;
S510:将获取的红外波段比值与第二阈值进行比较;
S511:若红外波段比值不小于第二阈值,则根据红外波段比值和色温信息对光源进行判断;
S512:若判断光源为日光光源,则目标置信度等于初始置信度加上第四预设值;
S513:若判断光源为非日光光源,则目标置信度等于初始置信度减去第五预设值;
S514:若红外波段比值小于第二阈值,则目标置信度等于初始置信度减去第六预设值;
S515:获取初始分类结果为室外时的目标置信度。
需要说明的是,如果初始分类结果为室外(Outdoor),这时候需要判断红外波段比值(用IR%表示)是否小于第二阈值(用THR2表示);如果IR%不小于THR2,即IR%大于或等于THR2,说明当前的光源具有一定IR分量,此时光源存在三种可能性,可能是日光光源,也可能是钨丝灯光源,也可能是混合光源(比如钨丝灯与荧光灯的混合光源或者钨丝灯与LED灯的混合光源);其中,日光光源属于室外,钨丝灯以及混合光源属于室内,这时候需要区分这三种可能性。根据红外波段比值和所述色温信息对光源进行判断,如果判断出光源为日光光源,则当前环境可能是室外,这时候需要执行步骤S512,目标置信度等初始置信度加上第四预设值(用X4%表示),即目标置信度可以为(50+X4)%;如果判断出光源为非日光光源,则当前环境可能是室内,这时候需要执行步骤S513,目标置信度等初始置信度减去第五预设值(用X5%表示),即目标置信度可以为(50-X5)%;此外,如果IR%小于THR2,说明了当前的光源中IR分量非常少,那么可以判断光源大概率是荧光灯或者LED灯,即大概率是室内场景,判断结果为室外的概率就非常低,这时候执行S514,目标置信度等于初始置信度减去第六预设值(用X6%表示),即目标置信度可以为(50-X6)%;这时候所得到的目标置信度越接近于0%,越能够确定为室内场景。如此,经过这些步骤后,可计算出初始分类结果为室外时的目标置信度(Confidence Level,CL)。
在确定出目标置信度(用CL表示)之后,可以根据该目标置信度来确定是否需要改变当前的判断结果。具体地,可以将目标置信度与预设阈值进行比较,该预设阈值是预先设定的用于判断初始分类结果是否可靠的判定值,预设阈值的设定比较小,可以为置信度最低阈值(用Y%表示);本申请实施例中,预设阈值可以设定为30%,但是本申请实施例不作具体限定。
其中,如果CL小于30%,那么初始分类结果不太可靠,这时候可以对初始分类结果进行调整,即若初始分类结果为室内,则调整后的目标分类结果为室外;若初始分类结果为室外,则调整后的目标分类结果为室内。如果CL大于或等于30%,那么初始分类结果是可靠的,这时候的目标分类结果可以维持初始分类结果,即若初始分类结果为室内,则目标分类结果也为室内;若初始分类结果为室外,则目标分类结果也为室外。
值得注意的是,预设阈值通常需要设定的比较小,这样,当目标置信度低于预设阈值时,可以确定当前的初始分类结果很不可靠,即大概率确定该初始分类结果属于误判的情况,这时候需要改变初始分类结果。也就是说,由于改变初始分类结果是一件具有风险的操作,因此需要在大概率确定误判的情况下,才会改变初始分类结果。而在中等的置信度区间内,如果不能确定是否误判的时候,这时候可以选择维持原来的初始分类结果。该过程可以看作是时域上的平滑机制,如此有利于保持白平衡算法的稳定性,避免了白平衡算法频繁切换的异常现象,同时还能够避免造成同一场景下的白平衡效果的不稳定。
参见图11,其示出了本申请实施例提供的一种白平衡校正方法的详细流程示意图。在图1的基础上,该详细流程增加了四个步骤:
S601:根据红外波段比值和色温信息对初始置信度进行计算,获得目标置信度;
S602:判断目标置信度是否小于预设阈值;
S603:若目标置信度大于或等于预设阈值,则目标分类结果为维持初始分类结果;
S604:若目标置信度小于预设阈值,则目标分类结果为调整初始分类结果。
也就是说,在增加色温传感器之后,通过色温传感器可以获得IR%和CCT;根据IR%和CCT可以计算出当前室内/室外初始分类结果的目标置信度;在目标置信度较低(即目标置信度小于预设阈值)的时候,改变初始分类结果,即修正较低置信度下的错判结果;这样,通过结合色温传感器进行辅助判断,不仅可以提高室内/室外判断的准确率,而且还可以达到更好的白平衡效果。
通过上述实施例,对前述实施例的具体实现进行了详细阐述,从中可以看出,通过前述实施例的技术方案,在对光源进行一次判断获得初始分类结果和初始置信度之后,还能够根据确定的红外波段比值和色温信息对光源进行二次判断,可以有效修正一次判断后所存在的误判断场景,不仅能够更好地区分室内/室外的场景,还能够提高室内/室外判断的准确率,从而达到更好的、更稳定的白平衡效果,使得终端设备能够更好的色彩还原。
基于前述实施例相同的发明构思,参见图12,其示出了本申请实施例提供的一种白平衡校正装置70的组成结构示意图。如图12所示,白平衡校正装置70可以包括:确定单元701、计算单元702、调整单元703和校正单元704,其中,
所述确定单元701,配置为基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;以及还配置为基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
所述计算单元702,配置为根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度;
