CN115190283A - 一种白平衡调整方法及装置 - Google Patents

Abstract

公开了一种白平衡调整方法及装置，根据由待处理图像划分出的各色块的RGB数据，获取各色块的RGB数据在目标坐标系中的落点坐标，并通过各落点坐标与目标坐标系中预设的第一特征曲线和第二特征曲线的关系，调整各落点的权重，从而对待处理图像进行白平衡调整，以解决现有技术中拍摄的画面具有明显的偏色问题，提高成像质量。

Description

一种白平衡调整方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及一种白平衡调整方法及装置。

背景技术

由于相机传感器硬件上的缺陷，通过传感器获得的图像通常与我们人眼所看到的景象有一定的区别。例如，由于不同色温的光源影响，导致了通过传感器获得的图像的色调与实际场景的色调并不一致。为了获得色调与实际场景一致的图像，通常需要进行自动白平衡(AWB，Auto While Balance)矫正。

现有技术中，可以基于白点估计法或色温估计法对拍摄的画面进行颜色补偿，从而避免拍摄出的画面出现偏色的问题，但是，当拍摄出的画面颜色单一，例如坐标(B/G，R/G)接近中性灰对应的色温曲线时，基于白点估计法或色温估计法很难估计出实际拍摄场景的色温，从而造成对该色温进行增益补偿的结果的误差较大，导致拍摄出的画面具有严重的偏色问题。

发明内容

本公开的实施例提供了一种白平衡调整方法及装置，以解决现有技术中拍摄的画面具有严重的偏色问题。

根据本公开的第一方面，提供了一种白平衡调整方法，包括：

将待处理图像划分为若干色块，获取各所述色块的RGB数据在目标坐标系中对应的落点的坐标，其中，所述待处理图像是目标相机在任意色温环境下拍摄得到的；

根据所述目标坐标系中预设的第一特征曲线、第二特征曲线以及每个所述落点的坐标，调整每个所述落点相对于所述第一特征曲线的权重，其中，所述第一特征曲线是中性灰色对应的色温曲线，所述第二特征曲线是干扰色对应的色温曲线；

根据每个所述落点相对于所述第一特征曲线调整后的所述权重，对所述待处理图像进行白平衡调整。

根据本公开的第二方面，提供了一种白平衡调整装置，包括：

图像处理模块，用于将待处理图像划分为若干色块，获取各所述色块的RGB数据在目标坐标系中对应的落点的坐标，其中，所述待处理图像是目标相机在任意色温环境下拍摄得到的；

权重调整模块，用于根据所述目标坐标系中预设的第一特征曲线、第二特征曲线以及所述图像处理模块输出的各所述落点的坐标，调整各所述落点相对于所述第一特征曲线的权重，其中，所述第一特征曲线是中性灰色对应的色温曲线，所述第二特征曲线是干扰色对应的色温曲线；

白平衡模块，用于根据所述权重调整模块输出的各所述落点相对于所述第一特征曲线调整后的所述权重，对所述待处理图像进行白平衡调整。

根据本公开的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的白平衡调整方法。

根据本公开的第四方面，提供了一种电子设备，所述电子设备包括:

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的白平衡调整方法。

由以上技术方案可知，本公开提供的一种白平衡调整方法、装置、计算机可读存储介质及电子设备，根据由待处理图像划分出的各色块的RGB数据，获取各色块的RGB数据在目标坐标系中的落点坐标，并通过各落点坐标与目标坐标系中预设的第一特征曲线和第二特征曲线的关系，调整各落点的权重，从而对待处理图像进行白平衡调整，以解决现有技术中拍摄的画面具有严重的偏色问题。

附图说明

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

图1是本公开所适用的系统图；

图2是本公开一示例性实施例提供的白平衡调整方法的流程示意图；

图3是本公开另一示例性实施例提供的获取特征曲线的流程示意图；

图4是本公开另一示例性实施例提供的调整落点权重的流程示意图；

图5是本公开另一示例性实施例提供的调整异常点权重的流程示意图；

图6是本公开另一示例性实施例提供的调整第一异常点权重的流程示意图；

图7是本公开另一示例性实施例提供的确定第二异常点的流程示意图；

图8是本公开另一示例性实施例提供的调整第二异常点权重的流程示意图；

图9是本公开另一示例性实施例提供的调整第二簇点对应的各落点权重的流程示意图；

图10是本公开另一示例性实施例提供的调整待处理图像的白平衡的流程示意图；

图11为本公开实施例提供的一种白平衡调整装置的结构示意图；

图12为本公开实施例提供的一种权重调整模块的结构示意图；

图13为本公开实施例提供的一种电子设备的框图。

具体实施方式

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

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

公开概述

自动白平衡调整是相机中自动调节照片色温的一种功能，是针对通用光源的最佳化设置方案。相机可根据色温识别传感器感测到的光线情况，自动探测出被摄物体所在环境的色温值，以此判断拍摄条件，并选择最接近的色调设置，由色温校正电路加以校正，然后白平衡自动控制电路自动将白平衡调到合适位置，使用自动白平衡功能在拍摄照片的时候，照片通透清爽，景物的色彩还原接近现场的视觉感受。

