CN114071107B - 基于融合聚类分析与色温曲线的自动白平衡方法及装置 - Google Patents
基于融合聚类分析与色温曲线的自动白平衡方法及装置 Download PDFInfo
- Publication number
- CN114071107B CN114071107B CN202010795393.5A CN202010795393A CN114071107B CN 114071107 B CN114071107 B CN 114071107B CN 202010795393 A CN202010795393 A CN 202010795393A CN 114071107 B CN114071107 B CN 114071107B
- Authority
- CN
- China
- Prior art keywords
- color temperature
- light source
- weight
- gain
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 14
- 230000004927 fusion Effects 0.000 title claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 24
- 230000004438 eyesight Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 239000003086 colorant Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 3
- 230000016776 visual perception Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000019646 color tone Nutrition 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
Abstract
本发明提供基于融合聚类分析与色温曲线的自动白平衡方法,所述方法包括以下步骤:S1,获取视频画面的图像,实验室灯箱环境或者室内外的实际场景,保证图像亮度处于人眼视觉的程度;S2,对每个像素位置,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain;如公式:r=R*Rgain;b=B*Bgain;其中r为校正后的红色通道值,b为校正后的蓝色通道值;Rgain和Bgain为全局增益,即整幅图像的每个像素的红色增益相同,蓝色增益相同;S3,针对步骤S2中出现的不符合校正条件的场景,采用通过实验室标准D50光源所对应的Rgain和Bgain作为全局白平衡增益。及其装置,包括:图像获取单元、黑电平和镜头校正单元、去马赛克单元、自动白平衡校正单元和图像输出单元。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及基于融合聚类分析与色温曲线的自动白平衡方法及装置。
背景技术
近年来,随着科技的飞速发展,图像处理领域中色温是表示光线中包含颜色成分的一个计量单位。从理论上说,黑体温度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,黑体发出的光所含的光谱成分,就称为这一温度下的色温,计量单位为“K”(开尔文)。利用自然光拍摄时,由于不同时间段光线的色温并不相同,因此拍摄出来的照片色彩也并不相同。例如,在晴朗的蓝天下拍摄时,由于光线的色温较高,因此照片偏冷色调;而如果在黄昏时拍摄时,由于光线的色温较低,因此照片偏暖色调。利用人工光线进行拍摄时,也会出现光源类型不同,拍摄出来的照片色调不同的情况。人眼及大脑对色温有一定的生理和心理的自适应性,所以看到的颜色受色温偏移的影响较小,而摄像机镜头没有这种能力,所以拍出来的照片不经过白平衡处理的话,和人眼看到的颜色会有较大的偏差。
白平衡指在任何拍摄场景的光源下,都能将白色的物体还原为白色。相机的白平衡控制,就是相机在不同的光线环境中把白色的物体拍出来的相片尽可能还原为标准的白色,其实就是为了使相片不发生偏色的过程。自动白平衡,是依赖数码相机里的测色温系统,测出红光和蓝光的相对比例。再依据次数据调整曝光,产生红、绿、蓝电信号的增益。自动白平衡最大的优势是:简单、快洁。但有时按它的调整拍摄离准确的色彩还原还相距甚远。
目前自动白平衡算法种类很多,通常是利用灰度和白色世界法,统计出灰色点和白色点,然后计算红色增益和蓝色增益。
然而,现有技术中存在以下缺陷:
1、当镜头画面中存在肤色、绿色等干扰色,由于其接近常见光源,影响白平衡计算校正值的准确度,使得白色出现微偏色。
