CN116016883A - 图像的白平衡处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例公开一种图像的白平衡处理方法、装置、电子设备及存储介质，该方法包括：将原始图像分割为至少两个待处理图像；分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像；将至少两个待处理图像分别对应的校正图像进行融合，得到与原始图像对应的目标图像。实施本申请实施例，能够提高白平衡处理的准确率。

Description

图像的白平衡处理方法、装置、电子设备及存储介质

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像的白平衡处理方法、装置、电子设备及存储介质。

背景技术

物体在不一样的光照下，能够呈现一样的颜色，这种特性称为色彩一致性。人类的眼睛有“色彩一致”的能力，能够通过调节光谱响应来适应不同光照条件。对于白色物体，如果它周围的光线色温较低，那么它看起来就会偏微红色；相反，如果它周围的光线色温较高，那么它看起来就会偏微蓝色。因此，白平衡处理是一种色彩校正方法，可以让处于不同情景光照下拍摄得到的图像中的物体，呈现出统一的、正常的、符合人眼对物体本身颜色认知的画面。现有的白平衡处理方法一般采用灰度世界算法对图像进行白平衡处理，但是该方法在颜色和物体单一的情况下，容易导致图像出现偏色的现象，因此白平衡处理的准确率较低。

发明内容

本申请实施例公开了一种图像的白平衡处理方法、装置、电子设备及存储介质，能够提高白平衡处理的准确率。

本申请实施例公开一种图像的白平衡处理方法，其特征在于，所述方法包括：

将原始图像分割为至少两个待处理图像；

分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像；

将所述至少两个待处理图像分别对应的校正图像进行融合，得到与所述原始图像对应的目标图像。

作为一种可选的实施方式，所述将原始图像分割为至少两个待处理图像，包括：

将所述原始图像的R、G、B三通道中任一通道确定为目标通道；

根据所述原始图像中所述目标通道的灰度值，从所述原始图像中确定第一像素点和第二像素点；

基于所述第一像素点和所述第二像素点之间的类间方差，确定所述目标阈值；

基于所述目标阈值将所述原始图像分割为前景图像和背景图像。

作为一种可选的实施方式，所述根据所述原始图像中所述目标通道的灰度值从所述原始图像中确定第一像素点和第二像素点，包括：

将所述原始图像中所述目标通道的灰度值小于预测阈值的像素点确定为第一像素点，以及，将所述目标通道的灰度值大于所述预测阈值的像素点确定为第二像素点；

所述基于所述第一像素点和所述第二像素点之间的类间方差，确定所述目标阈值，包括：

将所述第一像素点和所述第二像素点之间的类间方差最大时所述预测阈值的值确定为目标阈值。

作为一种可选的实施方式，所述将所述第一像素点和所述第二像素点之间的类间方差最大时所述预测阈值的值确定为目标阈值，包括：

将所述第一像素点在所述原始图像中的占比确定为第一比例，以及，将所述第二像素点在所述原始图像中的占比确定为第二比例；

基于所述第一比例、所述第一像素点的平均灰度值、所述第二比例以及所述第二像素点的平均灰度值，计算所述第一像素点和所述第二像素点之间的类间方差；

遍历所述预测阈值，直至所述第一像素点和所述第二像素点之间的类间方差最大；

将所述第一像素点和所述第二像素点之间的类间方差最大时所述预测阈值的值确定为目标阈值。

作为一种可选的实施方式，所述原始图像为通过双摄像头获取的深度图像；所述将原始图像分割为至少两个待处理图像，包括：

获取所述深度图像中各个像素点对应的场景对象与所述双摄像头之间的距离，作为各个像素点对应的深度；

基于所述各个像素点的深度，将所述深度图像分割为至少两个待处理图像。

作为一种可选的实施方式，所述分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像，包括：

对于所述至少两个待处理图像中的每个所述待处理图像，计算所述待处理图像的R、G、B三通道的灰度平均值；

计算所述待处理图像的G通道的灰度平均值与R通道的灰度平均值的比值，作为R通道的灰度值增益；

计算所述待处理图像的G通道的灰度平均值与B通道的灰度平均值的比值，作为B通道的灰度值增益；

基于所述R通道的灰度值增益和所述B通道的灰度值增益对所述待处理图像中各个像素点的R通道数值和B通道数值进行修正，得到所述至少两个待处理图像中每个所述待处理图像对应的校正图像。

