CN114745532A - 混合色温场景白平衡处理方法、装置、存储介质及终端 - Google Patents
混合色温场景白平衡处理方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN114745532A CN114745532A CN202210339906.0A CN202210339906A CN114745532A CN 114745532 A CN114745532 A CN 114745532A CN 202210339906 A CN202210339906 A CN 202210339906A CN 114745532 A CN114745532 A CN 114745532A
- Authority
- CN
- China
- Prior art keywords
- color temperature
- color
- clustering
- cluster
- calculating
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 56
- 230000007704 transition Effects 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 31
- 238000005192 partition Methods 0.000 claims description 20
- 238000005286 illumination Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 abstract description 14
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Processing Of Color Television Signals (AREA)
- Color Television Image Signal Generators (AREA)
Abstract
本发明提供了一种混合色温场景白平衡处理方法、装置、存储介质及终端，方法包括获取目标图像在UV直方图统计中的聚类结果，聚类结果包括聚类簇分布、聚类簇中心和聚类簇数目；根据聚类簇分布确定目标图像中的色温区域，根据聚类簇数量确定色温区域的数量，并根据色温区域的数量确定当前色温场景类型；根据色温区域对应的聚类簇中心计算每一个色温区域的颜色增益值；获取相邻的色温区域的分界线，并根据分界线按照预设带宽形成平滑处理过渡带；计算平滑处理过渡带中的像素点分别与边界围线的距离，并根据距离和相邻色温区域的颜色增益值计算平滑处理过渡带中的像素点的目标颜色增益值。本发明提高了混合色温场景下白平衡校正结果的准确性。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种混合色温场景白平衡处理方法、装置、存储介质及终端。
背景技术
白平衡是描述成像中红绿蓝混合色中，白色精确度的指标。目前传统的白平衡校正算法是基于全局校正处理的，也即一张图像的所有像素点采用统一的全局增益值。这种白平衡校正算法对于单一色温光源场景下的图像可以取得较好的效果。但是在实际情况下，往往会出现两种及以上的色温光源，对于这种混合色温场景，上述基于全局校正的白平衡算法无法同时兼顾不同色温情形，因此难以得到较好的白平衡效果。
针对混光场景，现有的白平衡校正方案主要可以分为两大类：第一类是采集不同色温场景下的中性色图像，绘制白区。通过判断目标图像的白区落点，进行色温估计和白平衡校正。但是这种方式需要在实验室场景下进行预设光源图像的采集，同时对白区落点的估计方法在实际情形中精度有限。第二类是对目标图像进行分割，获取目标子图像；通过对目标子图像进行色彩估计或光源方向判断，来实现对色温的估计和增益系数的计算。这种方法需预先对目标图像进行分割，分割精度难以保证；同时基于包含语义信息的分割结果进行不同色温区域划分在实际应用中有较强的限制性。
另一方面，上述针对混光场景的两类方法在rgb颜色空间进行处理时，易受光照强度变化的影响，从而影响不同色温区域的判断和划分；而且未考虑混合色温边界处的平滑处理，从而会影响最终白平衡结果的准确性。
因此，有必要提供一种新型的混合色温场景白平衡处理方法、装置、存储介质及终端以解决现有技术中存在的上述问题。
发明内容
本发明的目的在于提供一种混合色温场景白平衡处理方法、装置、存储介质及终端，提高了混合色温场景下白平衡校正结果的准确性。
第一方面，为实现上述目的，本发明的所述一种混合色温场景白平衡处理方法，所述方法包括：
获取目标图像在UV颜色空间直方图统计中的聚类结果，所述聚类结果包括聚类簇分布、聚类簇中心和聚类簇数量；
根据所述聚类簇分布确定所述目标图像中的色温区域，根据所述聚类簇数量确定所述色温区域的数量，并根据所述色温区域的数量确定当前色温场景的类型；
根据所述色温区域所对应的聚类簇中心，计算每一个所述色温区域的颜色增益值；
在确定当前色温场景为混合色温场景后，获取相邻的所述色温区域的分界线，并根据所述分界线按照预设带宽形成平滑处理过渡带，其中，所述平滑处理过渡带分别在相邻的所述色温区域形成边界围线；
计算所述平滑处理过渡带中的像素点分别与所述边界围线的距离，并根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值。
本发明所述混合色温场景白平衡处理方法的有益效果在于：通过获取目标图像在UV颜色空间直方图统计的聚类结果以确定目标图像中不同的色温区域以及对应的色温，以对不同色温区域进行不同增益的白平衡处理，而且在UV直方图上进行聚类簇计算，能够有效减少亮度变化带来的误差，提高色温区域划分结果的准确性，同时利用平滑处理过渡带对相邻色温区域的交界处进行平滑处理，以实现平滑性的色彩增益过渡，提高混合色温场景下的白平衡校正结果的准确性。