但是，对于未设置色温识别传感器的摄像设备，例如，安装在车上的视频监控摄像头，是无法对环境色温进行识别的，因此该类设备拍摄出的画面颜色跟实物颜色存在较大偏差，不利于用户体验。

相关技术中，可以通过灰度世界法或完美发射法估计拍摄环境的色温，并对色温进行补偿，从而使待处理画面的色彩更接近拍摄的实物的颜色。但是，当画面颜色单一或画面中出现大面积的纯色时，该颜色会落入灰色特征曲线区域的范围内，使得灰度世界法和完美发射法失效，因此估计出来的色温和需要对该色温进行增益补偿的数据也会出现较大误差，造成画面出现明显偏色问题。

基于上述技术问题，本公开提供了一种白平衡调整方法及装置，根据由待处理图像划分出的各色块的RGB数据，获取各色块的RGB数据在目标坐标系中的落点坐标，并通过各落点坐标与目标坐标系中预设的第一特征曲线和第二特征曲线的关系，调整各落点的权重，从而对待处理图像进行白平衡调整，以解决现有技术中拍摄的画面具有明显偏色的问题，提高成像质量。

示例性系统

本公开实施例可应用于需要对拍摄的画面进行白平衡调整的应用场景中，该应用场景可包括辅助驾驶、自动驾驶或车身环境监控等应用场景。

例如，在辅助驾驶、自动驾驶或车身环境监控的应用场景中，可由车载摄像头拍摄车辆周围的环境图像，然后通过本公开实施例的方案对拍摄到的环境图像进行白平衡调整，以使调整后的环境图像的色彩更接近真实的环境色彩，提升拍摄质量，有利于用户体验。

本公开实施例可以应用于辅助驾驶、自动驾驶或车身环境监控的应用场景中，图1是本公开所适用的一个系统图，如图1所示，本公开的系统包括进行白平衡调整的设备100、车载摄像头200以及显示屏300，其中，进行白平衡调整的设备100可与车载摄像头200和显示屏300相连接。

在一些实施例中，进行白平衡调整的设备100可以是车载计算机，这种情况下，进行白平衡调整的设备100可通过电连接、网络连接、蓝牙连接中的至少一种分别与车载摄像头200和显示屏300连接。

其中，车载摄像头200用于拍摄车身周围的环境图像，并将拍摄得到的环境图像作为待处理图像传输至进行白平衡调整的设备100中。其中，车载摄像头200拍摄的图像不仅可以包括车外道路的环境图像，也可以包括车内空间的环境图像，例如，车内的驾驶员或乘客可以通过载摄像头200进行自拍，或者与他人进行视频通话。

进行白平衡调整的设备100用于接收车载摄像头200传输的待处理图片，并将待处理图片划分为若干色块，获取各色块的RGB数据在目标坐标系中的落点坐标，并通过各落点坐标与目标坐标系中预设的第一特征曲线和第二特征曲线的关系，调整各落点的权重，从而对待处理图像进行白平衡调整，生成更接近真实环境色彩的目标画面，并将目标画面传输至显示屏300，以用于显示。

显示屏300用于接收并显示由进行白平衡调整的设备100传输的目标图片，示例性的，显示屏300可以是如车载显示屏、电视显示屏、可穿戴设备显示屏以及手机显示屏等具有实体屏幕的显示屏300，目标画面可以直接显示在该类具有实体屏幕的显示屏300上；显示屏300也可以是如抬头显示屏(Head Up Display，HUD)等投屏到挡风玻璃上的没有实体屏幕的虚拟显示屏。

需要说明的是，本实施例提供的技术方案可通过软件、硬件、软硬件结合的任意方式实现。其中，硬件可提供声音和图像的输入，软件则可通过C++程序设计语言、Java等实现，视频通话功能则可通过基于Python程序设计语音的进行开发、实现，或者还可以通过其他软硬件来实现，本公开对具体实现的硬件、软件结构、功能不作限制。

示例性方法

图2是本公开一示例性实施例提供的白平衡调整方法的流程示意图。本实施例可应用在电子设备上，如图2所示，包括如下步骤：

步骤201，将待处理图像划分为若干色块，获取各色块的RGB数据在目标坐标系中对应的落点的坐标。

其中，待处理图像是目标相机在任意色温环境下拍摄得到的，可以将待处理图像划分为M×N个色块，M和N均是大于或等于1的整数，且经过划分的色块的最小面积不小于该待处理图像中的单个像素块的面积。

目标坐标系是横坐标的单位为R/G、纵坐标的单位为B/G的坐标系，或者，目标坐标系也可以是横坐标的单位为B/G、纵坐标的单位为R/G的坐标系，其中，R、G、B是用于表征颜色参数的数据，R表示红色灰阶值，G表示绿色灰阶值，B表示蓝色灰阶值，R/G表示红色灰阶值与绿色灰阶值的比值，B/G表示蓝色灰阶值与绿色灰阶值的比值。

