CN114866755B - 自动白平衡方法、装置和计算机存储介质、电子设备 - Google Patents

Abstract

本申请公开了一种自动白平衡方法、装置和计算机存储介质、电子设备，涉及图像处理技术领域，提供了硬件成本低且更加精确校准图像偏色的方法。本申请的主要技术方案为：将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。本申请主要应用于对图像的偏色问题进行校正。

Description

自动白平衡方法、装置和计算机存储介质、电子设备

技术领域

本申请涉及图像处理技术领域，尤其涉及一种自动白平衡方法、装置和计算机存储介质、电子设备。

背景技术

随着图像处理技术的进步，相机、手机等图像拍摄设备广泛应用，人们对图像质量要求也越来越高，同时拍摄场景也越来越复杂。在使用相机进行拍摄时，图像的颜色不可避免地会受到图像传感器自身或者外部环境等诸多因素的影响，使得图像色彩失真。例如，在由于这些因素使得色温改变的同时，采集到的图像色彩也会随之改变，产生偏色现象。

目前，现在可以采用基于灰点检测的自动白平衡方法来校正图像的偏色问题，其中灰点检测具体包括：首先将图像分成大量等大小的图像块(例如32x32个)，在每个图像块内进行颜色和亮度过滤处理，并将处理后的像素点转换到R/G-B/G颜色空间；其次针对每个图像块，判断像素点是否落入一个预设六边形区域，若是则将这样像素点确定为灰点，需要说明的是，这个预设六边形区域是根据常见光源下灰点色度值分布规律构建的一个六边形区域(如图1所示)，作为色度空间灰区；最后在每个图像块内统计灰点的数量和这些灰点的R/G均值和B/G均值，作为每个图像块对应的统计信息，据此根据所有图像块的统计信息计算各个颜色通道的白平衡增益，使用原始图像逐个像素点乘以这样的白平衡增益，得到经偏色校正后的目标图像。

其中，对于图1需要说明的是，如图1示出了在R/G-B/G色度空间内所构建的六边形区域，在图1中横坐标是r/g，纵坐标是b/g，cb_ref_max、cb_ref_min分别是蓝色分量在灰色区域的最大值最小值，cr_ref_max、cr_ref_min分别是红色分量在灰色区域的最大值最小值；六边形区域是基于标定的普朗克曲线而获得，该六边形是根据普朗克曲线特性和硬件易实现的维度去设计的。

然而，上述现有的方法是将图像块划分得很小，相应得到的图像块数量较多，以及还需要针对每个图像块进行运算，因此导致耗费运算成本是很高的；此外，上述构建的色度空间灰区，难以避免存在非灰点，这会影响白平衡增益计算准确率的，从而不利于图像偏色校正。以上，现有的方法不仅耗费处理成本高，并且又难以确保图像偏色的校正质量。

发明内容

本申请提供了一种自动白平衡方法、装置和计算机存储介质、电子设备，主要目的在于应对图像偏色问题，提供了花费成本低且更加精确校准图像偏色的方法。

为了达到上述目的，本申请主要提供如下技术方案：

本申请第一方面提供了一种自动白平衡方法，该方法包括：

将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；

利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；

根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；

根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

在本申请第一方面的一些变更实施方式中，所述预设带状灰区包括多个色温区域，所述色温区域用于表征对应色温范围下覆盖的灰点区域；

所述利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，包括：

从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点；

将落入像素点最多的色温区域，确定为目标色温区域；

将落入所述目标色温区域内的像素点，确定为目标灰点；或者，

获取与所述目标色温区域相邻色温范围所对应的色温区域，作为所述目标色温区域对应的相邻色温区域；

获取落入所述目标色温区域和落入所述相邻色温区域内的像素点，作为目标灰点。

在本申请第一方面的一些变更实施方式中，在所述利用预设带状灰区对所述图像块内像素点进行筛选之前，所述方法还包括：

在所述预设带状灰区内，按照预设方向等距离选取多个连续的采样点；

根据所述采样点与所述预设带状灰区边界的距离、所述采样点与相邻采样点之间的距离，绘制所述采样点对应的矩形条区域，所述矩形条区域用于表征对应色温范围下覆盖的灰点区域；

根据多个所述矩形条区域，将所述预设带状灰区划分成多个色温区域，其中，每个所述矩形条区域对应一个所述色温区域。

在本申请第一方面的一些变更实施方式中，在确定目标灰点之后，所述方法还包括：

判断所述目标灰点的数量是否大于预设阈值；

若否，则重新划分所述预设带状灰区内所包含的色温区域，并重新从所述图像块内筛选出对应的目标灰点。

在本申请第一方面的一些变更实施方式中，所述重新划分所述预设带状灰区内所包含的色温区域，包括：

按照预设色温区域数量的矩形条区域组成一组，将多个所述采样点对应的矩形条区域划分成多组，其中，每组内多个所述矩形条区域分别对应的色温范围是存在相邻关系的；

根据每组内多个所述矩形条区域，组成对应的色温区域。

在本申请第一方面的一些变更实施方式中，所述方法还包括：

获取多种色温下基于标准色卡标定的灰块区域所包含的像素点；

将所述像素点映射到R/G-B/G色度空间；

通过将多个所述像素点拟合成不同色温下的椭圆，确定在R/G-B/G色度空间内的色温椭圆，其中，多个所述色温椭圆为在不同色温下所述灰块区域在R/G-B/G色度空间内椭圆形高斯分布；