可选的，相邻的所述色温区域的颜色增益值分别为第一颜色增益值和第二颜色增益值，所述根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值，包括：
计算所述平滑处理过渡带中的像素点与两条所述边界围线的第一距离、第二距离；
根据所述第一距离和所述第二距离，分别计算出相邻所述色温区域的颜色增益值对应的第一权重和第二权重；
根据所述第一权重和所述第二权重，对所述第一颜色增益值和所述第二颜色增益值进行加权求和后得到所述目标增益值。
可选的，所述边界围线与所述分界线的距离均为所述预设带宽的一半。
可选的，所述根据所述色温区域对应的聚类簇中心，计算每一个所述色温区域的颜色增益值，包括：
根据所述色温区域的所述聚类簇中心计算所述色温区域的光照RGB估计值；
根据所述光照RGB估计值计算所述色温区域中红、绿、蓝三通道的颜色增益值。
可选的，所述获取目标图像在UV颜色空间直方图统计中的聚类结果，包括：
将所述目标图像从RGB颜色空间转换到UV颜色空间，以得到UV颜色空间图；
对所述UV颜色空间图进行直方图统计得到UV统计直方图，建立所述目标图像中所述RGB颜色空间与所述UV颜色空间的映射关系；
通过自适应的聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量；
所述根据所述聚类簇分布确定所述目标图像中的色温区域，包括：
根据所述映射关系，通过所述聚类簇在所述UV颜色空间中的分布对应获取所述色温在所述RGB颜色空间中的分布区域以得到所述色温区域。
可选的，所述通过自适应的聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量，包括：
在所述UV统计直方图中选取若干个初始聚类簇中心；
以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新；
在预设中心数目N的范围内依次遍历选取不同数量的所述初始聚类簇中心，并重复执行上述过程以得到N个聚类结果，N为大于或等于1的整数；
对N个所述聚类结果进行筛选以确定最终的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量。
可选的，所述在所述UV统计直方图中选取若干个初始聚类簇中心，包括：
获取所述UV统计直方图中不同的所述划分区间bin的统计数目，并选择所述统计数目大于数量阈值对应划分区间bin作为第一个初始聚类簇中心；
计算所述UV统计直方图中的每个样本点与所述初始聚类簇中心的最短距离，并选择所述最短距离大于距离阈值对应的所述样本点作为下一个初始聚类簇中心，重复上述过程以得到若干个所述初始聚类簇中心。
可选的，在将所述目标图像从RGB颜色空间转换到UV颜色空间的过程中，剔除红色通道和蓝色通道中像素值与0之间的差值的绝对值不超过差值阈值的像素点。
可选的，所述根据所述色温区域的数量确定当前色温场景的类型，包括：
当所述色温区域的数量大于1时，确定当前色温场景为混合色温场景；当所述色温区域的数量等于1时，确定当前色温场景为单色温场景。
第二方面，本发明还提供了一种混合色温场景白平衡处理装置，包括：
转换获取模块，用于获取目标图像在UV颜色空间直方图统计中的聚类结果，所述聚类结果包括聚类簇分布、聚类簇中心和聚类簇数量；
区域确定模块，用于根据所述聚类簇分布确定所述目标图像中的色温区域，根据所述聚类簇数量确定所述色温区域的数量，并根据所述色温区域的数量确定当前色温场景的类型；
第一增益计算模块，用于根据所述色温区域对应的聚类簇中心，计算每一个所述色温区域的颜色增益值；
平滑处理模块，用于获取相邻的所述色温区域的分界线，并根据所述分界线按照预设带宽形成平滑处理过渡带，其中，所述平滑处理过渡带分别在相邻的所述色温区域形成边界围线；
第二增益计算模块，用于在确定当前色温场景为混合色温场景后，计算所述平滑处理过渡带中的像素点分别与所述边界围线的距离，并根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值。
本发明所述混合色温场景白平衡处理装置的有益效果在于：通过转换获取模块获取目标图像在UV颜色空间直方图统计的聚类簇分布、聚类簇中心和聚类簇数量以确定目标图像中不同的色温区域以及对应的色温，以便于通过第一增益计算模块对不同色温区域进行不同增益的白平衡处理，而且在UV直方图上进行聚类簇计算，能够有效减少亮度变化带来的误差，提高色温区域划分结果的准确性，同时第二增益计算模块利用平滑处理过渡带对相邻色温区域的交界处进行平滑处理，以实现平滑性的色彩增益过渡，提高混合色温场景下的白平衡校正结果的准确性。
可选的，相邻的所述色温区域的颜色增益值分别为第一颜色增益值和第二颜色增益值，所述第二增益计算模块用于：
计算所述平滑处理过渡带中的像素点与两条所述边界围线的第一距离、第二距离；
根据所述第一距离和所述第二距离，分别计算出相邻所述色温区域的颜色增益值对应的第一权重和第二权重；
根据所述第一权重和所述第二权重，对所述第一颜色增益值和所述第二颜色增益值进行加权求和后得到所述目标增益值。
可选的，所述第一增益计算模块用于：
根据所述色温区域的所述聚类簇中心计算所述色温区域的光照RGB估计值；
根据所述光照RGB估计值计算所述色温区域中红、绿、蓝的颜色增益值。
可选的，所述转换获取模块用于：
在所述UV统计直方图中选取若干个初始聚类簇中心；
以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新；
在预设中心数目N的范围内依次遍历选取不同数量的所述初始聚类簇中心，并重复执行上述过程以得到N个聚类结果，N为大于或等于1的整数；
对N个所述聚类结果进行筛选以确定最终的聚类簇分布、聚类簇中心和聚类簇数量。