RGB数据包括R、G、B分别对应的数值，通过获取待处理图像中各个色块的RGB数据，可以在目标坐标系的对应位置生成M×N个落点，每个落点的坐标可以表示为(R/G，B/G)或者(B/G，R/G)。

其中，若目标色块中仅包括一种颜色，则可以将该颜色的RGB数据直接确定为目标色块的RGB数据；

若目标色块中包括至少两种颜色，则可以分别获取目标色块中各颜色的R、G、B分别对应的数值，并对各颜色的R对应的数值进行加和求平均值处理，得到平均R数据，对各颜色的B对应的数值进行加和求平均值处理，得到平均B数据，对各颜色的G对应的数值进行加和求平均值处理，得到平均G数据，并将求得的平均R数据、平均B数据以及平均G数据的集合确定为目标色块的RGB数据。

步骤202，根据目标坐标系中预设的第一特征曲线、第二特征曲线以及每个落点的坐标，调整每个落点相对于第一特征曲线的权重。

其中，第一特征曲线和第二特征曲线可以预先在目标坐标系中生成，第一特征曲线是中性灰色对应的色温曲线，中性灰色在标准色温(5500K)下的R：G：B＝1：1：1。第二特征曲线是干扰色对应的色温曲线，干扰色可以是除中性灰色和待处理图像中各像素块颜色以外的任意颜色，例如，在标准色温(5500K)下，中性灰色对应的RGB数据可以是R＝128、B＝128、G＝128，待处理图像中存在两种颜色的像素块，分别对应的RGB数据可以是R＝16、B＝72、G＝35和R＝36、B＝12、G＝37，则干扰色对应的RGB数据可以是R＝62、B＝72、G＝16等与中性灰色对应的RGB数据和待处理图像中像素块的颜色对应的RGB数据不同的颜色。

在一些实施例中，可以以第一特征曲线上的点作为基准，对待处理图像中像素块的颜色进行白平衡调整。其中，待处理图像中像素块的颜色对应的落点坐标可以用于表征该像素块的颜色对应的RGB数据，落点与第一特征曲线之间距离越远，说明能提供的有效信息越少，例如，落点与第一特征曲线之间距离越远，说明包括的噪声信息越多，即该落点对应的色块已过度曝光，若仍将该落点相对于第一特征曲线的权重作为参考，对待处理图像进行白平衡调整，会影响调整效果。

因此，可以预设权重阈值并对目标坐标系上的各落点进行去噪处理，例如，设置权重阈值为e，当检测到落点相对于第一特征曲线的权重小于权重阈值时，保留该落点，当检测到落点相对于第一特征曲线的权重大于或等于权重阈值时，删除该落点，以保证目标坐标系中的落点提供的颜色信息的有效性。

步骤203，根据每个落点相对于第一特征曲线调整后的权重，对待处理图像进行白平衡调整。

在一些实施例中，可以利用第二特征曲线上的点对落点相对于第一特征曲线的权重进行调整，例如，采用降低各落点相对于第一特征曲线的权重的方式，以提高对待处理图像中像素块的颜色进行白平衡调整的调整效果。

本公开的白平衡调整方法中，根据待处理图像划分出的各色块的RGB数据，获取各色块的RGB数据在目标坐标系中的落点坐标，并通过各落点坐标与目标坐标系中预设的第一特征曲线和第二特征曲线的关系，调整各落点的权重，从而对待处理图像进行白平衡调整，以解决现有技术中未安装有色温识别传感器的设备拍摄的画面具有明显偏色的问题，提高成像质量。

图3是本公开一示例性实施例提供的获取第一特征曲线和第二特征曲线的流程示意图。

如图3所示，在上述图2所示实施例的基础上，本公开一个示例性实施例中，步骤102所示根据目标坐标系中预设的第一特征曲线、第二特征曲线以及每个落点的坐标，调整每个落点相对于第一特征曲线的权重步骤之前具体可以包括如下步骤：

步骤301，获取第一预设数量的标准色卡图像。

其中，第一预设数量的标准色卡图像是目标相机在不同色温环境下拍摄得到的，标准色卡图像包括中性灰色。

通过在不同色温环境下拍摄包括中性灰色的画面，可以得到对应的标准色卡图像。其中，色温环境可以由色温箱提供，也可以由其他已知的色温光源提供，如火柴光的色温约为1700K，蜡烛色温约为1850K，钨灯(白炽灯)色温2800K等，本发明对此不作限制。例如，可以分别在1000K、2000K、3000K、4000K、5000K、6000K的光源环境下，拍摄包括中性灰色的画面，得到一组标准色卡图像。