在多个所述色温椭圆中，通过将相邻色温的两个所述色温椭圆长轴的两端相连，在R/G-B/G色度空间内构建对应的带状区域，作为预设带状灰区。

在本申请第一方面的一些变更实施方式中，所述从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点，包括：

将所述图像块内所包含的像素点映射到R/G-B/G色度空间，得到所述像素点在所述R/G-B/G色度空间的坐标；

获取所述预设带状灰区内的色温区域在所述R/G-B/G色度空间的坐标；

通过比对所述像素点在所述R/G-B/G色度空间的坐标和所述色温区域在所述R/G-B/G色度空间的坐标，判断所述像素点是否落入所述色温区域；

若是，则根据不同所述色温区域内落入的像素点，统计每个所述色温区域内落入的像素点。

在本申请第一方面的一些变更实施方式中，所述根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益，包括：

获取每个图像块所包含目标灰点的数量；

在每个所述图像块内，根据所述目标灰点在各个颜色通道上对应的颜色分量值，在各个颜色通道上分别计算颜色分量平均值；

在每个所述图像块内，根据所述目标灰点的数量、所述颜色分量平均值，组成灰点特征信息，作为所述图像块对应的色温信息；

根据每个所述图像块对应的色温信息，计算不同颜色通道对应的白平衡增益，并组成所述原始图像对应的图像增益。

本申请第二方面提供了一种自动白平衡装置，该装置包括：

划分单元，用于将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；

筛选单元，用于利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；

确定单元，用于根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；

校正单元，用于根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

在本申请第二方面的一些变更实施方式中，所述预设带状灰区包括多个色温区域，所述色温区域用于表征对应色温范围下覆盖的灰点区域；

所述筛选单元包括：

统计模块，用于从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点；

确定模块，用于将落入像素点最多的色温区域，确定为目标色温区域；

所述确定模块，还用于将落入所述目标色温区域内的像素点，确定为目标灰点；或者，

获取模块，用于获取与所述目标色温区域相邻色温范围所对应的色温区域，作为所述目标色温区域对应的相邻色温区域；

所述获取模块，还用于获取落入所述目标色温区域和落入所述相邻色温区域内的像素点，作为目标灰点。

在本申请第二方面的一些变更实施方式中，在所述利用预设带状灰区对所述图像块内像素点进行筛选之前，所述装置还包括：

选取单元，用于在所述预设带状灰区内，按照预设方向等距离选取多个连续的采样点；

绘制单元，用于根据所述采样点与所述预设带状灰区边界的距离、所述采样点与相邻采样点之间的距离，绘制所述采样点对应的矩形条区域，所述矩形条区域用于表征对应色温范围下覆盖的灰点区域；

划分单元，用于根据多个所述矩形条区域，将所述预设带状灰区划分成多个色温区域，其中，每个所述矩形条区域对应一个所述色温区域。

在本申请第二方面的一些变更实施方式中，所述筛选单元还包括：

判断模块，用于在确定目标灰点之后，判断所述目标灰点的数量是否大于预设阈值；

第一执行模块，用于当判断所述目标灰点的数量不时大于预设阈值，重新划分所述预设带状灰区内所包含的色温区域；

第二执行模块，用于重新从所述图像块内筛选出对应的目标灰点。

在本申请第二方面的一些变更实施方式中，所述第一执行模块包括：

划分子模块，用于按照预设色温区域数量的矩形条区域组成一组，将多个所述采样点对应的矩形条区域划分成多组，其中，每组内多个所述矩形条区域分别对应的色温范围是存在相邻关系的；

组成子模块，用于根据每组内多个所述矩形条区域，组成对应的色温区域。

在本申请第二方面的一些变更实施方式中，所述装置还包括：

获取单元，用于获取多种色温下基于标准色卡标定的灰块区域所包含的像素点；

映射单元，用于将所述像素点映射到R/G-B/G色度空间；

所述确定单元，还用于通过将多个所述像素点拟合成不同色温下的椭圆，确定在R/G-B/G色度空间内的色温椭圆，其中，多个所述色温椭圆为在不同色温下所述灰块区域在R/G-B/G色度空间内椭圆形高斯分布。