第三方面，本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的混合色温场景白平衡处理方法。
第四方面，本发明还提供了一种终端，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上所述的混合色温场景白平衡处理方法。
附图说明
图1为本发明实施例的所述混合色温场景白平衡处理方法的整体流程示意图；
图2为本发明实施例的所述终端升级方法的中通过自适应聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类结果的流程示意图；
图3为本发明实施例的所述混合色温场景白平衡处理装置的结构框图；
图4为本发明实施例的所述设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
针对现有技术存在的问题，本发明的实施例提供了一种混合色温场景白平衡处理方法，参考图1，所述方法包括如下步骤：
S101、获取目标图像在UV颜色空间直方图统计中的聚类结果，所述聚类结果包括聚类簇分布、聚类簇中心和聚类簇数量。
在一些实施例中，上述过程包括如下步骤：
将所述目标图像从RGB颜色空间转换到UV颜色空间，以得到UV颜色空间图；
对所述UV颜色空间图进行直方图统计得到UV统计直方图，建立所述目标图像中所述RGB颜色空间与所述UV颜色空间的映射关系；
通过自适应聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量。
在本实施例中，首先获取所述目标图像在红色通道、绿色通道和蓝色通道中的像素值，以根据像素值将目标图像从RGB颜色空间转换到UV颜色空间，以得到UV颜色空间图。
示例性的，其转换过程满足如下公式：
u＝log(Ig/Ir)
v＝log(Ig/Ib)
其中，u和v表示在UV颜色空间中的坐标，Ig表示所述目标图像在所述绿色通道中的像素值，Ir表示所述目标图像在红色通道中的像素值，Ib表示所述目标图像在蓝色通道中的像素值。
通过上述过程将目标图像从RGB颜色空间转换到UV颜色空间之后，根据得到的U值、V值，就可以得到目标图像对应的UV颜色空间图，从而将目标图像在RGB颜色空间的白平衡增益校正问题转换为UV颜色空间的定位问题，以提高后续白平衡校正的准确性。
而在得到UV颜色空间图之后，对所述UV颜色空间图进行直方图统计得到UV统计直方图，建立所述目标图像中所述RGB颜色空间与所述UV颜色空间的映射关系，之后通过自适应聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、聚类簇中心和所述聚类簇数量，以便于后续根据聚类结果确定所述目标图像中的色温区域的位置和数量。其中，所述聚类簇中心为聚类簇的中心位置。
需要说明的是，在将所述目标图像从RGB颜色空间转换到UV颜色空间的过程中，剔除红色通道和蓝色通道中像素值与0之间的差值的绝对值不超过差值阈值的像素点，通过剔除无效像素点，以保证得到的UV值的准确性，从而提高得到的UV颜色空间的有效性。
具体的，在对所述UV颜色空间图进行直方图统计得到UV统计直方图的过程中，通过设置直方图中每一个划分区间bin的大小和数量，以限定得到的UV统计直方图的统计范围。
其中，所述划分区间bin表示在直方图统计中划分的颜色区间。
在又一些实施例中，为了更大范围的进行直方图统计，在对UV颜色空间图进行直方图统计计算的过程中，进行取模处理，以提高后续直方图域的处理效率。
在本实施例中，在得到所述UV颜色空间图之后，对其进行直方图统计计算。通过设置直方图中每个bin的大小bin_size以及bin的数目bin_num，可以限定直方图的统计范围。为了更大范围的进行直方图统计，以及提高后续直方图域处理的效率，一种可行的处理方式为，在进行直方图计算时，进行取模处理
示例性的，进行取模处理的直方图计算过程满足如下公式：
其中，H(i，j)表示所述UV统计直方图，(u0,v0)为预设的起始点位置，(i,j)为uv统计直方图中划分区间bin的索引位置，mod表示求余数的计算，“∧”表示同时满足前后两个条件的与运算，k为UV颜色空间图中的像素点个数，bin_size表示划分区间bin大小，bin_num表示划分区间bin数量。
通过上述计算过程，便于对UV颜色空间图进行更大范围的直方图统计并得到最终的UV统计直方图，同时提高后续对UV统计直方图的处理效率。
在又一些实施例中，所述通过自适应聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量，参考图2，包括如下步骤：
S201、在所述UV统计直方图中选取若干个初始聚类簇中心。
S202、以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新。
S203、在预设中心数目N的范围内依次遍历选取不同数量的所述初始聚类簇中心，并重复执行上述过程以得到N个聚类结果，N为大于或等于1的整数。
S204、对N个所述聚类结果进行筛选以确定最终的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量。
需要说明的是，在得到UV统计直方图之后，通过自适应的聚类算法来获取聚类簇中心和聚类簇数量，其中聚类算法包括但不限于K均值聚类算法kmeans、迭代自组织数据分析算法ISODATA、基于密度的聚类算法DBSCAN等。
在本实施例中，以kmeans算法为例对确定UV统计直方图中的聚类簇中心和聚类簇数量进行计算。
在本实施例中，所述在所述UV统计直方图中选取若干个初始聚类簇中心，包括：
获取所述UV统计直方图中不同的所述划分区间bin的统计数目，并选择所述统计数目大于数量阈值对应的划分区间bin作为首个初始聚类簇中心；