2、混合光源下白平衡校正不符合人眼的直接感觉。现有自动白平衡算法根据统计来计算白平衡,当环境中同时存在多个光源时,会存在不同的校正数值,导致均衡后的校正值作用到图像后,仍不符合人眼视觉。
此外,现有技术中的常用术语如下:
聚类分析:将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。
光源:广义地讲,一切能在可见光波长范围内辐射电磁波的东西都可以称为光源;狭义地讲,是指照明,能在可见光整个波段范围内能提供较均匀分布的光能辐射体才是光源。
色温:在任何温度下能完全吸收照射其上辐射能的物体称之为黑体。对于一定温度的黑体,必须有一定的光谱分布功率对应,一定的光谱分布又对应一定的颜色。人们将一黑体加热到不同温度所发出的光色来表达一个光源的颜色,叫做一个光源的颜色温度,简称色温。色温通常用开尔文温度(K)来表示,而不是用摄氏温度单位。例如:光源的颜色与黑体加热到6500K所发出的光色相同,则此光源的色温就是6500K。色温常用等热力温标表示,也就是常说的“开尔文”(符号K)。
白平衡:其基本概念是“不管在任何光源下,都能将白色物体还原为白色”,对在特定光源下拍摄时出现的偏色现象,通过加强对应的补色来进行补偿。白平衡是一个很抽象的概念,最通俗的理解就是让白色所成的像依然为白色,如果白是白,那其他景物的影像就会接近人眼的色彩视觉习惯。
发明内容
本方法旨在解决在肤色、绿色等干扰色对白平衡校正的影响;解决混合光源场景的白平衡校正的适应性,使镜头画面更符合人眼视觉的感受的问题。
具体地,本发明提供基于融合聚类分析与色温曲线的自动白平衡方法,所述方法包括以下步骤:
S1,获取视频画面的图像,实验室灯箱环境或者室内外的实际场景,保证图像亮度处于人眼视觉的程度;
S2,对每个像素位置,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain;如公式:
r=R*Rgain;
b=B*Bgain;
其中r为校正后的红色通道值,b为校正后的蓝色通道值;Rgain和Bgain为全局增益,即整幅图像的每个像素的红色增益相同,蓝色增益相同;
S3,针对步骤S2中出现的不符合校正条件的场景,采用通过实验室标准D50光源所对应的Rgain和Bgain作为全局白平衡增益。
所述的步骤S2中红色增益Rgain和蓝色增益Bgain的获取方法是根据当前图像的红绿蓝三个通道的统计数据,通过色温权重表获取对应权重值,并利用聚类分析的方法均衡偏差较大的数据簇即混合光源或者干扰色存在的场景图像,然后利用加权平均法计算得到。
所述的步骤S2中红色增益Rgain和蓝色增益Bgain的获取方法,进一步包括:
S2.1,统计六边形区域内的M*N个块的红色通道、绿色通道和蓝色通道的三组亮度所对应的和,通过亮度权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum;
S2.2,根据计算得到M*N个块的Rg和Bg,通过色温权重分别计算相对应的权重Weight1;
S2.3,根据步骤S2.2计算得到的权重Weight1,通过聚类分析法进行分类衰减,得到符合人眼视觉感受的色温校正画面;
S2.4,对M*N个块通过加权平均的方法,计算得到一组Rgain和Bgain的全局白平衡增益;
S2.5,对图像每个像素白平衡校正,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain。
所述步骤S2.1进一包括:
S2.1.1,将图像均分成M*N个块,其中M代表图像的高度,N代表图像的宽度;
S2.1.2,通过六边形的方框对每个像素进行阈值筛选,所述六边形的限定条件:
Rg_min≤Rg≤Rg_max;
Bg_min≤Bg≤Bg_max;
a1≤-k1*Rg+b1;
a2≥-k2*Rg+b2;
其中,k1和k2是斜率,b1和b2是直线与Bg轴的交点,a1和a2是设置参数阈值;
S2.1.3,为了降低过暗区噪声和过曝光区对统计值的影响,通过三段Y1、Y2和Y3亮度进行统计;
S2.1.4,通过上述步骤筛选出的符合较优白点,然后分别统计M*N个块内的红色通道R像素的三组亮度所对应的和RsumY1、RsumY2和RsumY3,绿色通道G像素的三组亮度所对应的和GsumY1、GsumY2和GsumY3、蓝色通道B像素的三组亮度所对应的和BsumY1、BsumY2和BsumY3;
通过亮度权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum:
Rsum=(RsumY1*W1+RsumY2*W2+RsumY3*W3)/N;
Gsum=(GsumY1*W1+GsumY2*W2+GsumY3*W3)/N;
Bsum=(BsumY1*W1+BsumY2*W2+BsumY3*W3)/N;
其中N为常数,且W1≤N,W2≤N和W3≤N;
最后计算M*N个块内的Rg和Bg比值如下式:
Rg=Rsum/Gsum;
