CN115205140A - 图像颜色校正方法、校正设备以及可读存储介质 - Google Patents
图像颜色校正方法、校正设备以及可读存储介质 Download PDFInfo
- Publication number
- CN115205140A CN115205140A CN202210672443.XA CN202210672443A CN115205140A CN 115205140 A CN115205140 A CN 115205140A CN 202210672443 A CN202210672443 A CN 202210672443A CN 115205140 A CN115205140 A CN 115205140A
- Authority
- CN
- China
- Prior art keywords
- value
- brightness
- color correction
- current
- coefficient
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 77
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 101001091610 Homo sapiens Krev interaction trapped protein 1 Proteins 0.000 description 2
- 102100035878 Krev interaction trapped protein 1 Human genes 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- GXFZCDMWGMFGFL-KKXMJGKMSA-N (+)-Tubocurarine chloride hydrochloride Chemical compound [Cl-].[Cl-].C([C@H]1[N+](C)(C)CCC=2C=C(C(=C(OC3=CC=C(C=C3)C[C@H]3C=4C=C(C(=CC=4CC[NH+]3C)OC)O3)C=21)O)OC)C1=CC=C(O)C3=C1 GXFZCDMWGMFGFL-KKXMJGKMSA-N 0.000 description 1
- 241001111317 Chondrodendron tomentosum Species 0.000 description 1
- 239000008709 Curare Substances 0.000 description 1
- 241001637516 Polygonia c-album Species 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本申请公开了一种图像颜色校正方法、颜色校正设备以及可读存储介质,该方法包括:获取当前摄像设备拍摄到的待处理图像以及摄像设备的相关参数,相关参数包括当前倍率值与当前增益值;基于当前倍率值与当前增益值,构造系数矩阵;将系数矩阵与基准颜色校正矩阵相乘,生成当前颜色校正矩阵;基于当前颜色校正矩阵对待处理图像进行校正,生成颜色校正图像。通过上述方式,本申请能够改善图像色彩质量。
Description
技术领域
本申请涉及视频监控技术领域,具体涉及一种图像颜色校正方法、颜色校正设备以及可读存储介质。
背景技术
随着安防技术的发展,视频图像质量的提升越来越重要,颜色作为图像质量最重要的组成部分,其呈现出的观感成为用户评价视频的重要指标。在视频颜色处理方面,最常用的方式是颜色校正矩阵(color correction matrix,CCM),颜色校正矩阵是为了纠正传感器(sensor)与人眼对光谱响应的差异,使得视频画面更贴近人眼所见物理世界而出现的一种色彩校正方式;而且,图像经过白平衡处理后存在色偏,因此亟需一种对色彩校正矩阵进行校正的方案。
发明内容
本申请提供一种图像颜色校正方法、颜色校正设备以及可读存储介质,能够改善图像色彩质量。
为解决上述技术问题,本申请采用的技术方案是:提供一种图像颜色校正方法,该方法包括:获取当前摄像设备拍摄到的待处理图像以及摄像设备的相关参数,相关参数包括当前倍率值与当前增益值;基于当前倍率值与当前增益值,构造系数矩阵;将系数矩阵与基准颜色校正矩阵相乘,生成当前颜色校正矩阵;基于当前颜色校正矩阵对待处理图像进行校正,生成颜色校正图像。
为解决上述技术问题,本申请采用的另一技术方案是:提供一种颜色校正设备,该颜色校正设备包括互相连接的存储器和处理器,其中,存储器用于存储计算机程序,计算机程序在被处理器执行时,用于实现上述技术方案中的图像颜色校正方法
为解决上述技术问题,本申请采用的另一技术方案是:提供一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,计算机程序在被处理器执行时,用于实现上述技术方案中的图像颜色校正方法。