计算所述UV统计直方图中的每个样本点与所述初始聚类簇中心的最短距离，并选择所述最短距离大于距离阈值对应的所述样本点作为下一个初始聚类簇中心，重复上述过程以得到若干个所述初始聚类簇中心。
具体的，首先设定所述目标图像中的混合色温区域的个数不超过N个，在UV统计直方图中选取k个初始聚类簇中心，其中1≤k≤N。
示例性的，在所述UV统计直方图中选取划分区间bin的统计数目最大的位置作为第一个初始聚类簇中心c1，之后计算所述UV统计直方图中的每个样本点与当前已有的初始聚类簇中心的最短距离，并选择所述最短距离中的最大值对应的采样点作为下一个初始聚类簇中心c2，依次类推，重复上述过程，从而就可以得到k个初始聚类簇中心。
之后在步骤S202中，按照聚类算法，以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新，从而得到聚类数为k的聚类结果。
示例性的，其加权计算过程包括：
其中，ci为第i个聚类簇中心，dist(ci,H(i,j))表示ci与H(i,j)之间的距离。
通过上述计算过程，即可得到k个聚类簇中心，在计算过程中，通过将划分区间bin的数量bin_num作为加权值进行计算，即数量大的划分区间bin对聚类簇中心贡献大，反之则小，从而提高聚类簇中心计算结果的准确性。
之后将k值从1至N依次遍历并执行上述计算过程，从而得到N个不同的聚类结果，每一组结果对应包括k个聚类簇中心，之后N个所述聚类结果进行筛选从而得到最佳的聚类结果，并根据得到的聚类结果确定最终的聚类簇中心和聚类簇数量，以便于后续根据聚类簇中心和聚类簇数量确定目标图像中的色温的个数以及对应的色温结果。
在一些实施例中，对N个聚类结果进行筛选的方法采用现有技术中的方案，包括但不限于肘部法则或轮廓系数法则等，本方案对此不作特别限定，此处不再赘述。
S102、根据所述聚类簇分布确定所述目标图像中的色温区域，根据所述聚类簇数量确定所述色温区域的数量，并根据所述色温区域的数量确定当前色温场景的类型。
在得到聚类簇分布、聚类簇中心和聚类簇结果之后，即可对应得到目标图像中对应的色温区域以及色温区域的数量，并根据色温区域的数量就可以确定当前色温场景的类型。
示例性的，当所述色温区域的数量大于1时，确定当前色温场景为混合色温场景；当所述色温区域的数量等于1时，确定当前色温场景为单色温场景。
对于单色温场景的白平衡处理，采用常规方法即可实现，此处不再赘述。
在一些实施例中，所述根据所述聚类簇分布确定所述目标图像中的色温区域，包括：
根据所述映射关系，通过所述聚类簇在所述UV颜色空间中的分布对应获取所述色温在所述RGB颜色空间中的分布区域以得到所述色温区域。
在本实施例中，通过在UV统计直方图中进行自适应聚类计算以得到聚类结果，能够有效减少目标图像中亮度变化带来的误差影响，以获得更加准确的色温区域划分结果。
S103、根据所述色温区域在所述目标图像的RGB颜色空间的分布区域，计算每一个所述色温区域的颜色增益值。
在计算得到聚类簇中心之后，根据前述建立的目标图像中所述RGB颜色空间与所述UV颜色空间的映射关系，将得到的聚类簇分布在UV颜色空间的位置反映射到RGB颜色空间的位置，从而获取每种色温在原始RGB颜色空间的分布区域。
在一些实施例中，计算每一个所述色温区域的颜色增益值包括如下过程：
根据所述色温区域的所述聚类簇中心计算所述色温区域的光照RGB估计值；
根据所述光照RGB估计值计算所述色温区域中红、绿、蓝三通道的颜色增益值。
在UV统计直方图中计算得到聚类簇中心(u，v)之后，根据聚类簇中心即可计算出每一个聚类簇的光照RGB估计值，之后根据光照RGB估计值即可计算得到每一个聚类簇中心对应的色温区域中红绿蓝三种颜色的颜色增益值。
其中，光照RGB估计值满足如下公式：
其中，Lr表示光照红色估计值，Lg表示光照绿色估计值，Lb表示光照蓝色估计值。
示例性的，在得到每种色温在原始的RGB颜色空间的分布区域之后，即可确定不同的色温区域，其中，每个色温区域的颜色增益值通过光照RGB值计算得到，其中，每个色温区域的颜色增益值满足如下公式：
其中，R_gain表示红色增益值，G_gain表示绿色增益值，B_gain表示蓝色增益值。
需要说明的是，本方案也可以采用其他方法单独针对每种色温区域分别进行白平衡校正得到，包括但不限于基于统计方法、机器学习、人工智能等方式。
S104、在确定当前色温场景为混合色温场景后，获取相邻的所述色温区域的分界线，并根据所述分界线按照预设带宽形成平滑处理过渡带，其中，所述平滑处理过渡带分别在相邻的所述色温区域形成边界围线。
S105、计算所述平滑处理过渡带中的像素点分别与所述边界围线的距离，并根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值。
在得到目标图像中每种色温对应的色温区域之后，就可以得到不同色温之间的分界线。为了保证在对每种色温区域进行颜色增益处理后，整张图的颜色过渡自然，需对混合色温交界处进行平滑处理。
在本实施例中，围绕相邻的色温区域的色温分界线设定预设带宽平滑处理过渡带。在该平滑处理过渡带，通过计算每个像素点到平滑过渡带两侧围线的距离，设定该像素点所对应的颜色增益值的权重，以得到该像素点在平滑处理过渡带内最终的目标颜色增益值。
在一些实施例中，相邻的所述色温区域的颜色增益值分别为第一颜色增益值和第二颜色增益值，所述根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值，包括：
计算所述平滑处理过渡带中的像素点与两条所述边界围线的第一距离、第二距离；
根据所述第一距离和所述第二距离，分别计算出相邻所述色温区域的颜色增益值对应的第一权重和第二权重；
根据所述第一权重和所述第二权重，对所述第一颜色增益值和所述第二颜色增益值进行加权求和后得到所述目标增益值。