Bg=Bsum/Gsum。
所述步骤S2.2所述色温权重表通过前期标定得到,具体方法包括以下步骤:
S2.2.1,在灯箱环境中,拍摄不同光源下的标准爱色丽24色色卡的图像;
S2.2.2,统计在光源下爱色丽24色色卡的第20、21、22号色块的RGB三通道的和光源Rsum、光源Gsum和光源Bsum,计算光源Rg和Bg比值;
S2.2.3,根据所有测试的光源Rg和Bg比值,建立拟合色温曲线;
S2.2.4,针对包含色温曲线的限制范围Rg_min≤Rg≤Rg_max,Bg_min≤Bg≤Bg_max,建立均分m*n的二维色温权重表,其中权重表位于色温曲线上时,权重为256,其他位置的权重值通过高斯低通函数计算得到,且权重范围0至256。
所述光源包括常见光源H光源、A光源、U30光源、TL84光源、D50光源、D65光源和CWF光源。
所述的步骤S2.3进一步包括:
S2.3.1,在色温权重表的基础上,采用初始聚类簇,具体步骤是统计以2*2为单元范围内的白点数据,包括Rg、Bg、个数,共有m*n组数据单元;以数据白点个数排序,筛选最大值范围内N1个数据单元;对筛选的单元块计算中心点和四个角点作为初始聚类点;合并相同的聚类点;
S2.3.2,以均值聚类的方法,通过以聚类点为圆心且第一阈值半径rc1的圆,迭代计算寻找密集聚类簇;
S2.3.3,对S2.3.2中得到的聚类簇,以包含白点数从多到少进行排序,筛选出前90%的聚类簇,合并聚类点距离小于第二阈值rc2的聚类簇,是以需要合并的聚类簇的Rg、Bg和数量,进行加权平均法计算得到合并后的聚类簇;
S2.3.4,统计S2.3.3中所有聚类点范围内的数据,是以聚类点为圆心且第三阈值半径rc3的圆内,统计所有白点数据,包括Rg、Bg、个数、色温表内的权重和;
S2.3.5,计算聚类簇的衰减权重,对步骤S2.3.4的数据,首先计算每个聚类簇的均值权重如下:
均值权重=权重和/个数;
然后计算以最大数衰减的权重如下:
衰减权重=聚类簇内个数/聚类簇内最大数;
S2.3.6,计算M*N分块的最终权重,是计算以块数据为圆心且第四阈值半径rc4的圆内的聚类簇衰减权重均值,则最终权重=当前块的衰减权重均值/最大衰减权重均值。
本申请还包括基于融合聚类分析与色温曲线的自动白平衡的装置,所述装置应用上述任一方法。
所述装置包括:图像获取单元、黑电平和镜头校正单元、去马赛克单元、自动白平衡校正单元和图像输出单元。
由此,本申请的优势在于:
1、为了更准确的获取白点的统计,降低非白点对白平衡增益的影响,降低过暗区噪声和过曝光区对统计值的影响,本方法通过六边形的方框对每个像素进行阈值筛选,基于六边形区域统计三段Y1、Y2和Y3亮度,以权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum。
2、基于色温曲线计算的色温权重表,结合聚类分析的方法,优化混合光源或者干扰色对白平衡校正的准确度。本方法在色温权重表的基础上,采用优选的初始聚类簇,减少算法的计算复杂度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。
图1是本发明方法的流程示意图。
图2是本发明方法的步骤S2中红色增益Rgain和蓝色增益Bgain的获取方法的流程示意图。
图3是本发明方法的步骤S2.1.2中六边形的方框对每个像素进行阈值筛选过程中六边形的限定条件的示意图。
图4是本发明方法的步骤S2.2.3中建立的拟合色温曲线。
图5是本发明方法的步骤S2.3所描述的示意图。
图6是本发明装置的示意图。
具体实施方式
为了能够更清楚地理解本发明的技术内容及优点,现结合附图对本发明进行进一步的详细说明。
如图1所示,本发明涉及一种基于融合聚类分析与色温曲线的自动白平衡方法,所述方法包括以下步骤:
S1,获取视频画面的图像,实验室灯箱环境或者室内外的实际场景,保证图像亮度处于人眼视觉的程度,不易过暗和过亮;
S2,对每个像素位置,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain;如公式:
r=R*Rgain;
b=B*Bgain;
其中r为校正后的红色通道值,b为校正后的蓝色通道值;Rgain和Bgain为全局增益,即整幅图像的每个像素的红色增益相同,蓝色增益相同;
S3,针对步骤S2中出现的不符合校正条件的场景,采用通过实验室标准D50光源所对应的Rgain和Bgain作为全局白平衡增益。
所述的步骤S2中红色增益Rgain和蓝色增益Bgain的获取方法是根据当前图像的红绿蓝三个通道的统计数据,通过色温权重表获取对应权重值,并利用聚类分析的方法均衡偏差较大的数据簇即混合光源或者干扰色存在的场景图像,然后利用加权平均法计算得到。
如图2所示,所述的步骤S2中红色增益Rgain和蓝色增益Bgain的获取方法,进一步包括:
S2.1,统计六边形区域内的M*N个块的红色通道、绿色通道和蓝色通道的三组亮度所对应的和,通过亮度权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum;
S2.2,根据计算得到M*N个块的Rg和Bg,通过色温权重分别计算相对应的权重Weight1;
S2.3,根据步骤S2.2计算得到的权重Weight1,通过聚类分析法进行分类衰减,得到符合人眼视觉感受的色温校正画面;
S2.4,对M*N个块通过加权平均的方法,计算得到一组Rgain和Bgain的全局白平衡增益;
S2.5,对图像每个像素白平衡校正,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain。
所述步骤S2.1进一包括:
S2.1.1,为了解决硬件的实现简易程度,将图像均分成M*N个块,其中M代表图像的高度,N代表图像的宽度;
S2.1.2,为了更准确的获取白点的统计,降低非白点对白平衡增益的影响,通过六边形的方框对每个像素进行阈值筛选,所述六边形的限定条件:
Rg_min≤Rg≤Rg_max;
Bg_min≤Bg≤Bg_max;
a1≤-k1*Rg+b1;
a2≥-k2*Rg+b2;
其中,k1和k2是斜率,b1和b2是直线与Bg轴的交点,a1和a2是设置参数阈值。
如图3所示,1-1是Rg_min,1-2是Rg_max,1-3是Bg_min,1-4是Bg_max,1-5是-k1*Rg+b1,1-6是-k2*Rg+b2。
S2.1.3,为了降低过暗区噪声和过曝光区对统计值的影响,通过三段Y1、Y2和Y3亮度进行统计;
S2.1.4,通过上述步骤筛选出的符合较优白点,然后分别统计M*N个块内的红色通道R像素的三组亮度所对应的和RsumY1、RsumY2和RsumY3,绿色通道G像素的三组亮度所对应的和GsumY1、GsumY2和GsumY3、蓝色通道B像素的三组亮度所对应的和BsumY1、BsumY2和BsumY3;
通过亮度权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum:
Rsum=(RsumY1*W1+RsumY2*W2+RsumY3*W3)/N;
Gsum=(GsumY1*W1+GsumY2*W2+GsumY3*W3)/N;
Bsum=(BsumY1*W1+BsumY2*W2+BsumY3*W3)/N;
其中N为常数,且W1≤N,W2≤N和W3≤N;
最后计算M*N个块内的Rg和Bg比值如下式:
Rg=Rsum/Gsum;
Bg=Bsum/Gsum。
所述步骤S2.2所述色温权重表通过前期标定得到,具体方法包括以下步骤:
S2.2.1,在灯箱环境中,拍摄不同光源下的标准爱色丽24色色卡的图像,包括H光源、A光源、U30光源、TL84光源、D50光源、D65光源和CWF光源等常用光源;
S2.2.2,统计在H光源下爱色丽24色色卡的第20、21、22号色块的RGB三通道的和HRsum、HGsum和HBsum,计算HRg和HBg比值;H光源、U30光源、TL84光源、D50光源、D65光源和CWF光源的Rg和Bg比值计算方法,同步骤S2.2.2所述。
S2.2.3,根据所有测试的光源Rg和Bg比值,建立拟合色温曲线如图4所示;
S2.2.4,针对包含色温曲线的限制范围Rg_min≤Rg≤Rg_max,Bg_min≤Bg≤Bg_max,建立均分m*n的二维色温权重表,其中权重表位于色温曲线上时,权重为256,其他位置的权重值通过高斯低通函数计算得到,且权重范围0至256。
如图5所示,所述的步骤S2.3进一步包括:
S2.3.1,不考虑算法的复杂度,初始选定m*n个聚类点,即完全以色温权重表的点数,但实际运行时将耗用较多时间,不利于视频画面的白平衡。故本方法在色温权重表的基础上,采用优选的初始聚类簇,具体步骤是统计以2*2为单元范围内的白点数据,包括Rg、Bg、个数,共有m*n组数据单元;以数据白点个数排序,筛选最大值范围内N1个数据单元;对筛选的单元块计算中心点和四个角点作为初始聚类点;合并相同的聚类点;
S2.3.2,以均值聚类的方法,通过以聚类点为圆心且第一阈值半径rc1的圆,迭代计算寻找密集聚类簇;
S2.3.3,对S2.3.2中得到的聚类簇,以包含白点数从多到少进行排序,筛选出前90%的聚类簇,合并聚类点距离小于第二阈值rc2的聚类簇,是以需要合并的聚类簇的Rg、Bg和数量,进行加权平均法计算得到合并后的聚类簇;
S2.3.4,统计S2.3.3中所有聚类点范围内的数据,是以聚类点为圆心且第三阈值半径rc3的圆内,统计所有白点数据,包括Rg、Bg、个数、色温表内的权重和;
S2.3.5,计算聚类簇的衰减权重,对步骤S2.3.4的数据,首先计算每个聚类簇的均值权重如下:
均值权重=权重和/个数;
然后计算以最大数衰减的权重如下:
衰减权重=聚类簇内个数/聚类簇内最大数;