步骤302，获取第二预设数量的干扰色图像。

其中，第二预设数量的干扰色图像是目标相机在不同色温环境下拍摄得到的，干扰色图像包括至少一种干扰色。例如，通过在不同色温环境下拍摄包括干扰色的画面，可以得到对应的第二预设数量的干扰色图像，干扰色图像中可以包括青、黄、紫、白四种颜色，可以将占干扰色图像面积低于预设值的颜色确定为干扰色，例如，青色占干扰色图像面积为2％，黄色占干扰色图像面积为5％，紫色占干扰色图像面积为1％，白色占干扰色图像面积为91％，若预设将占干扰色图像面积低于10％的颜色确定为干扰色，则可以将青、黄、紫三种颜色均确定为干扰色。

步骤303：根据标准色卡图像和干扰色图像，在目标坐标系中拟合第一特征曲线和第二特征曲线。

其中，第一特征曲线根据第一预设数量的标准色卡图像内中性灰色的RGB数据在目标坐标系中拟合得到。

在一些实施例中，每一个色温下拍摄得到的标准色卡图像中的中性灰色均对应有一组RGB数据，例如，2000K色温环境下拍摄的标准色卡图像中的中性灰色R:G:B的比例为10：7：70；3000K色温环境下拍摄的标准色卡图像中的中性灰色R:G:B的比例为20：13：65；4000K色温环境下拍摄的标准色卡图像中的中性灰色R:G:B的比例为2：1：4等。

在一些实施例中，由于拍摄角度或曝光情况不同，同一色温下拍摄得到的标准色卡图像中的中性灰色也可以对应有多组RGB数据，例如，2000K色温环境下拍摄得到的标准色卡图像中的中性灰色所在的区域，根据对应的RGB数据的不同可以划分为多个区域，例如包括第一区域、第二区域以及第三区域，位于第一区域中的各像素块的颜色均相同，对应的R:G:B的比例为10：7：68；位于第二区域中的各像素块的颜色均相同，对应的R:G:B的比例为10：7：72；位于第三区域中的各像素块的颜色均相同，对应的R:G:B的比例为10：7：69。针对这种情况，可以将各区域R:G:B的比例通过如下函数处理，求得总区域的平均RGB数据：

其中，N为划分出的区域数量，r_i、b_i、g_i分别表示第i区域中R、B、G对应的数值，

的集合表示总区域的平均RGB数据，可以将总区域的平均RGB数据确定为对应色温环境下拍摄的标准色卡图像中的中性灰色对应的RGB数据，并得到对应的R:G:B的比例数据。

根据上述不同色温下拍摄的准色卡图像中的中性灰色R:G:B的比例，可以在目标坐标系中生成对应的点坐标，并基于各点坐标拟合生成一条曲线，该曲线即为第一特征曲线。

第二特征曲线根据第二数量的干扰色图像中每一种干扰色的RGB数据在目标坐标系中拟合得到，且第二特征曲线的数量与干扰色种类相同。

在一些实施例中，每一个色温下拍摄得到的干扰色图像中的各干扰色均对应有一组RGB数据，根据不同色温下各干扰色分别对应的RGB数据，可以得到不同色温下各干扰色分别对应的R:G:B的比例数据，并在目标坐标系中生成对应的点坐标，其中，在目标坐标系中生成干扰色对应的点坐标的方式可以参照前述在目标坐标系中生成中性灰色对应的点坐标的方式，此处不做赘述。

根据各干扰色在目标坐标系中对应的点坐标，可以拟合得到与干扰色颜色种类的数量相同的第二特征曲线，其中，在目标坐标系中拟合第二特征曲线的方式可以参照前述在目标坐标系中拟合第一特征曲线的方式，此处不做赘述。

图4示出了如图2所示的实施例中根据目标坐标系中预设的第一特征曲线、第二特征曲线以及每个落点的坐标，调整每个落点相对于第一特征曲线的权重步骤的流程示意图。

如图4所示，在上述图2所示实施例的基础上，本公开一个示例性实施例中，步骤102所示根据目标坐标系中预设的第一特征曲线、第二特征曲线以及每个落点的坐标，调整每个落点相对于第一特征曲线的权重步骤具体可以包括如下步骤：

步骤401：获取各落点的坐标到第一特征曲线的第一最短距离和到距离最近的一个第二特征曲线的第二最短距离；

例如，落点的坐标为(x₀,y₀),第一特征曲线表示为Ax+By+C＝0，则落点的坐标到第一特征曲线的第一最短距离d₁为：

第二特征曲线表示为Dx+Ey+F＝0，则落点的坐标到第二特征曲线的第二最短距离d₂为：

步骤402：确定每个落点的坐标相对于第一特征曲线的权重；

其中，落点的坐标相对于第一特征曲线的权重表示落点的坐标与第一特征曲线之间的关联度，落点距离第一特征曲线越近，说明落点与第一特征曲线的关联度越高，即落点的坐标相对于第一特征曲线的权重越大，落点距离第一特征曲线越远，说明落点与第一特征曲线的关联度越低，即落点的坐标相对于第一特征曲线的权重越小。