示例性的，假设平滑处理过渡带的预设带宽的大小为Q，相邻的两个色温区域分别为第一色温区域和第二色温区域，其色温增益值分别为gain1和gain2，平滑处理过渡带分别在第一色温区域、第二色温区域内形成两条边界围线，记为第一边界围线和第二边界围线，在所述平滑处理过渡带内部，目标图像的像素点与平滑处理过渡带内的第一边界围线的距离为d1，目标图像的像素点与平滑处理过渡带内的第二边界围线的距离为d2，则该像素点在平滑处理过渡带中的目标颜色增益值gain满足如下公式：
在一些实施例中，所述边界围线与所述分界线的距离均为所述预设带宽的一半。也就是第一边界围线与所述分界线的距离和第二边界围线与所述分界线的距离相等，以便于快速划定出平滑处理过渡带。
本方案在对目标图像进行白平衡校正的过程中，将目标图像在UV颜色空间内进行混合色温场景的判断以及不同色温区域的划分，可以减少亮度变化带来的影响，同时不同色温区域的划分准确度更高；在进行混合色温场景判断的同时，可以实现对图像中不同光源色温的估计，同时考虑了不同色温交界处的处理，以平滑处理过渡带实现平滑性的色彩增益过渡，使得混合色温场景下的白平衡校正结果更准确。
本发明还提供了一种混合色温场景白平衡处理装置，参考图3，包括：
转换获取模块301，用于获取目标图像在UV颜色空间直方图统计中的聚类结果，所述聚类结果包括聚类簇分布、聚类簇中心和聚类簇数量；
区域确定模块302，用于根据所述聚类簇分布确定所述目标图像中的色温区域，根据所述聚类簇数量确定所述色温区域的数量，并根据所述色温区域的数量确定当前色温场景的类型；
第一增益计算模块303，用于根据所述色温区域对应的聚类簇中心，计算每一个所述色温区域的颜色增益值；
平滑处理模块304，用于在确定当前色温场景为混合色温场景后，获取相邻的所述色温区域的分界线，并根据所述分界线按照预设带宽形成平滑处理过渡带，其中，所述平滑处理过渡带分别在相邻的所述色温区域形成边界围线；
第二增益计算模块305，用于计算所述平滑处理过渡带中的像素点分别与所述边界围线的距离，并根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值。
在一些实施例中，相邻的所述色温区域的颜色增益值分别为第一颜色增益值和第二颜色增益值，所述第二增益计算模块305用于：
计算所述平滑处理过渡带中的像素点与两条所述边界围线的第一距离、第二距离；
根据所述第一距离和所述第二距离，分别计算出相邻所述色温区域的颜色增益值对应的第一权重和第二权重；
根据所述第一权重和所述第二权重，对所述第一颜色增益值和所述第二颜色增益值进行加权求和后得到所述目标增益值。
在一些实施例中，所述第一增益计算模块303用于：
根据所述色温区域的所述聚类簇中心计算所述色温区域的光照RGB估计值；
根据所述光照RGB估计值计算所述色温区域中红、绿、蓝三通道的颜色增益值。
在一些实施例中，所述转换获取模块301用于：
在所述UV统计直方图中选取若干个初始聚类簇中心；
以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新；
在预设中心数目N的范围内依次遍历选取不同数量的所述初始聚类簇中心，并重复执行上述过程以得到N个聚类结果，N为大于或等于1的整数；
对N个所述聚类结果进行筛选以确定最终的聚类簇分布、聚类簇中心和聚类簇数量。
需要说明的是，上述混合色温场景白平衡处理装置的结构及原理与上述混合色温场景白平衡处理方法中的步骤一一对应，故在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，选择模块可以为单独设立的处理元件，也可以集成在上述系统的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述系统的存储器中，由上述系统的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，ASIC)，或，一个或多个数字信号处理器(Digital Signal Processor，DSP)，或，一个或者多个现场可编程门阵列(Field Programmable GateArray，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(System-On-a-Chip，SOC)的形式实现。
在本申请的另一些实施例中，本申请实施例公开了一种设备，如图4所示，该设备400可以包括：一个或多个处理器401；存储器402；显示器403；一个或多个应用程序(未示出)；以及一个或多个计算机程序404，上述各器件可以通过一个或多个通信总线405连接。其中该一个或多个计算机程序404被存储在上述存储器402中并被配置为被该一个或多个处理器401执行，该一个或多个计算机程序404包括指令。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的混合色温场景白平衡处理方法。
本发明的存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的方法。所述存储介质包括：只读存储器(Read-OnlyMemory，ROM)、随机访问存储器(RandomAccess Memory，RAM)、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
在本发明公开的另一个实施例中，本发明还提供一种芯片系统，芯片系统与存储器耦合，用于读取并执行所述存储器中存储的程序指令，以执行上述方法的步骤。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能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模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请实施例各个实施例中的各功能单元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。