所述调整单元703,配置为当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果;
所述校正单元704,配置为根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
在上述方案中,所述确定单元701,具体配置为将摄像头获取的图像数据输入预设分类器;以及通过所述预设分类器,输出光源的初始分类结果和初始置信度。
在上述方案中,所述确定单元701,具体配置为通过色温传感器获得光源中多个频谱波段各自对应的频谱通道值;以及基于所获得的频谱通道值,计算得到光源的红外波段比值和色温信息。
在上述方案中,参见图12,白平衡校正装置70还可以包括比较单元705和判断单元706,其中,
所述比较单元705,配置为当所述初始分类结果为室内时,将所述红外波段比值与第一阈值进行比较;
所述判断单元706,配置为当所述红外波段比值大于或等于所述第一阈值时,根据所述红外波段比值和所述色温信息对光源进行判断;
所述计算单元702,具体配置为若判断光源为日光光源,则将所述初始置信度与第一预设值进行相减运算,得到所述目标置信度;以及若判断光源为非日光光源,则将所述初始置信度与第二预设值进行相加运算,得到所述目标置信度。
在上述方案中,所述计算单元702,还配置为当所述红外波段比值小于所述第一阈值时,将所述初始置信度与第三预设值进行相加运算,得到所述目标置信度。
在上述方案中,所述比较单元705,还配置为当所述初始分类结果为室外时,将所述红外波段比值与第二阈值进行比较;
所述判断单元706,还配置为当所述红外波段比值大于或等于所述第二阈值时,根据所述红外波段比值和所述色温信息对光源进行判断;
所述计算单元702,具体配置为若判断光源为日光光源,则将所述初始置信度与第四预设值进行相加运算,得到所述目标置信度;以及若判断光源为非日光光源,则将所述初始置信度与第五预设值进行相减运算,得到所述目标置信度。
在上述方案中,所述计算单元702,还配置为当所述红外波段比值小于所述第二阈值时,将所述初始置信度与第六预设值进行相减计算,得到所述目标置信度。
在上述方案中,所述调整单元703,具体配置为当所述目标置信度小于所述预设阈值时,对所述初始分类结果进行调整,确定出所述目标分类结果;其中,若所述初始分类结果为室内,则确定所述目标分类结果为室外;若所述初始分类结果为室外,则确定所述目标分类结果为室内。
在上述方案中,参见图12,白平衡校正装置70还可以包括维持单元707,配置为当所述目标置信度大于或等于所述预设阈值时,确定所述目标分类结果为维持所述初始分类结果;其中,若初始分类结果为室内,则确定所述目标分类结果为室内;若初始分类结果为室外,则确定所述目标分类结果为室外。
在上述方案中,所述校正单元704,具体配置为若所述目标分类结果为室内,则调用室内参数,并从所述室内参数中获得目标白平衡参数,根据所述目标白平衡参数对图像数据进行白平衡校正;以及若所述目标分类结果为室外,则调用室外参数,并从所述室外参数中获得目标白平衡参数,根据所述目标白平衡参数对图像数据进行白平衡校正。
在上述方案中,参见图12,白平衡校正装置70还可以包括查询单元708,配置为根据所述红外波段比值,从预先建立的对照表中查询出与所述红外波段比值对应的第一色温信息;
所述判断单元706,具体配置为根据所述色温信息以及查询得到的第一色温信息对光源进行判断。
在上述方案中,所述判断单元706,具体配置为计算所述色温信息与所述第一色温信息之间的差值;以及当所述差值小于预设差值阈值时,从所述色温信息和所述第一色温信息中选取最小的色温信息;以及将所述最小的色温信息与预设色温阈值进行比较;以及若所述最小的色温信息大于预设色温阈值,则确定光源为日光光源;若所述最小的色温信息小于或等于预设色温阈值,则确定光源为非日光光源。
可以理解地,在本实施例中,“单元”可以是部分电路、部分处理器、部分程序或软件等等,当然也可以是模块,还可以是非模块化的。而且在本实施例中的各组成部分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模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,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,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,本实施例提供了一种计算机存储介质,该计算机存储介质存储有白平衡校正程序,所述白平衡校正程序被至少一个处理器执行时实现前述实施例中任一项所述的方法。
基于上述白平衡校正装置70的组成以及计算机存储介质,参见图13,其示出了本申请实施例提供的白平衡校正装置70的具体硬件结构,可以包括:通信接口801、存储器802和处理器803;各个组件通过总线系统804耦合在一起。可理解,总线系统804用于实现这些组件之间的连接通信。总线系统804除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图13中将各种总线都标为总线系统804。其中,通信接口801,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
存储器802,用于存储能够在处理器803上运行的计算机程序;
处理器803,用于在运行所述计算机程序时,执行:
基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;