在一些实施例中，可以设定获取权重的函数，计算落点的坐标相对于第一特征曲线的权重，获取权重的函数为：

Y＝Jd₁+I；

其中，Y表示落点的坐标相对于第一特征曲线的权重，J表示权重因子，且J<1，I为常数。

步骤403：根据第一最短距离和第二最短距离，调整权重。

图5示出了如图4所示的实施例中根据第一最短距离和第二最短距离，调整权重步骤的流程示意图。

如图5所示，在上述图4所示实施例的基础上，本公开一个示例性实施例中，步骤403所示根据第一最短距离和第二最短距离，调整权重步骤具体可以包括如下步骤：

步骤501：从各落点中确定异常点和白点。

其中，将目标落点对应的第一最短距离小于第二最短距离的落点确定为异常点，将目标落点对应的第一最短距离不小于第二最短距离的落点确定为白点，目标落点为各落点中的任意一个落点。

步骤502：确定异常点的第一数量和白点的第二数量。

步骤503：基于第一数量与第一数量和第二数量的和的比值，确定目标比例。

其中，若第一数量为c₁，第二数量为c₂，则目标比例

步骤504：根据目标比例，调整异常点相对于第一特征曲线的权重。

图6示出了如图5所示的实施例中根据目标比例，调整异常点相对于第一特征曲线的权重步骤的流程示意图。

如图6所示，在上述图5所示实施例的基础上，本公开一个示例性实施例中，步骤504所示根据目标比例，调整异常点相对于第一特征曲线的权重步骤具体可以包括如下步骤：

步骤601：确定目标比例不大于预设第一比例阈值，获取第一异常点。

其中，第一异常点是第一最短距离小于预设第一距离阈值对应的异常点，预设第一比例阈值和预设第一距离阈值可以自行调控，例如，预设第一比例阈值为60％，第一距离阈值可以设为0.4，本公开不做具体限制。

步骤602：根据预设第一降权重比例值，降低第一异常点的权重。

其中，第一降权重比例值可以自行调控，例如，第一降权重比例值可以设为30％，本公开不做具体限制。

图7为本公开实施例中确定第二异常点的流程示意图。

如图7所示，在上述图6所示实施例的基础上，本公开一个示例性实施例中，具体还可以包括如下步骤：

步骤701：确定目标比例大于预设第一比例阈值，将各第二特征曲线划分为N个曲线段，以及，将各曲线段的中点确定为簇点，N为大于1的整数。

示例性的，可以将第二特征曲线划分成8段，每一个曲线段的中点分别为v₁、v₂、v₃、v₄、v₅、v₆、v₇以及v₈，即可以将v₁、v₂、v₃、v₄、v₅、v₆、v₇以及v₈确定为第二特征曲线上的簇点。

步骤702：将各异常点到距离最近的一个簇点之间的距离确定为簇点距离。

其中，异常点的坐标可以表示为(x₁,y₁)，任意一个簇点的坐标可以表示为(x₂,y₂)，则异常点到距离最近的一个簇点之间的距离d₃可以表示为：

步骤703：确定第二异常点，将第二异常点的权重调整至0。

其中，第二异常点是簇点距离小于预设第二距离阈值对应的异常点，第二距离阈值可以自行调整，例如，第二距离阈值可以设为0.3，本公开不做具体限制。

图8示出了如图7所示的实施例中将第二异常点的权重调整至0步骤的流程示意图。

如图8所示，在上述图7所示实施例的基础上，本公开一个示例性实施例中，步骤703所示将第二异常点的权重调整至0步骤具体可以包括如下步骤：

步骤801：确定各第二异常点对应的目标曲线点。

进一步的，目标曲线点是第一特征曲线上的点，第二异常点对应的目标曲线点是R/G值与第二异常点的R/G值相等的点；

步骤8011：确定各第二异常点的B/G值均小于各第二异常点对应的目标曲线点的B/G值；

步骤8012：从R/G值最大的第二异常点至R/G值最小的第二异常点方向，将各第二异常点的权重调整至0；

或者，执行步骤8021：确定至少一个第二异常点的B/G值大于对应的目标曲线点的B/G值；

步骤8022：从R/G值最小的第二异常点至R/G值最大的第二异常点方向，将各第二异常点的权重调整至0。

如图9所示，在上述图7所示实施例的基础上，本公开一个示例性实施例中，具体还可以包括如下步骤：

步骤901：确定各落点与距离最近的簇点之间的映射关系。

其中，若落点与目标簇点之间的最短距离小于落点与其他任意簇点之间的最短距离，则建立该落点与目标簇点之间的映射关系。

步骤902：确定第一簇点和第二簇点。

其中，第一簇点是与各落点之间建立有最大数量的映射关系的簇点，第二簇点是与第一簇点之间的距离小于预设第三距离阈值的各簇点，第三距离阈值可以基于需要自行调整，本公开不做具体限制。