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)或处理器执行本申请各个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：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何在本申请实施例揭露的技术范围内的变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应以所述权利要求的保护范围为准。
虽然在上文中详细说明了本发明的实施方式，但是对于本领域的技术人员来说显而易见的是，能够对这些实施方式进行各种修改和变化。但是，应理解，这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且，在此说明的本发明可有其它的实施方式，并且可通过多种方式实施或实现。
Claims (15)
1.一种混合色温场景白平衡处理方法，其特征在于，所述方法包括：
获取目标图像在UV颜色空间直方图统计中的聚类结果，所述聚类结果包括聚类簇分布、聚类簇中心和聚类簇数量；
根据所述聚类簇分布确定所述目标图像中的色温区域，根据所述聚类簇数量确定所述色温区域的数量，并根据所述色温区域的数量确定当前色温场景的类型；
根据所述色温区域对应的聚类簇中心，计算每一个所述色温区域的颜色增益值；
在确定当前色温场景为混合色温场景后，获取相邻的所述色温区域的分界线，并根据所述分界线按照预设带宽形成平滑处理过渡带，其中，所述平滑处理过渡带分别在相邻的所述色温区域形成边界围线；
计算所述平滑处理过渡带中的像素点分别与所述边界围线的距离，并根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值。
2.根据权利要求1所述的混合色温场景白平衡处理方法，其特征在于，相邻的所述色温区域的颜色增益值分别为第一颜色增益值和第二颜色增益值，所述根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值，包括：
计算所述平滑处理过渡带中的像素点与两条所述边界围线的第一距离、第二距离；
根据所述第一距离和所述第二距离，分别计算出相邻所述色温区域的颜色增益值对应的第一权重和第二权重；
根据所述第一权重和所述第二权重，对所述第一颜色增益值和所述第二颜色增益值进行加权求和后得到所述目标增益值。
3.根据权利要求1所述的混合色温场景白平衡处理方法，其特征在于，所述边界围线与所述分界线的距离均为所述预设带宽的一半。
4.根据权利要求1所述的混合色温场景白平衡处理方法，其特征在于，所述根据所述色温区域对应的聚类簇中心，计算每一个所述色温区域的颜色增益值，包括：
根据所述色温区域的所述聚类簇中心计算所述色温区域的光照RGB估计值；
根据所述光照RGB估计值计算所述色温区域中红、绿、蓝三通道的颜色增益值。
5.根据权利要求1至4任一项所述的混合色温场景白平衡处理方法，其特征在于，所述获取目标图像在UV颜色空间直方图统计中的聚类结果，包括：
将所述目标图像从RGB颜色空间转换到UV颜色空间，以得到UV颜色空间图；
对所述UV颜色空间图进行直方图统计得到UV统计直方图，建立所述目标图像中所述RGB颜色空间与所述UV颜色空间的映射关系；
通过自适应聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量；
所述根据所述聚类簇分布确定所述目标图像中的色温区域，包括：
根据所述映射关系，通过所述聚类簇在所述UV颜色空间中的分布对应获取所述色温在所述RGB颜色空间中的分布区域以得到所述色温区域。
6.根据权利要求5所述的混合色温场景白平衡处理方法，其特征在于，所述通过自适应聚类算法计算所述目标图像在所述UV统计直方图中的所述聚类簇分布、聚类簇中心和所述聚类簇数量，包括：
在所述UV统计直方图中选取若干个初始聚类簇中心；
以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新；
在预设中心数目N的范围内依次遍历选取不同数量的所述初始聚类簇中心，并重复执行上述过程以得到N个聚类结果，N为大于或等于1的整数；
对N个所述聚类结果进行筛选以确定最终的所述聚类簇分布、所述聚类簇中心和所述聚类簇数量。
7.根据权利要求6所述的混合色温场景白平衡处理方法，其特征在于，所述在所述UV统计直方图中选取若干个初始聚类簇中心，包括：
获取所述UV统计直方图中不同的所述划分区间bin的统计数目，并选择所述统计数目大于数量阈值对应的所述划分区间bin作为第一个初始聚类簇中心；
计算所述UV统计直方图中的每个样本点与所述已选取初始聚类簇中心的最短距离，并选择所述最短距离大于距离阈值对应的所述样本点作为下一个初始聚类簇中心，重复上述过程以得到若干个所述初始聚类簇中心。
8.根据权利要求6所述的混合色温场景白平衡处理方法，其特征在于，在将所述目标图像从RGB颜色空间转换到UV颜色空间的过程中，剔除红色通道和蓝色通道中像素值与0之间的差值的绝对值不超过差值阈值的像素点。
9.根据权利要求1所述的混合色温场景白平衡处理方法，其特征在于，所述根据所述色温区域的数量确定当前色温场景的类型，包括：
当所述色温区域的数量大于1时，确定当前色温场景为混合色温场景；当所述色温区域的数量等于1时，确定当前色温场景为单色温场景。
10.一种混合色温场景白平衡处理装置，其特征在于，包括：
转换获取模块，用于获取目标图像在UV颜色空间直方图统计中的聚类结果，包括聚类簇分布、聚类簇中心和聚类簇数量；