作为一种可选的实施方式，所述分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像，包括：

对于所述至少两个待处理图像中的每个所述待处理图像，将所述待处理图像转换成YUV域图像；

基于所述YUV域图像中各个像素点的亮度值，从所述YUV域图像的各个像素点中确定出参考白点；

计算所述参考白点的R、G、B三通道分别对应的灰度平均值，以及计算所述YUV域图像中各个像素点的亮度最大值；

将所述亮度最大值分别与所述参考白点各个通道对应的灰度平均值的比值作为对应通道的灰度值增益；

基于所述参考白点各个通道对应的灰度值增益，对所述待处理图像进行白平衡处理，得到所述至少两个待处理图像中每个所述待处理图像对应的校正图像。

本申请实施例公开一种图像的白平衡处理装置，所述装置包括：

分割模块，用于将原始图像分割为至少两个待处理图像；

处理模块，用于分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像；

融合模块，用于将所述至少两个待处理图像分别对应的校正图像进行融合，得到与所述原始图像对应的目标图像。

本申请实施例公开一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现本申请实施例公开的任意一种图像的白平衡处理方法。

本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本申请实施例公开的任意一种图像的白平衡处理方法。

与相关技术相比，本申请实施例具有以下有益效果：

将原始图像分割为至少两个待处理图像；对至少两个待处理图像分别进行白平衡处理，得到至少两个待处理图像分别对应的校正图像；将至少两个待处理图像分别对应的校正图像进行融合，生成与原始图像对应的目标图像。本申请实施例通过对原始图像分割后的至少两个待处理图像分别进行白平衡处理再进行融合，得到白平衡处理后的目标图像，提高了白平衡处理的准确率。

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。

图1是本申请实施例公开的一种图像的白平衡处理方法的流程示意图；

图2是本申请实施例公开的另一种图像的白平衡处理方法的流程示意图；

图3是本申请实施例公开的另一种图像的白平衡处理方法的流程示意图；

图4是本申请实施例公开的一种图像的白平衡处理装置的结构示意图；

图5是本申请实施例公开的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例及附图中的术语“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。

本申请实施例公开了一种图像的白平衡处理方法、装置、电子设备及存储介质，能够提高白平衡处理的准确率。以下分别进行详细说明。

请参阅图1，图1是本申请实施例公开的一种图像的白平衡处理方法的流程示意图。其中，图1所描述的图像的白平衡处理方法可适用于摄像机、智能手机、平板电脑和笔记本电脑等电子设备中，本申请实施例不做限定。

如图1所示，该图像的白平衡处理方法可以包括以下步骤：

101、将原始图像分割为至少两个待处理图像。

其中，原始图像可以是彩色图像，彩色图像可以是每个像素点由红(R)、绿(G)、蓝(B)三通道构成的图像；其中，R、G、B三通道可分别由灰度值描述，每个通道的灰度值可以是0～255之间的整数。

或者，原始图像还可以是深度图像，深度图像可以是从图像采集器到场景中各点的距离(深度)作为像素值的图像。

电子设备将原始图像分割为至少两个待处理图像的方式，可以是前后背景分割方法、边缘细化抠图方法、深度学习方法等，具体不作限定；其中，前后背景分割方法可包括大津算法、基于边缘检测的图像背景虚化算法、基于颜色恒常性的图像背景虚化算法等；边缘细化抠图方法可包括贝叶斯抠图算法、图割(Graph Cut)算法等；深度学习方法可包括高效残差分解卷积神经网络(ERFNet)算法、高分辨率网络(HRNet)算法、深度特征聚合网络(DFANet)等语义分割方法，具体不作限定。