S2.3.6,计算M*N分块的最终权重,是计算以块数据为圆心且第四阈值半径rc4的圆内的聚类簇衰减权重均值,则最终权重=当前块的衰减权重均值/最大衰减权重均值。
如图6所示,本申请还包括基于融合聚类分析与色温曲线的自动白平衡的装置,所述装置应用上述任一方法。所述装置包括:图像获取单元、黑电平和镜头校正单元、去马赛克单元、自动白平衡校正单元和图像输出单元。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于融合聚类分析与色温曲线的自动白平衡方法,其特征在于,所述方法包括以下步骤:
S1,获取视频画面的图像,实验室灯箱环境或者室内外的实际场景,保证图像亮度处于人眼视觉的程度;
S2,对每个像素位置,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain;如公式:
r=R*Rgain;
b=B*Bgain;
其中r为校正后的红色通道值,b为校正后的蓝色通道值;Rgain和Bgain为全局增益,即整幅图像的每个像素的红色增益相同,蓝色增益相同;所述的步骤S2中红色增益Rgain和蓝色增益Bgain的获取方法是根据当前图像的红绿蓝三个通道的统计数据,通过色温权重表获取对应权重值,并利用聚类分析的方法均衡偏差较大的数据簇即混合光源或者干扰色存在的场景图像,然后利用加权平均法计算得到;
所述红色增益Rgain和蓝色增益Bgain的获取方法,进一步包括:
S2.1,统计六边形区域内的M*N个块的红色通道、绿色通道和蓝色通道的三组亮度所对应的和,通过亮度权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum;
S2.2,根据计算得到M*N个块的Rg和Bg,通过色温权重分别计算相对应的权重Weight1;
S2.3,根据步骤S2.2计算得到的权重Weight1,通过聚类分析法进行分类衰减,得到符合人眼视觉感受的色温校正画面;
所述的步骤S2.3进一步包括:
S2.3.1,在色温权重表的基础上,采用初始聚类簇,具体步骤是统计以2*2为单元范围内的白点数据,包括Rg、Bg、个数,共有m*n组数据单元;以数据白点个数排序,筛选最大值范围内N1个数据单元;对筛选的单元块计算中心点和四个角点作为初始聚类点;合并相同的聚类点;
S2.3.2,以均值聚类的方法,通过以聚类点为圆心且第一阈值半径rc1的圆,迭代计算寻找密集聚类簇;
S2.3.3,对S2.3.2中得到的聚类簇,以包含白点数从多到少进行排序,筛选出前90%的聚类簇,合并聚类点距离小于第二阈值rc2的聚类簇,是以需要合并的聚类簇的Rg、Bg和数量,进行加权平均法计算得到合并后的聚类簇;
S2.3.4,统计S2.3.3中所有聚类点范围内的数据,是以聚类点为圆心且第三阈值半径rc3的圆内,统计所有白点数据,包括Rg、Bg、个数、色温表内的权重和;
S2.3.5,计算聚类簇的衰减权重,对步骤S2.3.4的数据,首先计算每个聚类簇的均值权重如下:
均值权重=权重和/个数;
然后计算以最大数衰减的权重如下:
衰减权重=聚类簇内个数/聚类簇内最大数;
S2.3.6,计算M*N分块的最终权重,是计算以块数据为圆心且第四阈值半径rc4的圆内的聚类簇衰减权重均值,则最终权重=当前块的衰减权重均值/最大衰减权重均值;
S2.4,对M*N个块通过加权平均的方法,计算得到一组Rgain和Bgain的全局白平衡增益;
S2.5,对图像每个像素白平衡校正,红色通道R乘以红色增益Rgain,蓝色通道B乘以蓝色增益Bgain;
S3,针对步骤S2中出现的不符合校正条件的场景,采用通过实验室标准D50光源所对应的Rgain和Bgain作为全局白平衡增益。
2.根据权利要求1所述的基于融合聚类分析与色温曲线的自动白平衡方法,其特征在于,所述步骤S2.1进一包括:
S2.1.1,将图像均分成M*N个块,其中M代表图像的高度,N代表图像的宽度;
S2.1.2,通过六边形的方框对每个像素进行阈值筛选,所述六边形的限定条件:
Rg_min≤Rg≤Rg_max;
Bg_min≤Bg≤Bg_max;
a1≤-k1*Rg+b1;
a2≥-k2*Rg+b2;
其中,k1和k2是斜率,b1和b2是直线与Bg轴的交点,a1和a2是设置参数阈值;
S2.1.3,为了降低过暗区噪声和过曝光区对统计值的影响,通过三段Y1、Y2和Y3亮度进行统计;
S2.1.4,通过上述步骤筛选出的符合较优白点,然后分别统计M*N个块内的红色通道R像素的三组亮度所对应的和RsumY1、RsumY2和RsumY3,绿色通道G像素的三组亮度所对应的和GsumY1、GsumY2和GsumY3、蓝色通道B像素的三组亮度所对应的和BsumY1、BsumY2和BsumY3;
通过亮度权重W1、W2和W3计算各通道的加权算术和Rsum、Gsum和Bsum:Rsum=(RsumY1*W1+RsumY2*W2+RsumY3*W3)/N;