步骤903：确定第二簇点对应的落点的总数量小于预设第二比例阈值；

其中，第二比例阈值可以自行调控，本公开不做具体限定。

步骤904：根据预设调整权重规则，调整各第二簇点对应的落点相对于第一特征曲线的权重。

其中，调整权重规则用于基于第二簇点与第一簇点之间的距离关系，确定各第二簇点对应的落点权重调整的比例值。例如，调整权重规则是第二簇点与第一簇点的距离越近，第二簇点对应的落点权重降低的比例值越高。

示例性的，若第二特征曲线上包括簇点v₁、v₂、v₃、v₄、v₅、v₆、v₇以及v₈，其中，v₃对应的落点的数量最多，则可以将v₃确定为第一簇点，则v₁、v₂、v₄、v₅、v₆、v₇以及v₈均确定为第二簇点，设定第二比例阈值为90％，第二簇点的数量为3，则可以选取距离第一簇点v₃距离最近的三个第二簇点v₂、v₄、v₅，若v₂、v₄、v₅对应的落点的总数量大于90％，则不对各落点的权重进行调整，若第二簇点v₂、v₄、v₅对应的落点的总数量小于或等于90％，则按照与v₃距离由远至近的方向，依次减小第二簇点v₅、v₄、v₂对应的落点的权重，例如，可以将第二簇点v₅对应的落点的权重降低40％，将第二簇点v₄对应的落点的权重降低60％，将第二簇点v₂对应的落点的权重降低70％。

需要说明的是，上述实施例中对第一簇点的选取、第二比例阈值的设置以及对各第二簇点内的落点的权重降低的比例均为示例性说明，在具体实现中，可自行调整，本公开不做具体的限制。

图10示出了如图2所示的实施例中根据各落点相对于第一特征曲线调整后的权重，对待处理图像进行白平衡调整步骤的流程示意图。

如图10所示，在上述图2所示实施例的基础上，本公开一个示例性实施例中，步骤203所示根据各落点相对于第一特征曲线调整后的权重，对待处理图像进行白平衡调整步骤具体可以包括如下步骤：

步骤2031：根据各落点相对于第一特征曲线调整后的权重，计算各色块的白平衡增益；

色块的白平衡增益包括红平衡增益rgain和蓝平衡增益bgain，利用经过权重调整后的落点的坐标值，输入用于计算白平衡增益的算法中，例如，AWB(Automatic whitebalance)算法，即可得到对应的红平衡增益rgain和蓝平衡增益bgain。

步骤2032：根据各色块的白平衡增益，对待处理图像进行白平衡调整。

经过白平衡调整后的图像的色彩更接近拍摄的真实环境的色彩，解决了现有技术中由于难以估计出实际拍摄场景的色温，从而造成对该色温进行增益补偿的结果的误差较大，拍摄出的画面易出现明显的偏色问题。

示例性装置

参见图11，为本公开实施例提供的一种白平衡调整装置的结构示意图，该装置用于实现前述方法实施例的全部或部分功能。具体地，白平衡调整装置包括图像处理模块121、权重调整模块122以及白平衡模块123，此外，该装置还可以包括其他更多模块，比如存储模块、发送模块以及显示模块等，本实施例对此不予限制。

具体地，本公开实施例中的图像处理模块121用于将待处理图像划分为若干色块，获取各色块的RGB数据在目标坐标系中对应的落点的坐标。

其中，待处理图像是目标相机在任意色温环境下拍摄得到的。

权重调整模块122，用于根据目标坐标系中预设的第一特征曲线、第二特征曲线以及由图像处理模块121得到的各落点的坐标，调整各落点相对于第一特征曲线的权重。

其中，第一特征曲线是中性灰色对应的色温曲线，第一特征曲线根据第一数量的标准色卡图像中中性灰色的RGB数据在目标坐标系中拟合得到，第一数量标准色卡图像由目标相机在不同色温环境下拍摄得到。

第二特征曲线是干扰色对应的色温曲线，第二特征曲线根据第二数量的干扰色图像中每一种干扰色的RGB数据在目标坐标系中拟合得到，且第二特征曲线的数量与干扰色种类相同。

白平衡模块123：用于根据权重调整模块122输出的各落点相对于第一特征曲线调整后的权重，对待处理图像进行白平衡调整。

可选的，在本实施例的另一种实现方式中，参见图12，权重调整模块122还包括第一计算单元1221、第二计算单元1222和第一分析单元1223,根据目标坐标系中预设的第一特征曲线、第二特征曲线以及每个落点的坐标，调整每个落点相对于第一特征曲线的权重，还包括：

第一计算单元1221用于获取各落点的坐标到第一特征曲线的第一最短距离和到距离最近的一个第二特征曲线的第二最短距离，并将第一最短距离发送至第二计算单元，将第二最短距离发送至第一分析单元1223。