构建单元，用于在多个所述色温椭圆中，通过将相邻色温的两个所述色温椭圆长轴的两端相连，在R/G-B/G色度空间内构建对应的带状区域，作为预设带状灰区。

在本申请第二方面的一些变更实施方式中，所述统计模块包括：

映射子模块，用于将所述图像块内所包含的像素点映射到R/G-B/G色度空间，得到所述像素点在所述R/G-B/G色度空间的坐标；

获取子模块，用于获取所述预设带状灰区内的色温区域在所述R/G-B/G色度空间的坐标；

判断子模块，用于通过比对所述像素点在所述R/G-B/G色度空间的坐标和所述色温区域在所述R/G-B/G色度空间的坐标，判断所述像素点是否落入所述色温区域；

统计子模块，用于当判断所述像素点是落入所述色温区域时，根据不同所述色温区域内落入的像素点，统计每个所述色温区域内落入的像素点。

在本申请第二方面的一些变更实施方式中，所述确定单元包括：

获取模块，用于获取每个图像块所包含目标灰点的数量；

计算模块，用于在每个所述图像块内，根据所述目标灰点在各个颜色通道上对应的颜色分量值，在各个颜色通道上分别计算颜色分量平均值；

组成模块，用于在每个所述图像块内，根据所述目标灰点的数量、所述颜色分量平均值，组成灰点特征信息，作为所述图像块对应的色温信息；

所述计算模块，还用于根据每个所述图像块对应的色温信息，计算不同颜色通道对应的白平衡增益；

所述组成模块，还用于根据不同颜色通道对应的白平衡增益，组成所述原始图像对应的图像增益。

本申请第三方面提供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如上所述的自动白平衡方法。

本申请第四方面提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的自动白平衡方法。

借由上述技术方案，本申请提供的技术方案至少具有下列优点：

本申请提供了一种自动白平衡方法、装置和计算机存储介质、电子设备，本申请是将获取到的原始图像划分成多个图像块，由于允许每个图像块可以包含一种或多种色温的像素点，而不必要求每个图像块只可以包含一种色温的像素点，所以本申请划分成图像块的数量可以不用很多，以及本申请后续将针对这数量不太多的图像块进行相关运算处理，不会耗费过高运算成本，从而有效降低硬件成本了。针对每个图像块，本申请都是利用预设带状灰区去筛选目标灰点，由于预设带状灰区用于表征多种不同色温下覆盖的灰点区域，因此本申请利用预设带状灰区能够预先构建一个适用于多种色温范围且更加精准的灰点区域，以利用预设带状灰区从每个图像块中检测出更加准确的灰点作为目标灰点，用于后续对于原始图像计算出更加精准的图像增益，以完成对原始图像的自动白平衡处理，得到偏色校正质量更高的目标图像。相较于现有技术，解决了现有自动白平衡方法需要硬件成本高且校正不够精确的问题，本申请应对图像偏色问题，提供了硬件成本低且更加精确校准图像偏色的方法。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为现有自动白平衡方法所使用的色度空间灰区的示意图；

图2为本申请实施例提供的一种自动白平衡方法流程图；

图3为本申请实施例提供的将原始图像划分成图像块的示意图；

图4为本申请实施例提供的另一种自动白平衡方法流程图；

图5为本申请实施例提供的构建预设带状灰区的具体实施方法流程图；

图6a为提供例举的麦克亚当椭圆示意图；

图6b为提供例举的对麦克亚当椭圆进行分步(或分级)的示意图；

图7a为提供在五种常见色温下将标准色卡自标定白块区域中的像素点在R/G-B/G色度空间进行可视化显示的示意图；

图7b为提供的五种色温下标准色卡自标定白块区域中的像素点在CIE1931xyY色度空间进行可视化显示的示意图；

图8为本申请实施例提供的R/G-B/G色度空间内的预设带状灰区示意图；

图9为本申请实施例提供的预设带状灰区内区域划分示意图；

图10为本申请实施例提供的一种自动白平衡装置的组成框图；

图11为本申请实施例提供的另一种自动白平衡装置的组成框图。

具体实施方式

下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。

本申请实施例提供了一种自动白平衡方法，如图2所示，对此本申请实施例提供以下具体步骤：

101、将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点。

其中，原始图像包含了从拍摄设备的图像传感器所处理的数据，之所以称为原始图像，是因为它尚未被转换成可视格式图像，通常情况下，原始图像具有宽色域的内部色彩，可以进行精确的调整，在转换之前作出一些简单修改。

示例性的，拍摄设备内部的原始图像存储为Bayer格式的文件，文件后缀名为.raw，例如使用相机拍照得到的jpeg文件或其它格式的图像文件，都是从.raw文件转换而来的。

需要说明的是，在本申请实施例中，允许每个图像块可以包含一种或多种色温的像素点，而不必要求每个图像块只可以包含一种色温的像素点，所以本申请划分成图像块的数量可以不用很多。例如，如图3所示，将输入的原始图像分成8*6区域得到48个等大小的图像块。

102、利用预设带状灰区对图像块内像素点进行筛选，得到图像块对应的目标灰点。

其中，预设带状灰区用于表征多种不同色温下覆盖的灰点区域。

由于同一色温下标准色卡中人工标定的灰块区域能够呈现更为准确的光源信息(即包括了光源色温信息)，本申请实施例可以选取常见的几种色温，并获取在不同色温下标准色卡中人工标定灰块区域所包含的像素点，从而构建一个包含精确灰点的带状区域，作为预设带状灰区。

例如，利用常见的几种色温所构建的预设带状灰区的色温范围从2100K至10000K，它能够适用于绝大多数场景的灰点检测。

在本申请实施例中，是利用预设带状灰区对每个图像块内像素点进行筛选，如果像素点落入到这个预设带状灰区内，则说明该像素点为目标灰点。

103、根据目标灰点在各个颜色通道上对应的颜色分量值，确定原始图像对应的图像增益。

104、根据图像增益，对原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

在本申请实施例中，由于预设带状灰区是基于不同色温下标准色卡中人工标定的灰块区域所包含的像素点而构建的，并且同一色温下标准色卡中人工标定的灰块区域能够呈现更为准确的光源信息(即包括了光源色温信息)，据此利用预设带状灰区筛选得到的目标灰点是能够准确反映相应光源色温信息的。

因此，对于本申请实施例，可以综合多个图像块对应的目标灰点在各个颜色通道上对应的颜色分量值，获得更加精准的白平衡补偿增益，作为校正原始图像偏色问题所需的图像增益，来执行自动白平衡处理，以得到经偏色校正效果更好的目标图像。