基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度;
当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果;
根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
可以理解,本申请实施例中的存储器802可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的系统和方法的存储器802旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器803可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器803中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器803可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器802,处理器803读取存储器802中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本申请描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits,ASIC)、数字信号处理器(Digital SignalProcessing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。对于软件实现,可通过执行本申请所述功能的模块(例如过程、函数等)来实现本申请所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可选地,作为另一个实施例,处理器803还配置为在运行所述计算机程序时,执行前述实施例中任一项所述的方法的步骤。
本申请实施例中的终端设备可以以各种形式来实施。例如,该终端设备可以包括诸如智能手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal DigitalAssistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、数码相机、摄像机等移动终端,以及诸如数字TV、台式计算机等固定终端。参见图14,其示出了本申请实施例提供的一种终端设备的组成结构示意图。如图14所示,终端设备90至少可以包括前述实施例中任一项所述的白平衡校正装置70。
需要说明的是,在本申请中,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。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (16)
1.一种白平衡校正方法,其特征在于,所述方法包括:
基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;
基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度;
当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果;
根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
2.根据权利要求1所述的方法,其特征在于,所述基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度,包括:
将摄像头获取的图像数据输入预设分类器;
通过所述预设分类器,输出光源的初始分类结果和初始置信度。
3.根据权利要求1所述的方法,其特征在于,所述基于色温传感器获取的数据,确定光源的红外波段比值和色温信息,包括:
通过色温传感器获得光源中多个频谱波段各自对应的频谱通道值;
基于所获得的频谱通道值,计算得到光源的红外波段比值和色温信息。
4.根据权利要求1所述的方法,其特征在于,当所述初始分类结果为室内时,所述根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度,包括:
将所述红外波段比值与第一阈值进行比较;
当所述红外波段比值大于或等于所述第一阈值时,根据所述红外波段比值和所述色温信息对光源进行判断;
若判断光源为日光光源,则将所述初始置信度与第一预设值进行相减运算,得到所述目标置信度;
若判断光源为非日光光源,则将所述初始置信度与第二预设值进行相加运算,得到所述目标置信度。
5.根据权利要求4所述的方法,其特征在于,在所述将所述红外波段比值与第一阈值进行比较之后,所述方法还包括:
当所述红外波段比值小于所述第一阈值时,将所述初始置信度与第三预设值进行相加运算,得到所述目标置信度。
6.根据权利要求1所述的方法,其特征在于,当所述初始分类结果为室外时,所述根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度,包括:
将所述红外波段比值与第二阈值进行比较;
当所述红外波段比值大于或等于所述第二阈值时,根据所述红外波段比值和所述色温信息对光源进行判断;
若判断光源为日光光源,则将所述初始置信度与第四预设值进行相加运算,得到所述目标置信度;