Gsum=(GsumY1*W1+GsumY2*W2+GsumY3*W3)/N;
Bsum=(BsumY1*W1+BsumY2*W2+BsumY3*W3)/N;
其中N为常数,且W1≤N,W2≤N和W3≤N;
最后计算M*N个块内的Rg和Bg比值如下式:
Rg=Rsum/Gsum;
Bg=Bsum/Gsum。
3.根据权利要求1所述的基于融合聚类分析与色温曲线的自动白平衡方法,其特征在于,所述步骤S2.2所述色温权重表通过前期标定得到,具体方法包括以下步骤:
S2.2.1,在灯箱环境中,拍摄不同光源下的标准爱色丽24色色卡的图像;S2.2.2,统计在光源下爱色丽24色色卡的第20、21、22号色块的RGB三通道的和光源Rsum、光源Gsum和光源Bsum,计算光源Rg和Bg比值;S2.2.3,根据所有测试的光源Rg和Bg比值,建立拟合色温曲线;
S2.2.4,针对包含色温曲线的限制范围Rg_min≤Rg≤Rg_max,Bg_min≤Bg≤Bg_max,建立均分m*n的二维色温权重表,其中权重表位于色温曲线上时,权重为256,其他位置的权重值通过高斯低通函数计算得到,且权重范围0至256。
4.根据权利要求3所述的基于融合聚类分析与色温曲线的自动白平衡方法,其特征在于,所述光源包括常见光源H光源、A光源、U30光源、TL84光源、D50光源、D65光源和CWF光源。
5.基于融合聚类分析与色温曲线的自动白平衡的装置,其特征在于,所述装置应用上述权利要求1-4任一所述方法。
6.根据权利要求5所述的基于融合聚类分析与色温曲线的自动白平衡的装置,其特征在于,所述装置包括:图像获取单元、黑电平和镜头校正单元、去马赛克单元、自动白平衡校正单元和图像输出单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010795393.5A CN114071107B (zh) | 2020-08-10 | 2020-08-10 | 基于融合聚类分析与色温曲线的自动白平衡方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010795393.5A CN114071107B (zh) | 2020-08-10 | 2020-08-10 | 基于融合聚类分析与色温曲线的自动白平衡方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114071107A CN114071107A (zh) | 2022-02-18 |
CN114071107B true CN114071107B (zh) | 2023-10-31 |
Family
ID=80233028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010795393.5A Active CN114071107B (zh) | 2020-08-10 | 2020-08-10 | 基于融合聚类分析与色温曲线的自动白平衡方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114071107B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820843A (zh) * | 2022-04-08 | 2022-07-29 | 吉林大学 | 一种保持农田图像颜色恒常性的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254336A (ja) * | 2005-03-14 | 2006-09-21 | Fuji Photo Film Co Ltd | ホワイトバランス補正方法および装置 |
JP2009164838A (ja) * | 2007-12-28 | 2009-07-23 | Canon Inc | 画像処理装置及び方法、及び撮像装置 |
CN103929632A (zh) * | 2014-04-15 | 2014-07-16 | 浙江宇视科技有限公司 | 一种自动白平衡校正方法以及装置 |
CN103974053A (zh) * | 2014-05-12 | 2014-08-06 | 华中科技大学 | 一种基于灰点提取的自动白平衡矫正方法 |
JP2015133606A (ja) * | 2014-01-14 | 2015-07-23 | 三菱電機株式会社 | ホワイトバランス調整方法、ホワイトバランス調整装置および表示装置 |
WO2015109693A1 (zh) * | 2014-01-22 | 2015-07-30 | 中兴通讯股份有限公司 | 一种校准图像色彩的方法和系统 |
CN105409211A (zh) * | 2013-08-26 | 2016-03-16 | 英特尔公司 | 用于图像处理的带皮肤色调校正的自动白平衡 |