本申请实施例提供了一种自动白平衡方法，本申请实施例是将获取到的原始图像划分成多个图像块，由于允许每个图像块可以包含一种或多种色温的像素点，而不必要求每个图像块只可以包含一种色温的像素点，所以本申请划分成图像块的数量可以不用很多，以及本申请后续将针对这数量不太多的图像块进行相关运算处理，不会耗费过高运算成本，从而有效降低硬件成本了。针对每个图像块，本申请实施例都是利用预设带状灰区去筛选目标灰点，由于预设带状灰区用于表征多种不同色温下覆盖的灰点区域，因此本申请利用预设带状灰区能够预先构建一个适用于多种色温范围且更加精准的灰点区域，以利用预设带状灰区从每个图像块中检测出更加准确的灰点作为目标灰点，用于后续对于原始图像计算出更加精准的图像增益，以完成对原始图像的自动白平衡处理，得到偏色校正质量更高的目标图像。相较于现有技术，解决了现有自动白平衡方法需要硬件成本高且校正不够精确的问题，本申请实施例应对图像偏色问题，提供了更加精确校准图像偏色的方法。

为了对上述实施例做出更加详细的说明，本申请实施例还提供了另一种自动白平衡方法，如图4所示，本申请实施例提供以下具体步骤：

201、将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点。

对于本申请实施例，在将原始图像划分成多个图像块之后，可以对每个图像块进行去除噪点处理，以提高图像块质量。

以及还可以进一步对每个图像块进行颜色过滤处理，以从每个图像块内初步筛选出灰点，由于颜色过滤处理精确度难以保证，且初步筛选误差不可避免，所以经初步筛选得到的灰点中实际上难免会带有非灰点，继而将经初步筛选操作得到的灰点，作为参考灰点。

需要说明的是，后续对图像块内像素点的相关处理，作为一种优选替代方式，本申请实施例可以对每个图像块内的参考灰点进行相关处理即可，从而无需对图像块内每个像素点进行处理，以减少像素点的处理成本，提高处理效率。

202、在预设带状灰区内，按照预设方向等距离选取多个连续的采样点。

其中，预设带状灰区用于表征多种不同色温下覆盖的灰点区域。由于同一色温下标准色卡中人工标定的灰块区域能够呈现更为准确的光源信息(即包括了光源色温信息)，本申请实施例可以选取常见的几种色温，并获取在不同色温下标准色卡中人工标定灰块区域所包含的像素点，从而构建一个包含精确灰点的带状区域，作为预设带状灰区。

下面，本申请实施例还给出构建预设带状灰区的具体实施方法，如图5所示，本申请实施例提供以下具体步骤：

S301、获取多种色温下基于标准色卡标定的灰块区域所包含的像素点。

S302、将像素点映射到R/G-B/G色度空间。

在本申请实施例中，可以选择几种常见色温(例如D75、D65、D50、t84、A这五种色温)，将标准色卡人工标定灰块区域中的像素点映射到R/G-B/G色度空间。

S303、通过将多个像素点拟合成不同色温下的椭圆，确定在R/G-B/G色度空间内的色温椭圆，其中，多个色温椭圆为在不同色温下灰块区域在R/G-B/G色度空间内椭圆形高斯分布。

在本申请实施例中，根据多个像素点在R/G-B/G色度空间内分布，这些像素点将会拟合成不同的椭圆，由于这些像素点是来源对应于不同色温，所以每个椭圆实际上都对应了一种色温，这样的椭圆可以称之为“色温椭圆”，本申请实施例对这样的“色温椭圆”进行解释说明如下：

首先，本申请实施例应用到了麦克亚当椭圆思想，如图6a示出的麦克亚当椭圆，在CIE1931色度图中，对刚辨差(人眼刚刚能察觉出颜色差别所对应的色容差)的麦克亚当椭圆进行放大。以及如图6b例举的对麦克亚当椭圆进行分步(或分级)的示意图，从外到内的椭圆圈依次为4阶麦克亚当椭圆，3阶麦克亚当椭圆、2阶麦克亚当椭圆、1阶麦克亚当椭圆。其中对于每个麦克亚当椭圆，它的中心到边界的距离虽然各不相同，但椭圆上的各点的色差确是一致的，即图中“A”和“B”在同一个椭圆上，它们代表的颜色一致，“C”和“D”在同一个椭圆上，它们代表的颜色一致。

其次，本申请实施例还应用到了“分析同一色温灰色像素点在R/G和B/G色度空间的分布，研究得出固定色温的R/G值、B/G的值是在一个确定范围内”的结论。示例性的，在几种常见色温(D75、D65、D50、t84、A这五种色温)下，将标准色卡人工定灰块区域中的像素点在R/G-B/G色度空间进行可视化显示的示意图，如图7a所示，图7a中横坐标为“R/G”且纵坐标为“B/G”，图7a示出了五个区域范围，每个区域范围反应了同一色温的灰色像素点，从而五个区域范围分别反应了不同色温下的光源信息。

进一步的，结合麦克亚当椭圆也是评价光源色温的一种度量手段，示例性的，再进一步将图像中灰色像素点的R/G值和B/G值从R/G-B/G色度空间转换到CIE 1931xyY色度空间，采用如下公式(1)：

其中，x表示CIE 1931xyY色度空间的x维度，y表示y维度。

从而将这五种色温下标准色卡人工标定灰块区域中的像素点在CIE1931xyY色度空间进行可视化显示，如图7b所示，图7b也示出了五个区域范围，每个区域范围反应了同一色温的灰色像素点，并且五个区域范围也分别反应了不同色温下的光源信息。