通过上述方案,本申请的有益效果是:先获取当前摄像设备拍摄到的待处理图像以及摄像设备的相关参数,该相关参数包括当前倍率值与当前增益值;然后利用当前倍率值与当前增益值,计算出系数矩阵;然后利用基准颜色校正矩阵与系数矩阵,计算出当前颜色校正矩阵;再利用当前颜色校正矩阵对待处理图像进行校正,从而实现对待处理图像的颜色校正;本申请采用了倍率联动增益的方式,来动态调整颜色校正矩阵,解决了因倍率变化引起对比度变化、因增益变化引起彩噪变化,从而导致画面色彩质量损失的问题,能够改善图像的色彩质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请提供的图像颜色校正方法一实施例的流程示意图;
图2是本申请提供的图像颜色校正方法另一实施例的流程示意图;
图3是本申请提供的颜色校正设备一实施例的结构示意图;
图4是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面结合附图和实施例,对本申请作进一步的详细描述。特别指出的是,以下实施例仅用于说明本申请,但不对本申请的范围进行限定。同样的,以下实施例仅为本申请的部分实施例而非全部实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
需要说明的是,本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
颜色校正矩阵是为了修正颜色还原度,在实际使用中,可能出现需要调整颜色校正矩阵的状况,比如:由于摄像设备的倍率变化,导致加载了不同的伽玛(gamma)值,从而引起色彩还原性变化,此种情况下需要动态调整颜色校正矩阵;或者,由于摄像设备的增益变化,导致画面噪点增多,为了避免彩色噪声,也需要动态调整颜色校正矩阵,以进行彩噪消耗。为了实现对颜色校正矩阵的动态调整,本申请采用了一种新的方案,下面进行具体描述。
请参阅图1,图1是本申请提供的图像颜色校正方法一实施例的流程示意图,该方法包括:
S11:获取当前摄像设备拍摄到的待处理图像以及摄像设备的相关参数。
采用摄像设备对目标监控场景进行拍摄,得到当前时刻的待处理图像,或者接收其他设备发送的待处理图像,或者从存储设备中读取待处理图像;而且,获取当前摄像设备的相关参数,该相关参数包括当前倍率值与当前增益值,当前倍率值为当前摄像设备中镜头的倍率,当前增益值为当前摄像设备中的传感器的增益。
S12:基于当前倍率值与当前增益值,构造系数矩阵。
在获取到当前倍率值与当前增益值后,可对当前倍率值与当前增益值进行处理,生成联动系数;然后利用联动系数,构造出系数矩阵,以便后续利用系数矩阵来对待处理图像进行颜色校正。例如,联动系数包括当前倍率值对应的系数与当前增益值对应的系数,利用当前倍率值与当前增益值,构建出一个3×3的系数矩阵;可以理解地,联动系数除了包括当前倍率值对应的系数与当前增益值对应的系数之外,还可根据具体的应用需求设置其他参数对应的系数,比如:亮度值对应的系数。
S13:将系数矩阵与基准颜色校正矩阵相乘,生成当前颜色校正矩阵。
将系数矩阵与基准颜色校正矩阵相乘,便可得到当前颜色校正矩阵,即采用如下公式计算出当前颜色校正矩阵:
CCM2=A*CCM1 (1)
其中,A为系数矩阵,CCM1为基准颜色校正矩阵,CCM2为当前颜色校正矩阵。
可以理解地,基准颜色校正矩阵可以为最小倍数值对应的颜色校正矩阵,该基准颜色校正矩阵是提前获取到的。
S14:基于当前颜色校正矩阵对待处理图像进行校正,生成颜色校正图像。
在获取到当前颜色校正矩阵后,将该当前颜色校正矩阵与待处理图像的像素值相乘,便可得到颜色校正图像中相应像素的像素值。
在一实施方式中,待处理图像为rgb图像,当前颜色校正矩阵是一个3*3的矩阵,将当前颜色校正矩阵与待处理图像的rgb通道值相乘,便可得到经过颜色校正后的图像(即颜色校正图像)的rgb通道值,即采用如下公式:
其中,CMCij为当前颜色校正矩阵中位置(i,j)的元素值,1≤i≤3,1≤j≤3,且i和j均为整数;Rm为待处理图像中像素m的红色通道值,Gm为像素m的绿色通道值,Bm为像素m的蓝色通道值;Rm'为与像素m对应的颜色校正图像中的像素n的红色通道值,Gm'为像素n的绿色通道值,Bm'为像素n的蓝色通道值。
本实施例提供了一种用于摄像设备的倍率联动增益来调整颜色校正矩阵的方法,从倍率和增益两个维度,计算出联动系数;利用联动系数构造出相应的系数矩阵,并通过系数矩阵与基准颜色校正矩阵计算出当前颜色校正矩阵,以便利用当前颜色校正矩阵对待处理图像进行校正,能够动态调整颜色校正矩阵,解决了因倍率变化引起对比度变化、因增益变化引起彩噪变化,从而导致画面色彩质量损失的问题,有助于改善图像的色彩质量。
请参阅图2,图2是本申请提供的图像颜色校正方法另一实施例的流程示意图,该方法包括:
S21:获取当前摄像设备拍摄到的待处理图像以及摄像设备的相关参数。
S21与上述实施例中S11相同,在此不在赘述。
相关参数包括当前倍率值与当前增益值,在获取到当前倍率值与当前增益值后,通过当前倍率值计算得到倍率联动系数,通过当前增益值计算得到增益联动系数,通过当前增益、快门的参数(比如:曝光时间)和预设目标亮度混合计算得到亮度补偿系数,即联动系数包括倍率联动系数、增益联动系数以及亮度补偿系数,下面进行具体描述。