区域确定模块，用于根据所述聚类簇分布确定所述目标图像中的色温区域，根据所述聚类簇数量确定所述色温区域的数量，并根据所述色温区域的数量确定当前色温场景的类型；
第一增益计算模块，用于根据所述色温区域对应的聚类中心，计算每一个所述色温区域的颜色增益值；
平滑处理模块，用于在确定当前色温场景为混合色温场景后，获取相邻的所述色温区域的分界线，并根据所述分界线按照预设带宽形成平滑处理过渡带，其中，所述平滑处理过渡带分别在相邻的所述色温区域形成边界围线；
第二增益计算模块，用于计算所述平滑处理过渡带中的像素点分别与所述边界围线的距离，并根据所述距离和相邻所述色温区域的颜色增益值计算所述平滑处理过渡带中的像素点的目标颜色增益值。
11.根据权利要求10所述的混合色温场景白平衡处理装置，其特征在于，相邻的所述色温区域的颜色增益值分别为第一颜色增益值和第二颜色增益值，所述第二增益计算模块用于：
计算所述平滑处理过渡带中的像素点与两条所述边界围线的第一距离、第二距离；
根据所述第一距离和所述第二距离，分别计算出相邻所述色温区域的颜色增益值对应的第一权重和第二权重；
根据所述第一权重和所述第二权重，对所述第一颜色增益值和所述第二颜色增益值进行加权求和后得到所述目标增益值。
12.根据权利要求10所述的混合色温场景白平衡处理装置，其特征在于，所述第一增益计算模块用于：
根据所述色温区域的所述聚类簇中心计算所述色温区域的光照RGB估计值；
根据所述光照RGB估计值计算所述色温区域中红、绿、蓝三通道的颜色增益值。
13.根据权利要求10至12任一项所述的混合色温场景白平衡处理装置，其特征在于，所述转换获取模块用于：
在所述UV统计直方图中选取若干个初始聚类簇中心；
以所述UV统计直方图中的划分区间bin的数目进行加权计算以对所述初始聚类簇中心进行更新；
在预设中心数目N的范围内依次遍历选取不同数量的所述初始聚类簇中心，并重复执行上述过程以得到N个聚类结果，N为大于或等于1的整数；
对N个所述聚类结果进行筛选以确定最终的聚类簇分布、聚类簇中心和聚类簇数量。
14.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的混合色温场景白平衡处理方法。
15.一种终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求1至9中任一项所述的混合色温场景白平衡处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210339906.0A CN114745532B (zh) | 2022-04-01 | 2022-04-01 | 混合色温场景白平衡处理方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210339906.0A CN114745532B (zh) | 2022-04-01 | 2022-04-01 | 混合色温场景白平衡处理方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114745532A true CN114745532A (zh) | 2022-07-12 |
| CN114745532B CN114745532B (zh) | 2024-04-09 |
Family
ID=82278502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210339906.0A Active CN114745532B (zh) | 2022-04-01 | 2022-04-01 | 混合色温场景白平衡处理方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114745532B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115334295A (zh) * | 2022-08-10 | 2022-11-11 | 杭州联吉技术有限公司 | 图像白平衡处理方法及电子设备 |
| CN115802175A (zh) * | 2023-02-03 | 2023-03-14 | 福瑞泰克智能系统有限公司 | 图像传感器自动白平衡的控制方法、装置和存储介质 |
| CN117713176A (zh) * | 2024-02-06 | 2024-03-15 | 内蒙古科技大学 | 源网荷储低碳运行方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090097745A1 (en) * | 2007-10-11 | 2009-04-16 | Korea Advanced Institute Of Science And Technology | Method of performing robust auto white balance |
| CN106791758A (zh) * | 2016-12-07 | 2017-05-31 | 浙江大华技术股份有限公司 | 一种图像中自然光混合色温的判断方法及装置 |
| CN112601063A (zh) * | 2020-12-07 | 2021-04-02 | 深圳市福日中诺电子科技有限公司 | 一种混合色温白平衡方法 |
| CN113068016A (zh) * | 2021-04-02 | 2021-07-02 | 杭州涂鸦信息技术有限公司 | 白平衡校正方法、装置和计算机设备 |
-
2022