作为另一种可选的实施方式，将原始图像分割为至少两个待处理图像，可以包括如下步骤：

基于原始图像中各个像素点的R、G、B三通道的灰度值，通过人工智能算法从原始图像中识别出目标对象；将目标对象对应的图像数据抠出，作为前景图像；将原始图像中除了目标对象以外的图像数据作为背景图像。

需要说明的是，在一个图像中，图像的灰度值突变的地方，就是图像的边缘。因此，基于原始图像中各个像素点的R、G、B三通道的灰度值，可以识别出原始图像中目标对象的边缘，从而基于目标对象的边缘，将目标对象对应的图像数据抠出，作为前景图像；将原始图像中除了目标对象以外的图像数据作为背景图像。其中，人工智能算法可以是人像软分割算法(Semantic Human Matting)、目标分解网络(Matting Objective DecompositionNetwork，MODNet)算法、背景抠图(Background Matting)算法、基于三元图(Trimap-based)算法等，具体不作限定。

电子设备对原始图像进行分割得到的至少两个待处理图像中，任意两个待处理图像之间包括的图像数据不同，比如，任意两个待处理图像可包括待处理图像A、待处理图像B和待处理图像C，待处理图像A可包括原始图像中的拍摄主体1，待处理图像B可包括原始图像中的拍摄主体2，待处理图像C可包括原始图像中的背景部分；或者，任意两个待处理图像之间R、G、B三通道的平均灰度值不同，或者，任意两个待处理图像之间的平均深度值不同，具体不作限定。

102、分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像。

电子设备对至少两个待处理图像进行白平衡处理的方式，可包括灰度世界法、完美反射法、将灰度世界法和完美反射法以正交方式结合的校正法、模糊逻辑算法、基于白点或者基于色温的校正法、动态阈值算法等，具体不作限定。

校正图像是对待处理图像进行白平衡处理后的图像。

需要说明的是，白平衡处理本质上是对图像进行色彩校正，目的是让处于不同情景光照下拍摄得到的图像中的物体，呈现出统一的、正常的、符合人眼对物体本身颜色认知的画面。对于白色，它的R、G、B三通道的灰度值一样，都是255，如果能够让图像中原本是白色的部分恢复到了真正的白色，即R、G、B三通道的灰度值一样且均为255，那么可以认为图像中其他的颜色也恢复正常。对于灰色，它的R、G、B三通道的灰度值也一样，因此如果能够让图像中的灰色部分恢复到它的正常颜色，就可以认为图像中其他的颜色也恢复正常了。

在一些可选的实施方式中，分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像，可以包括如下步骤：

对于至少两个待处理图像中的每个待处理图像，计算待处理图像的R、G、B三通道的灰度平均值；计算待处理图像的G通道的灰度平均值与R通道的灰度平均值的比值，作为R通道的灰度值增益；计算待处理图像的G通道的灰度平均值与B通道的灰度平均值的比值，作为B通道的灰度值增益；基于R通道的灰度值增益和B通道的灰度值增益对待处理图像中各个像素点的R通道数值和B通道数值进行修正，得到至少两个待处理图像中每个待处理图像对应的校正图像。

需要说明的是，存在一种假设，对于任一幅图像，当它有足够的色彩变化，则它的R、G、B三通道的灰度平均值会趋于相等；基于该假设，对待处理图像进行白平衡处理，可以是先计算待处理图像的R、G、B三通道的灰度平均值，若要使得R、G、B三通道的灰度平均值趋于相等，则可求R通道的灰度值增益和B通道的灰度值增益，不需要求解G通道的灰度值增益，由于人的眼睛对G通道的色彩比较敏感，因此可将G通道的灰度平均值作为参考值，并计算R通道的灰度值增益和B通道的灰度值增益，使得R通道的灰度平均值乘以R通道的灰度值增益、以及B通道的灰度平均值乘以B通道的灰度值增益均趋向于G通道的灰度平均值。