S22:基于当前倍率值,计算出倍率联动系数。
倍率联动系数是随倍率变化而动态变化的系数,由于可变焦段镜头存在镜头对比度随着倍率增大而衰减的问题,因此为了弥补大倍率下对比度衰减带来的画面发蒙的问题,可进行对比度补偿,对比度补偿的常用手段是设置不同的gamma,但gamma对色彩模块有影响,标准的做法是一条gamma对应一个颜色校正矩阵,如果摄像设备在不同倍率下,为了保证对比度的统一而在若干条gamma之间切换,则对应的也需要与之相匹配的颜色校正矩阵进行对应切换。进一步地,为了简化多个颜色校正矩阵的标定工作,可以将最小倍数值下已经标定好的颜色校正矩阵作为基准颜色校正矩阵,通过算法推导出倍率联动系数,以便利用倍率联动系数与基准颜色校正矩阵,得到其他倍率下所需的值。
在一具体的实施例中,获取摄像设备的最小倍率值对应的第一gamma数据;获取摄像设备的当前倍率值对应的第二gamma数据;基于第一gamma数据与第二gamma数据,计算出倍率联动系数。
进一步地,对待处理图像进行直方图统计处理,得到直方图统计信息,直方图统计信息用于表示待处理图像中像素的亮度值的分布情况,直方图统计信息包括待处理图像中像素的亮度值以及亮度数量,亮度数量为亮度值的数量;计算直方图统计信息中所有亮度数量的最大值;将第一亮度输出值与第一gamma数据进行匹配,得到与第一亮度输出值匹配的亮度输入值,第一亮度输出值为最大值对应的亮度值;将亮度输入值与第二gamma数据进行匹配,得到与亮度输入值匹配的第二亮度输出值;计算第二亮度输出值与第一亮度输出值的比值,得到倍率联动系数。可以理解地,生成直方图统计信息的方案与相关技术中相同,在此不再赘述。
在一实施方式中,将最小倍率值下的gamma数据(即第一gamma数据)记录为gammaInit,将当前倍率值下的gamma数据(即第二gamma数据)记录为gammaCur;同时,统计当前倍率值下对应场景的直方图统计信息,找到直方图统计信息中数量最多的亮度值y,将y作为第一亮度输出值;在gammaInit中反查到y对应的输入值(即亮度输入值),将亮度输入值记作gammaInit_x;再以gammaInit_x作为输入值,在gammaCur中找到其对应的输出值(即第二亮度输出值),将其记作gammaCur_y;最后采用coff1=gammaCur_y/y,计算出倍率联动系数。进一步地,当前倍率值对应的直方图统计信息代表了当前场景的亮度分布情况,直方图中累积最多的亮度值代表了当前场景的亮度主成分;从gammaInit和gammaCur中反查出各自的输入值是两个不同gamma之间亮度差异补偿的一种反映射。
可以理解地,gammaInit和gammaCur均为二维数组数据,它们的输入与输出均为亮度,即二维数组数据包括多个亮度值以及与该亮度值对应的另一亮度值;二维数组数据中的元素个数可以根据实际需要设置,可以是任意值,比如:255个或1024个,元素个数越多,表达的精度越高。
本实施方式实现了基于倍率变化前后的gamma数据以及直方图统计信息中最大数量对应的亮度值,计算出倍率联动系数。
S23:基于当前增益值,计算出增益联动系数与亮度补偿系数。
在获取到当前增益值后,可以采用以下方案计算出增益联动系数与亮度补偿系数:
1)增益联动系数
计算摄像设备的最大增益值与当前增益值的差值;计算最大增益值与差值的比值,得到增益联动系数,即采用以下公式:
coff2=gainMax/(gainMax-currGain) (3)
其中,currGain表示当前增益值,gainMax表示摄像设备支持的最大增益值,增益的单位可以是分贝(dB),也可以是倍数。
2)亮度补偿系数
分别获取摄像设备的上一倍率值对应的亮度综合值(即变倍前的亮度综合值)与摄像设备的当前倍率值对应的亮度综合值(即变倍后的亮度综合值),得到第一亮度综合值与第二亮度综合值;计算第二亮度综合值与第一亮度综合值的比值,得到亮度补偿系数。具体地,摄像设备包括快门,亮度综合值的计算包括:计算快门的曝光时间与待处理增益值的乘积,待处理增益值包括摄像设备变倍前的增益值或摄像设备变倍后的增益值;计算乘积与预设目标亮度的比值,得到亮度综合值,预设目标亮度为颜色校正图像的亮度。
例如,在摄像设备变倍前,计算当前的亮度综合值L1;然后计算摄像设备变倍之后的亮度综合值L2;然后采用如下公式计算出亮度补偿系数:
coff3=L2/L1 (4)
其中,亮度综合值的计算方式如下所示:
L=shut*gain/lumin;
其中,shut是曝光时间,gain是待处理增益值,lumin是预设目标亮度。
S24:基于倍率联动系数、增益联动系数以及亮度补偿系数,计算出系数矩阵。
先计算倍率联动系数与增益联动系数的比值;然后基于比值、亮度补偿系数以及预设调整系数,计算出系数矩阵。
在一实施方式中,预设调整系数包括红色系数、绿色系数以及蓝色系数,可以采用如下公式计算出系数矩阵:
A=[A1;A2;A3] (5)
其中,A为系数矩阵,cr为红色系数,cg为绿色系数,cb为蓝色系数,cr+cg+cb=1;coff1为倍率联动系数,coff2为增益联动系数,coff3为亮度补偿系数。