若判断光源为非日光光源,则将所述初始置信度与第五预设值进行相减运算,得到所述目标置信度。
7.根据权利要求6所述的方法,其特征在于,在所述将所述红外波段比值与第二阈值进行比较之后,所述方法还包括:
当所述红外波段比值小于所述第二阈值时,将所述初始置信度与第六预设值进行相减计算,得到所述目标置信度。
8.根据权利要求1所述的方法,其特征在于,所述当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果,包括:
当所述目标置信度小于所述预设阈值时,对所述初始分类结果进行调整,确定出所述目标分类结果;其中,
若所述初始分类结果为室内,则确定所述目标分类结果为室外;
若所述初始分类结果为室外,则确定所述目标分类结果为室内。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述目标置信度大于或等于所述预设阈值时,确定所述目标分类结果为维持所述初始分类结果;其中,
若初始分类结果为室内,则确定所述目标分类结果为室内;
若初始分类结果为室外,则确定所述目标分类结果为室外。
10.根据权利要求1所述的方法,其特征在于,所述根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正,包括:
若所述目标分类结果为室内,则调用室内参数,并从所述室内参数中获得目标白平衡参数,根据所述目标白平衡参数对图像数据进行白平衡校正;
若所述目标分类结果为室外,则调用室外参数,并从所述室外参数中获得目标白平衡参数,根据所述目标白平衡参数对图像数据进行白平衡校正。
11.根据权利要求4或6所述的方法,其特征在于,所述根据所述红外波段比值和所述色温信息对光源进行判断,包括:
根据所述红外波段比值,从预先建立的对照表中查询出与所述红外波段比值对应的第一色温信息;
根据所述色温信息以及查询得到的第一色温信息对光源进行判断。
12.根据权利要求11所述的方法,其特征在于,所述根据所述色温信息以及查询得到的第一色温信息对光源进行判断,包括:
计算所述色温信息与所述第一色温信息之间的差值;
当所述差值小于预设差值阈值时,从所述色温信息和所述第一色温信息中选取最小的色温信息;
将所述最小的色温信息与预设色温阈值进行比较;
若所述最小的色温信息大于预设色温阈值,则确定光源为日光光源;
若所述最小的色温信息小于或等于预设色温阈值,则确定光源为非日光光源。
13.一种白平衡校正装置,其特征在于,所述白平衡校正装置包括确定单元、计算单元、调整单元和校正单元,其中,
所述确定单元,配置为基于摄像头获取的图像数据,确定光源的初始分类结果和初始置信度;以及还配置为基于色温传感器获取的数据,确定光源的红外波段比值和色温信息;
所述计算单元,配置为根据所述红外波段比值、所述色温信息及所述初始置信度进行计算,获得目标置信度;
所述调整单元,配置为当所述目标置信度小于预设阈值时,通过对所述初始分类结果的调整得到目标分类结果;
所述校正单元,配置为根据所述目标分类结果确定目标白平衡参数,并根据所确定的目标白平衡参数对图像数据进行白平衡校正。
14.一种白平衡校正装置,其特征在于,所述白平衡校正装置包括存储器和处理器;其中,
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行如权利要求1至12任一项所述的方法。
15.一种计算机存储介质,其特征在于,所述计算机存储介质存储有白平衡校正程序,所述白平衡校正程序被至少一个处理器执行时实现如权利要求1至12任一项所述的方法。
16.一种终端设备,其特征在于,所述终端设备至少包括如权利要求13或14所述的白平衡校正装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174624.4A CN112866656B (zh) | 2019-11-26 | 2019-11-26 | 一种白平衡校正方法、装置、存储介质及终端设备 |
PCT/CN2020/131682 WO2021104352A1 (zh) | 2019-11-26 | 2020-11-26 | 一种白平衡校正方法、装置、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174624.4A CN112866656B (zh) | 2019-11-26 | 2019-11-26 | 一种白平衡校正方法、装置、存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866656A CN112866656A (zh) | 2021-05-28 |
CN112866656B true CN112866656B (zh) | 2022-05-31 |
Family
ID=75984765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174624.4A Active CN112866656B (zh) | 2019-11-26 | 2019-11-26 | 一种白平衡校正方法、装置、存储介质及终端设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112866656B (zh) |
WO (1) | WO2021104352A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115633260A (zh) * | 2021-08-12 | 2023-01-20 | 荣耀终端有限公司 | 一种色度信息的确定方法及相关电子设备 |