- 2022-04-01 CN CN202210339906.0A patent/CN114745532B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090097745A1 (en) * | 2007-10-11 | 2009-04-16 | Korea Advanced Institute Of Science And Technology | Method of performing robust auto white balance |
| CN106791758A (zh) * | 2016-12-07 | 2017-05-31 | 浙江大华技术股份有限公司 | 一种图像中自然光混合色温的判断方法及装置 |
| CN112601063A (zh) * | 2020-12-07 | 2021-04-02 | 深圳市福日中诺电子科技有限公司 | 一种混合色温白平衡方法 |
| CN113068016A (zh) * | 2021-04-02 | 2021-07-02 | 杭州涂鸦信息技术有限公司 | 白平衡校正方法、装置和计算机设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115334295A (zh) * | 2022-08-10 | 2022-11-11 | 杭州联吉技术有限公司 | 图像白平衡处理方法及电子设备 |
| CN115334295B (zh) * | 2022-08-10 | 2024-05-03 | 杭州联吉技术有限公司 | 图像白平衡处理方法及电子设备 |
| CN115802175A (zh) * | 2023-02-03 | 2023-03-14 | 福瑞泰克智能系统有限公司 | 图像传感器自动白平衡的控制方法、装置和存储介质 |
| CN115802175B (zh) * | 2023-02-03 | 2023-05-12 | 福瑞泰克智能系统有限公司 | 图像传感器自动白平衡的控制方法、装置和存储介质 |
| CN117713176A (zh) * | 2024-02-06 | 2024-03-15 | 内蒙古科技大学 | 源网荷储低碳运行方法、装置、电子设备及存储介质 |
| CN117713176B (zh) * | 2024-02-06 | 2024-05-03 | 内蒙古科技大学 | 源网荷储低碳运行方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114745532B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114745532B (zh) | 混合色温场景白平衡处理方法、装置、存储介质及终端 | |
| CN111798467B (zh) | 一种图像分割方法、装置、设备及存储介质 | |
| US7620251B2 (en) | Apparatus for selecting image of specific scene, program therefor, and recording medium storing the program | |
| CN108629783B (zh) | 基于图像特征密度峰值搜索的图像分割方法、系统及介质 | |
| CN109472832B (zh) | 一种配色方案生成方法、装置及智能机器人 | |
| CN108182421A (zh) | 视频分割方法和装置 | |
| CN113052859A (zh) | 基于自适应种子点密度聚类超像素分割方法 | |
| CN114719966A (zh) | 光源确定方法、装置、电子设备及存储介质 | |
| CN111079637B (zh) | 田间图像中分割油菜花的方法、装置、设备及存储介质 | |
| CN114913138A (zh) | 一种基于人工智能的移印机产品缺陷检测方法及系统 | |
| CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
| CN111833362A (zh) | 基于超像素和区域生长的非结构化道路分割方法及系统 | |
| CN115937552A (zh) | 一种基于融合手工特征与深度特征的图像匹配方法 | |
| CN114549525B (zh) | 一种基于改进canny算法的工业图像检测方法 | |
| CN115033721A (zh) | 基于大数据的图像检索方法 | |
| JP2005513632A (ja) | 水源方法を使用したイメージの分割 | |
| CN110634142A (zh) | 一种复杂车路图像边界优化方法 | |
| CN112492286A (zh) | 一种自动白平衡校正方法、装置及计算机存储介质 | |
| CN109472794B (zh) | 一种对图像进行超像素分割的方法及系统 | |
| CN110689586B (zh) | 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡 | |
| CN113781587B (zh) | 基于最佳路径的遥感影像色彩一致性处理方法 | |
| CN110322454B (zh) | 一种基于光谱差异最大化的高分辨遥感图像多尺度分割优化方法 | |
| CN113936103A (zh) | 激光点云图模型的构建方法及设备 | |
| CN113409338A (zh) | 一种基于概率分配的超像素方法 | |
| Techawatcharapaikul et al. | Improved radiometric calibration by brightness transfer function based noise & outlier removal and weighted least square minimization |
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 |