通过比较图7a和图7b，不同色温下标准色卡人工标定灰块区域中的像素点在两个色度空间中的分布可以看出，由于非线性变换改变了椭圆的中心、长短轴以及偏移角，分布趋势发生了改变，但是在两个色度空间中都是呈现椭圆形分布，具有相同的数据分布特征(即二维平面中，呈椭圆形的高斯分布)。

据此，在本申请实施例中，基于麦克亚当椭圆的色容差理论，以及根据R/G-B/G色度空间的特点，利用几种色温下标准色卡人工标定灰块区域内的像素点，去计算不同色温下椭圆参数，根据椭圆参数，就能够构建本申请实施例提供不同色温对应的色温椭圆了。

S305、在多个色温椭圆中，通过将相邻色温的两个色温椭圆长轴的两端相连，构建对应的带状区域，作为预设带状灰区。

在本申请实施例中，示例性的，如图8所示的R/G-B/G色度空间内的预设带状灰区。基于六种常见常见色温下标准色卡中人工标定的灰块区域，获取相应像素点并映射到在R/G-B/G色度空间，根据这些像素点在R/G-B/G色度空间内分布而拟合成六个“色温椭圆”，如图8示出了这六个“色温椭圆”的长轴。以及利用相邻色温的两个“色温椭圆”长轴的两端相连，具体为，不同长轴两端之间的首首相连和尾尾相连，构建了一个带状区域，作为预设带状灰区。

203、根据采样点与预设带状灰区边界的距离、采样点与相邻采样点之间的距离，绘制采样点对应的矩形条区域。

其中，矩形条区域用于表征对应色温范围下覆盖的灰点区域。

在本申请实施例中，根据分段函数方法，在预设带状灰区内选取等距离多个采样点，并以这多个采样点为基准将预设带状灰区划分成多个矩形条区域。示例性的，如图9所示的预设带状灰区内区域划分示意图，在图9中是以R/G-B/G色度空间内B/G方向等距离选取了24个采样点，并根据当前采样点和其他采样点之间的距离、当前点与预设带状灰区左右边界的距离绘制了矩形条区域，得到了24个水平放置的矩形条区域，这24个矩形条区域足以填充原来的预设带状灰区。

204、根据多个矩形条区域，将预设带状灰区划分成多个色温区域。

其中，每个矩形条区域对应一个色温区域。

在本申请实施例中，如图9所示，预设带状灰区被划分成了多个水平放置的矩形条区域，由于预设带状灰区用于表征多种不同色温下覆盖的灰点区域。

示例性的，如之前例举的图8所示的R/G-B/G色度空间内的预设带状灰区，它是：基于六种常见色温下标准色卡中人工标定的灰块区域所包含的像素点，在R/G-B/G色度空间中的分布拟合成的“色温椭圆”而构建的。那么根据这六种常见色温，实际上使得预设带状灰区也覆盖了相应的色温范围，例如预设带状灰区色温范围是从2100K到10000K。

据此，在根据分段方法，将预设带状灰区划分成多个矩形条区域之后，使得每个矩形条区域也是覆盖了相应的色温范围的，这样每个矩形条区域实际上就是一个色温区域，从而完成了将预设带状灰区划分成多个色温区域。

综上，本申请实施例结合步骤202-204，将预设带状灰区划分成多个色温区域，得到的每个色温区域用于表征对应色温范围下覆盖的灰点区域。

205、从图像块所包含的像素点中，统计每个色温区域内落入的像素点。

在本申请实施例中，对本步骤细化解释说明为如下：

首先，将图像块内所包含的像素点映射到R/G-B/G色度空间，得到每个像素点在R/G-B/G色度空间的坐标。以及获取每个色温区域在R/G-B/G色度空间的坐标；

其次，通过比对每个像素点在R/G-B/G色度空间的坐标和不同色温区域在R/G-B/G色度空间的坐标，判断像素点是否落入到了某一个色温区域内。如果是，则统计每个色温区域内落入像素点的数量。

206、将落入像素点最多的色温区域，确定为目标色温区域。

207a、将落入目标色温区域内的像素点，确定为目标灰点；

对于本申请实施例，在根据落入像素点最多的色温区域而确定目标色温区域之后，可以直接将落入目标色温区域内的像素点作为目标灰点。

但是，如果当前图像块内检测到的灰点在相邻两个色温区域的边界处聚集，那么选取这两个色温区域中任何一个都会损失很多灰点的，这将会影响后续统计该图像块所包含灰点结果的准确性。如果出现这样情况，可以采取以下步骤207b-208b来确定图像块所包含的目标灰点。

207b、获取与目标色温区域相邻色温范围的色温区域，作为目标色温区域对应的相邻色温区域。

208b、获取落入目标色温区域和落入相邻色温区域内的像素点，作为目标灰点。

在本申请实施例中，在确定了目标色温区域之后，还融合其相邻色温区域内的灰点一起统计，作为该图像块对应的目标灰点。

209、判断目标灰点的数量是否大于预设阈值。

210c、若目标灰点的数量不大于预设阈值，则重新划分预设带状灰区内所包含的色温区域，并重新从图像块内筛选出对应的目标灰点。

在本申请实施例中，对于首次将预设带状灰区划分成多个色温区域的操作，如果得到的目标灰点数量过少，那么利用这样目标灰点去计算各个颜色通道上的白平衡补偿增益，是难以得到更加精准的数据结果的，从而也就难以计算得到更加精准的图像增益。因此本申请实施例有必要重新划分预设带状灰区内所包含的色温区域，以期望得到更多的目标灰点，具体的，本申请实施例给出重新划分预设带状灰区内所包含的色温区域的具体实施方法，可以包括如下：