CN105430367A (zh) * | 2015-12-30 | 2016-03-23 | 浙江宇视科技有限公司 | 一种自动白平衡的方法和装置 |
CN105578165A (zh) * | 2015-12-30 | 2016-05-11 | 浙江大华技术股份有限公司 | 一种图像白平衡处理方法、装置及摄像机 |
CN106993175A (zh) * | 2016-01-20 | 2017-07-28 | 瑞昱半导体股份有限公司 | 产生供自动白平衡校正运算使用的像素筛选范围的方法 |
CN109361910A (zh) * | 2018-10-23 | 2019-02-19 | 浙江宇视科技有限公司 | 自适应白平衡校正方法及装置 |
CN111314684A (zh) * | 2020-04-13 | 2020-06-19 | 杭州国芯科技股份有限公司 | 一种基于同色异谱的白平衡校正的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7728880B2 (en) * | 2004-06-25 | 2010-06-01 | Qualcomm Incorporated | Automatic white balance method and apparatus |
US7912279B2 (en) * | 2006-10-26 | 2011-03-22 | Qualcomm Incorporated | Automatic white balance statistics collection |
US7800783B2 (en) * | 2007-05-25 | 2010-09-21 | Hong Kong Applied Science And Technology Research Institute Co. Ltd. | Auto white balancing by modified grey world and geometric distortion measurement |
KR100977055B1 (ko) * | 2009-02-20 | 2010-08-19 | 주식회사 코아로직 | 자동 화이트 밸런스(awb) 조정장치와 방법 및 그 조정장치를 포함한 영상처리장치 |
KR102397396B1 (ko) * | 2017-09-13 | 2022-05-12 | 삼성전자주식회사 | 자동 화이트 밸런스를 위한 이미지 처리 방법 및 장치 |
-
2020
- 2020-08-10 CN CN202010795393.5A patent/CN114071107B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254336A (ja) * | 2005-03-14 | 2006-09-21 | Fuji Photo Film Co Ltd | ホワイトバランス補正方法および装置 |
JP2009164838A (ja) * | 2007-12-28 | 2009-07-23 | Canon Inc | 画像処理装置及び方法、及び撮像装置 |
CN105409211A (zh) * | 2013-08-26 | 2016-03-16 | 英特尔公司 | 用于图像处理的带皮肤色调校正的自动白平衡 |
JP2015133606A (ja) * | 2014-01-14 | 2015-07-23 | 三菱電機株式会社 | ホワイトバランス調整方法、ホワイトバランス調整装置および表示装置 |
WO2015109693A1 (zh) * | 2014-01-22 | 2015-07-30 | 中兴通讯股份有限公司 | 一种校准图像色彩的方法和系统 |
CN103929632A (zh) * | 2014-04-15 | 2014-07-16 | 浙江宇视科技有限公司 | 一种自动白平衡校正方法以及装置 |
CN103974053A (zh) * | 2014-05-12 | 2014-08-06 | 华中科技大学 | 一种基于灰点提取的自动白平衡矫正方法 |
CN105430367A (zh) * | 2015-12-30 | 2016-03-23 | 浙江宇视科技有限公司 | 一种自动白平衡的方法和装置 |
CN105578165A (zh) * | 2015-12-30 | 2016-05-11 | 浙江大华技术股份有限公司 | 一种图像白平衡处理方法、装置及摄像机 |
CN106993175A (zh) * | 2016-01-20 | 2017-07-28 | 瑞昱半导体股份有限公司 | 产生供自动白平衡校正运算使用的像素筛选范围的方法 |
CN109361910A (zh) * | 2018-10-23 | 2019-02-19 | 浙江宇视科技有限公司 | 自适应白平衡校正方法及装置 |