CN113676663B (zh) * | 2021-08-13 | 2023-07-18 | 驭新智行科技(宁波)有限公司 | 相机白平衡调整方法、装置、存储介质及终端设备 |
CN115802018A (zh) * | 2021-09-08 | 2023-03-14 | 广州视源电子科技股份有限公司 | 白平衡自动校正方法、装置和计算机设备 |
US20230070353A1 (en) * | 2021-09-09 | 2023-03-09 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
JP2023161376A (ja) * | 2022-04-25 | 2023-11-07 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN114596593B (zh) * | 2022-05-10 | 2022-07-29 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于图像处理的养生数据推荐方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935903A (zh) * | 2014-03-18 | 2015-09-23 | 韩华泰科株式会社 | 白平衡校正设备和白平衡校正方法 |
CN105187810A (zh) * | 2014-11-11 | 2015-12-23 | 怀效宁 | 一种基于人脸色彩特征的自动白平衡方法及电子媒体装置 |
CN108063891A (zh) * | 2017-12-07 | 2018-05-22 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7869019B2 (en) * | 2007-04-06 | 2011-01-11 | Sony Corporation | Device, method, and program for estimating light source |
US8026954B2 (en) * | 2007-04-10 | 2011-09-27 | Aricent Inc. | System and computer-readable medium for automatic white balancing |
US8357899B2 (en) * | 2010-07-30 | 2013-01-22 | Aptina Imaging Corporation | Color correction circuitry and methods for dual-band imaging systems |
CN104113743B (zh) * | 2013-04-18 | 2017-09-15 | 深圳中兴力维技术有限公司 | 低照度下彩色摄像机自动白平衡处理方法及装置 |
US9756222B2 (en) * | 2013-06-26 | 2017-09-05 | Nvidia Corporation | Method and system for performing white balancing operations on captured images |
KR102281256B1 (ko) * | 2014-12-04 | 2021-07-23 | 삼성전자주식회사 | 화이트 밸런스 제어 방법 및 그 전자 장치 |
JP6563751B2 (ja) * | 2015-09-09 | 2019-08-21 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 画像処理装置及び画像処理方法 |
US9762878B2 (en) * | 2015-10-16 | 2017-09-12 | Google Inc. | Auto white balance using infrared and/or ultraviolet signals |
JP6734647B2 (ja) * | 2015-12-23 | 2020-08-05 | マクセル株式会社 | 撮像装置 |
CN105898264B (zh) * | 2016-05-26 | 2018-02-02 | 努比亚技术有限公司 | 一种图像处理方式的获取设备和方法 |
CN106488209A (zh) * | 2016-09-29 | 2017-03-08 | 杭州雄迈集成电路技术有限公司 | 一种基于红外环境的rgb‑ir图像传感器的颜色校正方法 |
CN108024106B (zh) * | 2016-11-04 | 2019-08-23 | 上海富瀚微电子股份有限公司 | 支持rgbir和rgbw格式的颜色校正装置及方法 |
CN107801012B (zh) * | 2017-10-30 | 2019-05-17 | Oppo广东移动通信有限公司 | 白平衡处理方法及装置、电子装置和计算机可读存储介质 |
CN109729332B (zh) * | 2018-12-12 | 2021-06-15 | 珠海亿智电子科技有限公司 | 一种自动白平衡矫正方法和系统 |