S25:将系数矩阵与基准颜色校正矩阵相乘,生成当前颜色校正矩阵。
S26:基于当前颜色校正矩阵对待处理图像进行校正,生成颜色校正图像。
S25~S26与上述实施例中S13~S14相同,在此不再赘述。
本实施例提出了一种用于摄像设备的倍率联动增益量化调整颜色校正矩阵的方法,实现了在倍率变化和增益变化两个维度下调整颜色校正矩阵,解决了因倍率变化引起对比度变化、因增益变化引起彩噪变化,从而导致画面色彩质量损失的问题,有助于改善图像色彩质量。
请参阅图3,图3是本申请提供的颜色校正设备一实施例的结构示意图,颜色校正设备30包括互相连接的存储器31和处理器32,存储器31用于存储计算机程序,计算机程序在被处理器32执行时,用于实现上述实施例中的图像颜色校正方法或步态识别方法。
请参阅图4,图4是本申请提供的计算机可读存储介质一实施例的结构示意图,计算机可读存储介质40用于存储计算机程序41,计算机程序41在被处理器执行时,用于实现上述实施例中的图像颜色校正方法或步态识别方法。
计算机可读存储介质40可以是服务端、U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式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。
以上仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种图像颜色校正方法,其特征在于,包括:
获取当前摄像设备拍摄到的待处理图像以及所述摄像设备的相关参数,所述相关参数包括当前倍率值与当前增益值;
基于所述当前倍率值与所述当前增益值,构造系数矩阵;
将所述系数矩阵与基准颜色校正矩阵相乘,生成当前颜色校正矩阵;
基于所述当前颜色校正矩阵对所述待处理图像进行校正,生成颜色校正图像。
2.根据权利要求1所述的图像颜色校正方法,其特征在于,所述基于所述当前倍率值与所述当前增益值,构造系数矩阵的步骤,包括:
基于所述当前倍率值,计算出倍率联动系数;
基于所述当前增益值,计算出增益联动系数与亮度补偿系数;
基于所述倍率联动系数、所述增益联动系数以及所述亮度补偿系数,计算出所述系数矩阵。
3.根据权利要求2所述的图像颜色校正方法,其特征在于,所述基于所述当前倍率值,计算出倍率联动系数的步骤,包括:
分别获取所述摄像设备的最小倍率值对应的第一伽马数据与所述当前倍率值对应的第二伽马数据;
基于所述第一伽马数据与所述第二伽马数据,计算出所述倍率联动系数。
4.根据权利要求3所述的图像颜色校正方法,其特征在于,所述基于所述第一伽马数据与所述第二伽马数据,计算出所述倍率联动系数的步骤,包括:
对所述待处理图像进行直方图统计处理,得到直方图统计信息,所述直方图统计信息包括所述待处理图像中像素的亮度值以及亮度数量,所述亮度数量为所述亮度值的数量;
计算所述直方图统计信息中所有亮度数量的最大值;
将第一亮度输出值与所述第一伽马数据进行匹配,得到与所述第一亮度输出值匹配的亮度输入值,所述第一亮度输出值为最大值对应的亮度值;
将所述亮度输入值与所述第二伽马数据进行匹配,得到与所述亮度输入值匹配的第二亮度输出值;
计算所述第二亮度输出值与所述第一亮度输出值的比值,得到所述倍率联动系数。
5.根据权利要求2所述的图像颜色校正方法,其特征在于,所述基于所述当前增益值,计算出增益联动系数的步骤,包括:
计算所述摄像设备的最大增益值与所述当前增益值的差值;
计算所述最大增益值与所述差值的比值,得到所述增益联动系数。
6.根据权利要求2所述的图像颜色校正方法,其特征在于,基于所述当前增益值,计算出亮度补偿系数的步骤,包括:
分别获取所述摄像设备的上一倍率值对应的亮度综合值与所述摄像设备的当前倍率值对应的亮度综合值,得到第一亮度综合值与第二亮度综合值;
计算所述第二亮度综合值与所述第一亮度综合值的比值,得到所述亮度补偿系数。
7.根据权利要求6所述的图像颜色校正方法,其特征在于,所述摄像设备包括快门,所述亮度综合值的计算包括:
计算所述快门的曝光时间与待处理增益值的乘积,所述待处理增益值包括所述摄像设备变倍前的增益值或所述摄像设备变倍后的增益值;
计算所述乘积与预设目标亮度的比值,得到所述亮度综合值。
8.根据权利要求2所述的图像颜色校正方法,其特征在于,所述基于所述倍率联动系数、所述增益联动系数以及所述亮度补偿系数,计算出所述系数矩阵的步骤,包括:
计算所述倍率联动系数与所述增益联动系数的比值;
基于所述比值、所述亮度补偿系数以及预设调整系数,计算出所述系数矩阵。
9.一种颜色校正设备,其特征在于,包括互相连接的存储器和处理器,其中,所述存储器用于存储计算机程序,所述计算机程序在被所述处理器执行时,用于实现权利要求1-8中任一项所述的图像颜色校正方法。