第二计算单元1222用于接收第一计算单元1221发送的第一最短距离，并根据接收到的第一最短距离，确定每个落点的坐标相对于第一特征曲线的权重；

第一分析单元1223用于接收第一计算单元1221和第二计算单元1222输出的内容，并根据接收到的内容，调整落点的权重。

可选的，在本实施例的另一种实现方式中，根据第一最短距离和第二最短距离，调整权重，还包括：

从各落点中确定异常点和白点，其中，将目标落点对应的第一最短距离小于第二最短距离的落点确定为异常点，将目标落点对应的第一最短距离不小于第二最短距离的落点确定为白点，目标落点为各落点中的任意一个落点；

确定异常点的第一数量和白点的第二数量；

基于第一数量与第一数量和第二数量的比值，确定目标比例；

根据目标比例，调整异常点相对于第一特征曲线的权重。

可选的，在本实施例的另一种实现方式中，根据目标比例，调整异常点相对于第一特征曲线的权重，包括：

确定目标比例不大于第一比例阈值，获取第一异常点，第一异常点是第一最短距离小于预设第一距离阈值对应的异常点；

根据预设第一降权重比例值，降低第一异常点的权重。

可选的，在本实施例的另一种实现方式中，还包括，

确定目标比例大于第一比例阈值，将各第二特征曲线划分为N个曲线段，以及，将各曲线段的中点确定为簇点，其中，N为大于1的整数；

将各异常点到距离最近的一个簇点之间的距离确定为簇点距离；

确定第二异常点，将第二异常点的权重调整至0，其中，第二异常点是簇点距离小于预设第二距离阈值对应的异常点。

可选的，在本实施例的另一种实现方式中，将第二异常点的权重调整至0，还包括：

确定各第二异常点对应的目标曲线点，其中，目标曲线点是第一特征曲线上的点，第二异常点对应的目标曲线点是R/G值与第二异常点的R/G值相等的点；

确定第二异常点的B/G值小于第二异常点对应的目标曲线点的B/G值；

从R/G值最大的第二异常点至R/G值最小的第二异常点方向，将各第二异常点的权重调整至0；

或者，确定第二异常点的B/G值大于对应的目标曲线点的B/G值；

从R/G值最小的第二异常点至R/G值最大的第二异常点方向，将各第二异常点的权重调整至0。

可选的，在本实施例的另一种实现方式中，还包括：

确定各落点与距离最近的簇点之间的映射关系；

确定第一簇点和第二簇点，其中，第一簇点是与各落点之间建立有最大数量的映射关系的簇点，第二簇点是距离第一簇点小于预设第三距离阈值的各簇点；

确定各第二簇点对应的落点的数量小于预设第二比例阈值；

根据预设调整权重规则，调整各第二簇点对应的落点相对于第一特征曲线的权重，其中，调整权重规则用于基于第二簇点与第一簇点之间的距离关系，确定各第二簇点对应的落点权重调整的比例值。

可选的，在本实施例的另一种实现方式中，调整权重规则是第二簇点与第一簇点的距离越近，第二簇点对应的落点权重降低的比例值越高。

可选的，在本实施例的另一种实现方式中，根据各落点相对于第一特征曲线调整后的权重，对待处理图像进行白平衡调整，还包括：

根据各落点相对于第一特征曲线调整后的权重，计算各色块的白平衡增益；

根据各色块的白平衡增益，对待处理图像进行白平衡调整。

另外，本装置实施例中，如图11所示的各个模块的功能与前述如图2所示的方法实施例对应，比如，图像处理模块121用于执行前述方法步骤201、权重调整模块122用于执行前述方法步骤202、白平衡模块123用于执行前述方法步骤203等。

示例性电子设备

下面，参考图11来描述根据本公开实施例的电子设备。该电子设备10可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图13示出了根据本公开实施例的电子设备的框图。

如图13所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本公开的各个实施例的白平衡调整方法中的步骤以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

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

例如，在该电子设备是第一设备或第二设备时，该输入装置13可以是上述的车载摄像头200，用于捕捉环境图像的输入信号。在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。

此外，该输入设备13还可以包括例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图13中仅示出了该电子设备10中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的白平衡调整方法中的步骤。

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

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的白平衡调整方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

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

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

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

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

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

Claims (13)

1.一种白平衡调整方法，包括：

将待处理图像划分为若干色块，获取各所述色块的RGB数据在目标坐标系中对应的落点的坐标，其中，所述待处理图像为目标相机在任意色温环境下拍摄得到；

根据所述目标坐标系中预设的第一特征曲线、第二特征曲线以及每个所述落点的坐标，调整每个所述落点相对于所述第一特征曲线的权重，其中，所述第一特征曲线是中性灰色对应的色温曲线，所述第二特征曲线是干扰色对应的色温曲线；

根据每个所述落点相对于所述第一特征曲线调整后的所述权重，对所述待处理图像进行白平衡调整。

2.根据权利要求1所述的方法，其中，

所述第一特征曲线根据第一预设数量的标准色卡图像中所述中性灰色的RGB数据在目标坐标系中拟合得到，所述第一预设数量的标准色卡图像由所述目标相机在不同色温环境下拍摄得到；