首先，在上次将预设带状灰区划分成多个矩形条区域的基础之上，按照预设色温区域数量的矩形条区域组成一组，将多个采样点对应的矩形条区域划分成多组，其中，每组内多个矩形条区域分别对应的色温范围是存在相邻关系的。

其次，根据每组内多个矩形条区域，组成对应的色温区域。

示例性的，如图9所示的预设带状灰区内区域划分示意图，它是将预设带状灰区划分成了24个矩形条区域，本申请实施例可以进一步的将这24个矩形条区域划分成8组，即如图9在R/G-B/G色度空间的B/G方向，将相邻三个矩形条区域划成一组，由于预设带状灰区是对应一个色温范围的，这样每组矩形条区域也是对应一个色温范围，即组成了相应的色温区域。

在本申请实施例中，在重新划分预设带状灰区内所包含的色温区域，还需要重新从图像块内筛选出对应的目标灰点，对于筛选目标灰点的具体实施方法，如上步骤203-204、205a-205b。

需要说明的是，在重新确定目标灰点之后，还可以重复执行步骤207，以判断重新获取的目标灰点数量是否达标，如果是，则应用于后续计算图像增益，如果不是，则再次重复执行划分色温区域操作和重新获取目标灰点操作。本申请实施例利用这种迭代方式对目标灰点进行处理，以期望最终得到目标灰点数量是适合于后续计算出更加精准图像增益的。

210d、若目标灰点的数量大于预设阈值，则根据目标灰点在各个颜色通道上对应的颜色分量值，确定原始图像对应的图像增益。

在本申请实施例中，是获取每个图像块所包含目标灰点的数量，并针对每个图像块，根据目标灰点在各个颜色通道上对应的颜色分量值，在各个颜色通道上分别计算颜色分量平均值，利用目标灰点的数量、颜色分量平均值，组成灰点特征信息，作为一个图像块对应的色温信息。

示例性的，对于一个图像块，色温信息表达式为(count、avg_R、avg_G、avg_B)，其中count为目标灰点数量，avg_R为这些目标灰点在红色通道颜色分量平均值，avg_G这些目标灰点在绿色通道颜色分量平均值，avg_B这些目标灰点在蓝色通道颜色分量平均值。

对于本申请实施例，是统计每个图像块对应的色温信息，计算不同颜色通道对应的白平衡增益，并组成原始图像对应的图像增益。

在本申请实施例中，以原始图像为RAW图像为例，进行解释说明如下：

首先，根据以上已经获取到的每个图像块对应的色温信息(count、avg_R、avg_G、avg_B)，在红绿蓝三个颜色通道上分别进行红色分量、绿色分量和蓝色分量的累加操作，得到R_sum、G_sum、B_sum。

其次，由于RAW图像是由R、Gr、Gb、B通过四种不同分布中的一种得到，所以需要计算四通道白平衡补偿增益，示例性的，可以采用如下公式(1)、(2)和(3)：

R_gain＝G_sum/R_sum 公式(1)；

Gr_gain＝Gb_gain＝1 公式(2)；

B_gain＝G_sum/B_sum 公式(3)；

其中，R_gain表示红色通道增益，B_gain表示绿色通道增益，Gr_gain表示Gr通道增益，Gb_gain表示Gb通道增益；R_sum表示在红色通道累加的灰度值，G_sum表示在绿色通道累加的灰度值，B_sum表示在蓝色通道累加的灰度值。

对于原始图像RAW，这四通道白平衡补偿增益组成了对原始图像进行偏色校正所需的图像增益。

211d、根据图像增益，对原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

在本申请实施例中，以原始图像RAW为例，计算得到各个通道白平衡补偿增益[R_gain Gr_gain Gb_gain B_gain]。基于文·克里斯认为在两种光照条件下同一个物体表面颜色之间的关系可以用一个对角矩阵变换来描述(即Von Kries假设)，构建相应的对角矩阵对原始RAW图像逐像素点进行颜色校正，最终得到经过白平衡处理的图像，本申请实施例可以采用校正公式如下所示：

其中，R'、Gr'、Gb'、B'为经偏色校正后目标图像在各个颜色通道上的颜色分量值，R、Gr、Gb、B为原始图像在各个颜色通道上的颜色分量值，R_gain Gr_gain Gb_gain B_gain分别为在各个颜色通道上白平衡补偿增益。

根据公式(4)，本申请实施例遍历原始图像中的每个像素，逐个按照这四个通道增益进行像素调整(即像素乘以四个通道增益)，从而实现了对整个原始图像的调整，再将经调整后的原始图像转换成RGB图像，作为目标图像，即经自动白平衡处理的偏色校正后的图像。

进一步的，作为对上述图2、图4所示方法的实现，本申请实施例提供了一种自动白平衡装置。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置应用于对图像进行偏色校正，具体如图10所示，该装置包括：