10.一种计算机可读存储介质,用于存储计算机程序,其特征在于,所述计算机程序在被处理器执行时,用于实现权利要求1-8中任一项所述的图像颜色校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210672443.XA CN115205140A (zh) | 2022-06-13 | 2022-06-13 | 图像颜色校正方法、校正设备以及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210672443.XA CN115205140A (zh) | 2022-06-13 | 2022-06-13 | 图像颜色校正方法、校正设备以及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205140A true CN115205140A (zh) | 2022-10-18 |
Family
ID=83576845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210672443.XA Pending CN115205140A (zh) | 2022-06-13 | 2022-06-13 | 图像颜色校正方法、校正设备以及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205140A (zh) |
-
2022
- 2022-06-13 CN CN202210672443.XA patent/CN115205140A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683862B (zh) | 成像控制方法、装置、电子设备及计算机可读存储介质 | |
AU2019326496B2 (en) | Method for capturing images at night, apparatus, electronic device, and storage medium | |
Battiato et al. | Exposure correction for imaging devices: an overview | |
CN109005364A (zh) | 成像控制方法、装置、电子设备以及计算机可读存储介质 | |
CN111327824B (zh) | 拍摄参数的选择方法、装置、存储介质及电子设备 | |
US8537269B2 (en) | Method, medium, and apparatus for setting exposure time | |
CN110445988A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US8018520B2 (en) | Imaging device, imaging method, display control device, display control method, and program | |
CN111292246B (zh) | 图像颜色校正方法、存储介质及内窥镜 | |
CN101273623B (zh) | 摄像装置、图像处理装置以及图像处理方法 | |
US20100202710A1 (en) | Determining sharpness predictors for digital images | |
CN108024056B (zh) | 基于双摄像头的成像方法和装置 | |
JP2003179756A (ja) | デジタル画像由来のデータを処理する方法及びプログラム製品 | |
CN108632537A (zh) | 控制方法及装置、成像设备、计算机设备及可读存储介质 | |
CN105432069A (zh) | 图像处理装置、摄像装置、图像处理方法及程序 | |
CN108683863A (zh) | 成像控制方法、装置、电子设备以及可读存储介质 | |
CN108900785A (zh) | 曝光控制方法、装置和电子设备 | |
CN107635124B (zh) | 人脸拍摄的白平衡处理方法、装置及设备 | |
CN114531551A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN101287131B (zh) | 成像装置和成像方法 | |
CN108513068A (zh) | 图像的选取方法、装置、存储介质及电子设备 | |
CN111757079B (zh) | 一种白平衡统计方法、装置 | |
CN115205140A (zh) | 图像颜色校正方法、校正设备以及可读存储介质 | |
JP2007228221A (ja) | 撮像装置、画像処理装置、画像処理方法、及び画像処理プログラム | |
US20090207285A1 (en) | Image capturing system, image processing method, and computer- readable recording medium having image processing program recorded thereon |
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 |