所述第二特征曲线根据第二预设数量的干扰色图像中每一种所述干扰色的RGB数据在所述目标坐标系中拟合得到，且所述第二特征曲线的数量与所述干扰色种类相同。

3.根据权利要求1所述的方法，其中，所述根据所述目标坐标系中预设的第一特征曲线、第二特征曲线以及每个所述落点的坐标，调整每个所述落点相对于所述第一特征曲线的权重，还包括：

获取各所述落点的坐标到所述第一特征曲线的第一最短距离和到距离最近的一个所述第二特征曲线的第二最短距离；

确定每个所述落点的坐标相对于所述第一特征曲线的权重；

根据所述第一最短距离和所述第二最短距离，调整所述权重。

4.根据权利要求3所述的方法，其中，所述根据所述第一最短距离和所述第二最短距离，调整所述权重，还包括：

从各所述落点中确定异常点和白点，其中，将目标落点对应的第一最短距离小于第二最短距离的落点确定为异常点，将所述目标落点对应的第一最短距离不小于第二最短距离的落点确定为白点，所述目标落点为各所述落点中的任意一个落点；

确定所述异常点的第一数量和所述白点的第二数量；

根据所述第一数量与所述第一数量和所述第二数量的和的比值，确定目标比例；

根据所述目标比例，调整所述异常点相对于所述第一特征曲线的权重。

5.根据权利要求4所述的方法，其中，所述根据所述目标比例，调整所述异常点相对于所述第一特征曲线的权重，包括：

响应于确定所述目标比例不大于预设第一比例阈值，获取第一异常点，所述第一异常点是所述第一最短距离小于预设第一距离阈值对应的异常点；

根据预设第一降权重比例值，降低所述第一异常点的权重。

6.根据权利要求5所述的方法，其中，包括：

响应于确定所述目标比例大于所述预设第一比例阈值，将各所述第二特征曲线划分为N个曲线段，以及，将各所述曲线段的中点确定为簇点，其中，N为大于1的整数；

将各所述异常点到距离最近的一个所述簇点之间的距离确定为簇点距离；

确定第二异常点，将所述第二异常点的权重调整至0，其中，所述第二异常点是所述簇点距离小于预设第二距离阈值对应的异常点。

7.根据权利要求6所述的方法，其中，将所述第二异常点的权重调整至0，还包括：

确定各所述第二异常点对应的目标曲线点，其中，所述目标曲线点是所述第一特征曲线上的点，所述第二异常点对应的目标曲线点是R/G值与所述第二异常点的R/G值相等的点；

响应于确定所述第二异常点的B/G值小于所述第二异常点对应的所述目标曲线点的B/G值，基于各所述第二异常点的R/G值由大至小的顺序，将各所述第二异常点的权重调整至0；

或者，响应于确定所述第二异常点的B/G值大于所述第二异常点对应的所述目标曲线点的B/G值，基于各所述第二异常点的R/G值由小至大的顺序，将各所述第二异常点的权重调整至0。

8.根据权利要求6所述的方法，其中，

确定各所述落点与距离最近的所述簇点之间的映射关系；

确定第一簇点和第二簇点，其中，所述第一簇点是与各落点之间建立有最大数量的映射关系的所述簇点，所述第二簇点是距离所述第一簇点小于预设第三距离阈值的所述簇点；

响应于确定所述第二簇点对应的所述落点的总数量小于预设第二比例阈值；

根据预设调整权重规则，调整各所述第二簇点对应的所述落点相对于所述第一特征曲线的权重，其中，所述调整权重规则用于基于所述第二簇点与所述第一簇点之间的距离关系，确定各所述第二簇点对应的所述落点权重调整的比例值。

9.根据权利要求8所述的方法，其中，还包括：

所述调整权重规则是所述第二簇点与所述第一簇点的距离越近，所述第二簇点对应的所述落点权重降低的比例值越高。

10.根据权利要求1所述的方法，其中，根据各所述落点相对于所述第一特征曲线调整后的所述权重，对所述待处理图像进行白平衡调整，还包括：

根据各所述落点相对于所述第一特征曲线调整后的所述权重，计算各所述色块的白平衡增益；

根据各所述色块的白平衡增益，对所述待处理图像进行白平衡调整。

11.一种白平衡调整装置，包括：

图像处理模块，用于将待处理图像划分为若干色块，获取各所述色块的RGB数据在目标坐标系中对应的落点的坐标，其中，所述待处理图像是目标相机在任意色温环境下拍摄得到的；

权重调整模块，用于根据所述目标坐标系中预设的第一特征曲线、第二特征曲线以及所述图像处理模块输出的各所述落点的坐标，调整各所述落点相对于所述第一特征曲线的权重，其中，所述第一特征曲线是中性灰色对应的色温曲线，所述第二特征曲线是干扰色对应的色温曲线；

白平衡模块，用于根据所述权重调整模块输出的各所述落点相对于所述第一特征曲线调整后的所述权重，对所述待处理图像进行白平衡调整。

12.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-10任一所述的白平衡调整方法。

13.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-10任一所述的白平衡调整方法。

Images