划分单元41，用于将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；

筛选单元42，用于利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；

确定单元43，用于根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；

校正单元44，用于根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

进一步的，如图11所示，所述预设带状灰区包括多个色温区域，所述色温区域用于表征对应色温范围下覆盖的灰点区域；

所述筛选单元42包括：

统计模块421，用于从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点；

确定模块422，用于将落入像素点最多的色温区域，确定为目标色温区域；

所述确定模块422，还用于将落入所述目标色温区域内的像素点，确定为目标灰点；或者，

获取模块423，用于获取与所述目标色温区域相邻色温范围所对应的色温区域，作为所述目标色温区域对应的相邻色温区域；

所述获取模块423，还用于获取落入所述目标色温区域和落入所述相邻色温区域内的像素点，作为目标灰点。

进一步的，如图11所示，所述装置还包括：

选取单元45，用于在所述利用预设带状灰区对所述图像块内像素点进行筛选之前，在所述预设带状灰区内，按照预设方向等距离选取多个连续的采样点；

绘制单元46，用于根据所述采样点与所述预设带状灰区边界的距离、所述采样点与相邻采样点之间的距离，绘制所述采样点对应的矩形条区域，所述矩形条区域用于表征对应色温范围下覆盖的灰点区域；

所述划分单元41，还用于根据多个所述矩形条区域，将所述预设带状灰区划分成多个色温区域，其中，每个所述矩形条区域对应一个所述色温区域。

进一步的，如图11所示，所述筛选单元42还包括：

判断模块424，用于在确定目标灰点之后，判断所述目标灰点的数量是否大于预设阈值；

第一执行模块425，用于当判断所述目标灰点的数量不时大于预设阈值，重新划分所述预设带状灰区内所包含的色温区域；

第二执行模块426，用于重新从所述图像块内筛选出对应的目标灰点。

进一步的，如图11所示，所述第一执行模块425包括：

划分子模块4251，用于按照预设色温区域数量的矩形条区域组成一组，将多个所述采样点对应的矩形条区域划分成多组，其中，每组内多个所述矩形条区域分别对应的色温范围是存在相邻关系的；

组成子模块4252，用于根据每组内多个所述矩形条区域，组成对应的色温区域。

进一步的，如图11所示，所述装置还包括：

获取单元47，用于获取多种色温下基于标准色卡标定的灰块区域所包含的像素点；

映射单元48，用于将所述像素点映射到R/G-B/G色度空间；

所述确定单元43，还用于通过将多个所述像素点拟合成不同色温下的椭圆，确定在R/G-B/G色度空间内的色温椭圆，其中，多个所述色温椭圆为在不同色温下所述灰块区域在R/G-B/G色度空间内椭圆形高斯分布。

构建单元49，用于在多个所述色温椭圆中，通过将相邻色温的两个所述色温椭圆长轴的两端相连，在R/G-B/G色度空间内构建对应的带状区域，作为预设带状灰区。

进一步的，如图11所示，所述统计模块421包括：

映射子模块4211，用于将所述图像块内所包含的像素点映射到R/G-B/G色度空间，得到所述像素点在所述R/G-B/G色度空间的坐标；

获取子模块4212，用于获取所述预设带状灰区内的色温区域在所述R/G-B/G色度空间的坐标；

判断子模块4213，用于通过比对所述像素点在所述R/G-B/G色度空间的坐标和所述色温区域在所述R/G-B/G色度空间的坐标，判断所述像素点是否落入所述色温区域；

统计子模块4214，用于当判断所述像素点是落入所述色温区域时，根据不同所述色温区域内落入的像素点，统计每个所述色温区域内落入的像素点。

进一步的，如图11所示，所述确定单元43包括：

获取模块431，用于获取每个图像块所包含目标灰点的数量；

计算模块432，用于在每个所述图像块内，根据所述目标灰点在各个颜色通道上对应的颜色分量值，在各个颜色通道上分别计算颜色分量平均值；

组成模块433，用于在每个所述图像块内，根据所述目标灰点的数量、所述颜色分量平均值，组成灰点特征信息，作为所述图像块对应的色温信息；

所述计算模块432，还用于根据每个所述图像块对应的色温信息，计算不同颜色通道对应的白平衡增益；

所述组成模块433，还用于根据不同颜色通道对应的白平衡增益，组成所述原始图像对应的图像增益。

综上所述，本申请实施例提供了一种自动白平衡方法及装置，本申请是将获取到的原始图像划分成多个图像块，由于允许每个图像块可以包含一种或多种色温的像素点，而不必要求每个图像块只可以包含一种色温的像素点，所以本申请划分成图像块的数量可以不用很多，以及本申请后续将针对这数量不太多的图像块进行相关运算处理，不会耗费过高运算成本，从而有效降低硬件成本了。针对每个图像块，本申请都是利用预设带状灰区所包含的多个色温区域进行筛选目标灰点的，由于每个色温区域对应了相应的色温范围，从而筛选出的目标灰点是能够反映相应光源色温信息的，并且本申请还可以通过迭代处理方式筛选出足数量的目标灰点，以用于后续对于原始图像计算出更加精准的图像增益，以完成对原始图像的自动白平衡处理，得到偏色校正质量更高的目标图像，本申请应对图像偏色问题，提供了硬件成本低且更加精准地校准图像偏色的方法。

本申请实施例提供的自动白平衡装置包括处理器和存储器，上述划分单元、筛选单元、确定单元和校正单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来应对图像偏色问题，提供了硬件成本低且更加精确校准图像偏色的方法。

本申请实施例提供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如上所述的自动白平衡方法。

本申请实施例提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的自动白平衡方法。

本申请实施例提供一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：

一种自动白平衡方法，所述方法包括：将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种自动白平衡方法，其特征在于，所述方法包括：

获取多种色温下基于标准色卡标定的灰块区域所包含的像素点；

将所述像素点映射到R/G-B/G色度空间；

通过将多个所述像素点拟合成不同色温下的椭圆，确定在R/G-B/G色度空间内的色温椭圆，其中，多个所述色温椭圆为在不同色温下所述灰块区域在R/G-B/G色度空间内椭圆形高斯分布；