CN111314684A (zh) * | 2020-04-13 | 2020-06-19 | 杭州国芯科技股份有限公司 | 一种基于同色异谱的白平衡校正的方法 |
Non-Patent Citations (4)
Title |
---|
(以)米切尔(Mitchell,H.B.)著.《图像融合 理论 技术与应用》.北京:国防工业出版社,2016,第163-165页. * |
An advanced video camera system with robust AF, AE, and AWB control;June-Sok Lee等;《 IEEE Transactions on Consumer Electronics》;第47卷(第3期);第694-699页 * |
基于灰度世界和白点检测的自动白平衡算法;金黄斌;秦兴;郭斌林;;电子器件(第02期);全文 * |
数字图像白平衡处理算法研究与改进;严世珺;《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》;第1-74页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114071107A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108024055B (zh) | 白平衡处理的方法、装置、移动终端和存储介质 | |
CN106973240B (zh) | 实现高动态范围图像高清显示的数字照相机成像方法 | |
CN104796683B (zh) | 一种校准图像色彩的方法和系统 | |
US10991084B2 (en) | Method of reducing purple fringing in images | |
CN109151426A (zh) | 一种白平衡调整方法、装置、相机及介质 | |
EP3657785B1 (en) | Image white balance processing method and apparatus, and terminal device | |
EP3129954A1 (en) | Contrast based image fusion | |
CN108234971B (zh) | 白平衡参数确定方法、白平衡调整方法及装置、存储介质、终端 | |
CN109274948B (zh) | 图像色彩校正方法、装置、存储介质和计算机设备 | |
US9479708B2 (en) | Image processing device, image processing method, and image processing program | |
CN105354801B (zh) | 一种基于hsv色彩空间的图像增强方法 | |
CN108063926A (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN105828058A (zh) | 一种白平衡的调整方法和装置 | |
CN103475821A (zh) | 基于近红外相机自动积分时间的调整方法 | |
CN114071107B (zh) | 基于融合聚类分析与色温曲线的自动白平衡方法及装置 | |
CN107231549A (zh) | 自动白平衡检测系统 | |
CN111385438A (zh) | 镜头阴影校正的补偿方法、装置及计算机可读存储介质 | |
CN108063934A (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN108012135A (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN113329217A (zh) | 自动白平衡参数处理方法及装置、计算机可读存储介质 | |
JP2021002707A (ja) | ホワイトバランス客観評価方法、ホワイトバランス客観評価プログラム及び撮像装置 | |
Ejaz et al. | Development of a camera system for the acquisition of high-fidelity colors | |
CN115293989A (zh) | 一种综合MsRcR和自动色阶的图像增强方法 | |
CN108848363A (zh) | 一种适用于大场景的自动白平衡方法 | |
Tyukhova | The assessment of high dynamic range luminance measurements with LED lighting |
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 |