CN109714582B (zh) * | 2019-01-04 | 2021-08-06 | Oppo广东移动通信有限公司 | 白平衡调整方法、装置、存储介质及终端 |
CN111163302B (zh) * | 2019-12-24 | 2022-02-15 | Oppo广东移动通信有限公司 | 一种场景颜色还原方法及终端、存储介质 |
-
2019
- 2019-11-26 CN CN201911174624.4A patent/CN112866656B/zh active Active
-
2020
- 2020-11-26 WO PCT/CN2020/131682 patent/WO2021104352A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935903A (zh) * | 2014-03-18 | 2015-09-23 | 韩华泰科株式会社 | 白平衡校正设备和白平衡校正方法 |
CN105187810A (zh) * | 2014-11-11 | 2015-12-23 | 怀效宁 | 一种基于人脸色彩特征的自动白平衡方法及电子媒体装置 |
CN108063891A (zh) * | 2017-12-07 | 2018-05-22 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112866656A (zh) | 2021-05-28 |
WO2021104352A1 (zh) | 2021-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112866656B (zh) | 一种白平衡校正方法、装置、存储介质及终端设备 | |
US10542243B2 (en) | Method and system of light source estimation for image processing | |
US9826210B2 (en) | Identifying gray regions for auto white balancing | |
CN104796683B (zh) | 一种校准图像色彩的方法和系统 | |
KR102281256B1 (ko) | 화이트 밸런스 제어 방법 및 그 전자 장치 | |
EP3363196B1 (en) | Auto white balance using infrared and ultraviolet signals | |
US20180315166A1 (en) | Depth assisted auto white balance | |
US20060132870A1 (en) | Image processing apparatus, method, and computer program | |
JP2020506414A (ja) | 画面輝度に基づいて色温度を調節する方法、非一時的コンピュータ可読記憶媒体および端末装置 | |
WO2021103954A1 (zh) | 一种光源信息的确定方法、装置、电子设备和存储介质 | |
CN111936833A (zh) | 使用环境颜色传感器的校准亮度估计 | |
US11687316B2 (en) | Audio based image capture settings | |
US20220329769A1 (en) | Auto White Balance Adjusting Method and Auto White Balance Adjusting System for Calibrating Images by Using Dual Color Spaces | |
TW202126025A (zh) | 日夜模式切換方法及其監控攝影設備 | |
CN113793291A (zh) | 一种图像融合方法、装置、电子设备及存储介质 | |
US20080079749A1 (en) | White balance method for image processing | |
CN113473101B (zh) | 一种色彩校正方法、装置、电子设备和存储介质 | |
US9369685B2 (en) | Mobile electronic device having camera with improved auto white balance | |
CN115052397A (zh) | 一种灯具的调光方法、装置和灯具 | |
CN113766206A (zh) | 一种白平衡调整方法、装置及存储介质 | |
EP2362661B1 (en) | Mobile electronic device having a camera with improved auto white balance | |
CN115514947B (zh) | 一种ai自动白平衡的算法和电子设备 | |
US10321110B2 (en) | Method and apparatus for image processing | |
CN116261049A (zh) | 一种相机参数校准方法、装置、计算机设备及存储介质 | |
JP2011040856A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム |
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 |