在多个所述色温椭圆中，通过将相邻色温的两个所述色温椭圆长轴的两端相连，在R/G-B/G色度空间内构建对应的带状区域，作为预设带状灰区；所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；所述预设带状灰区包括多个色温区域，所述色温区域用于表征对应色温范围下覆盖的灰点区域；

将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；

利用所述预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点；

其中，所述利用预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点，包括以下步骤：从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点；将落入像素点最多的色温区域，确定为目标色温区域；将落入所述目标色温区域内的像素点，确定为目标灰点；或者，获取与所述目标色温区域相邻色温范围所对应的色温区域，作为所述目标色温区域对应的相邻色温区域；获取落入所述目标色温区域和落入所述相邻色温区域内的像素点，作为目标灰点；

根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；

根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

2.根据权利要求1所述的方法，其特征在于，在所述利用预设带状灰区对所述图像块内像素点进行筛选之前，所述方法还包括：

在所述预设带状灰区内，按照预设方向等距离选取多个连续的采样点；

根据所述采样点与所述预设带状灰区边界的距离、所述采样点与相邻采样点之间的距离，绘制所述采样点对应的矩形条区域，所述矩形条区域用于表征对应色温范围下覆盖的灰点区域；

根据多个所述矩形条区域，将所述预设带状灰区划分成多个色温区域，其中，每个所述矩形条区域对应一个所述色温区域。

3.根据权利要求2所述的方法，其特征在于，在确定目标灰点之后，所述方法还包括：

判断所述目标灰点的数量是否大于预设阈值；

若否，则重新划分所述预设带状灰区内所包含的色温区域，并重新从所述图像块内筛选出对应的目标灰点。

4.根据权利要求3所述的方法，其特征在于，所述重新划分所述预设带状灰区内所包含的色温区域，包括：

按照预设色温区域数量的矩形条区域组成一组，将多个所述采样点对应的矩形条区域划分成多组，其中，每组内多个所述矩形条区域分别对应的色温范围是存在相邻关系的；

根据每组内多个所述矩形条区域，组成对应的色温区域。

5.根据权利要求1所述的方法，其特征在于，所述从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点，包括：

将所述图像块内所包含的像素点映射到R/G-B/G色度空间，得到所述像素点在所述R/G-B/G色度空间的坐标；

获取所述预设带状灰区内的色温区域在所述R/G-B/G色度空间的坐标；

通过比对所述像素点在所述R/G-B/G色度空间的坐标和所述色温区域在所述R/G-B/G色度空间的坐标，判断所述像素点是否落入所述色温区域；

若是，则根据不同所述色温区域内落入的像素点，统计每个所述色温区域内落入的像素点。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益，包括：

获取每个图像块所包含目标灰点的数量；

在每个所述图像块内，根据所述目标灰点在各个颜色通道上对应的颜色分量值，在各个颜色通道上分别计算颜色分量平均值；

在每个所述图像块内，根据所述目标灰点的数量、所述颜色分量平均值，组成灰点特征信息，作为所述图像块对应的色温信息；

根据每个所述图像块对应的色温信息，计算不同颜色通道对应的白平衡增益，并组成所述原始图像对应的图像增益。

7.一种自动白平衡装置，其特征在于，所述装置包括：

获取单元，用于获取多种色温下基于标准色卡标定的灰块区域所包含的像素点；

映射单元，用于将所述像素点映射到R/G-B/G色度空间；

确定单元，还用于通过将多个所述像素点拟合成不同色温下的椭圆，确定在R/G-B/G色度空间内的色温椭圆，其中，多个所述色温椭圆为在不同色温下所述灰块区域在R/G-B/G色度空间内椭圆形高斯分布；

构建单元，用于在多个所述色温椭圆中，通过将相邻色温的两个所述色温椭圆长轴的两端相连，在R/G-B/G色度空间内构建对应的带状区域，作为预设带状灰区；所述预设带状灰区用于表征多种不同色温下覆盖的灰点区域；所述预设带状灰区包括多个色温区域，所述色温区域用于表征对应色温范围下覆盖的灰点区域；

划分单元，用于将获取到的原始图像划分成多个图像块，每个图像块中包含至少一种色温的像素点；

筛选单元，用于利用所述预设带状灰区对所述图像块内像素点进行筛选，得到所述图像块对应的目标灰点；

所述筛选单元包括：统计模块、确定模块和获取模块；

所述统计模块，用于从所述图像块所包含的像素点中，统计每个所述色温区域内落入的像素点；所述确定模块，用于将落入像素点最多的色温区域，确定为目标色温区域；

所述确定模块，还用于将落入所述目标色温区域内的像素点，确定为目标灰点；

所述获取模块，用于获取与所述目标色温区域相邻色温范围所对应的色温区域，作为所述目标色温区域对应的相邻色温区域；所述获取模块，还用于获取落入所述目标色温区域和落入所述相邻色温区域内的像素点，作为目标灰点；

所述确定单元，用于根据所述目标灰点在各个颜色通道上对应的颜色分量值，确定所述原始图像对应的图像增益；

校正单元，用于根据所述图像增益，对所述原始图像进行自动白平衡处理，得到经偏色校正的目标图像。

8.一种计算机可读存储介质，其特征在于，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如权利要求1-6中任一项所述的自动白平衡方法。

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的自动白平衡方法。