因此，对待处理图像进行白平衡处理，是对待处理图像中每一个像素点的R通道的灰度值乘以R通道的灰度值增益，以及对待处理图像中每一个像素点的B通道的灰度值乘以B通道的灰度值增益，对G通道的灰度值不作修正，由此可得到待处理图像对应的校正图像。比如，对于待处理图像的任一个像素点，假设该像素点的R通道的灰度值为R1，G通道的灰度值为G1，B通道的灰度值为B1，对待处理图像进行白平衡处理后，该像素点的R通道的灰度值变为R1乘以R通道的灰度值增益，该像素点的G通道的灰度值依然为G1，该像素点的B通道的灰度值变为B1乘以B通道的灰度值增益。

作为另一种可选的实施方式，分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像，可以包括如下步骤：

对于至少两个待处理图像中的每个待处理图像，将待处理图像转换成YUV域图像；基于YUV域图像中各个像素点的亮度值，从YUV域图像的各个像素点中确定出参考白点；计算参考白点的R、G、B三通道分别对应的灰度平均值，以及计算YUV域图像中各个像素点的亮度最大值；将亮度最大值与参考白点的R通道对应的灰度平均值的比值确定为R通道的灰度值增益，将亮度最大值与参考白点的G通道对应的灰度平均值的比值确定为G通道的灰度值增益，将亮度最大值与参考白点的B通道对应的灰度平均值的比值确定为B通道的灰度值增益；基于R通道的灰度值增益、R通道的灰度值增益和B通道的灰度值增益对待处理图像进行白平衡处理，得到至少两个待处理图像中每个待处理图像对应的校正图像。

需要说明的是，YUV域图像也可称作YCrCb域图像，其中，Y表示亮度，U表示色调，V表示饱和度，色调和饱和度可统称为色度。将待处理图像从RGB颜色空间转换成YUV颜色空间，可得到YUV域图像。由于待处理图像在RGB颜色空间中，R、G、B三个通道都是与亮度密切相关的，而YUV域图像的Y、U、V三个通道，可很好地将亮度和色度分离，由此，可以准确地从YUV域图像中确定出参考白点，并基于参考白点对待处理图像进行白平衡处理，提高了白平衡处理的准确性。

其中，参考白点可以是YUV域图像中亮度值较高的像素点，比如，可以是亮度值排在前10％的像素点。

103、将至少两个待处理图像分别对应的校正图像进行融合，得到与原始图像对应的目标图像。

电子设备将至少两个待处理图像分别对应的校正图像进行融合的方式，可以是基于像素加权平均的图像融合方法、基于多尺度的图像融合方法、基于变换域的图像融合方法等，具体不作限定。

其中，基于多尺度的图像融合方法可包括拉普拉斯金字塔图像融合方法，拉普拉斯金字塔图像融合方法可对校正图像进行隔行、隔列降采样，得到降采样图像，利用高斯窗口函数与降采样图像做卷积操作，反复重复上述操作，可形成一系列的分辨率逐渐递减并且低通滤波后的塔层，这些塔层组成的金字塔即为该校正图像的高斯金字塔；将高斯金字塔中每一塔层减去上一塔层，得到多个层次的差值图像，作为拉普拉斯金字塔；获取各个校正图像的拉普拉斯金字塔，并对各个拉普拉斯金字塔对应层次的差值图像进行融合，即可获取融合后的拉普拉斯金字塔图像，作为目标图像。其中，对各个拉普拉斯金字塔对应层次的差值图像进行融合的规则可以是取灰度最大值、取灰度最小值、取灰度的加权平均值等。

本申请实施例将原始图像分割为至少两个待处理图像；对至少两个待处理图像分别进行白平衡处理，得到至少两个待处理图像分别对应的校正图像；将至少两个待处理图像分别对应的校正图像进行融合，生成与原始图像对应的目标图像。本申请实施例通过对原始图像分割后的至少两个待处理图像分别进行白平衡处理再进行融合，得到白平衡处理后的目标图像，提高了白平衡处理的准确率。

请参阅图2，图2是本申请实施例公开的另一种图像的白平衡处理方法的流程示意图。其中，图2所描述的图像的白平衡处理方法可适用于摄像机、智能手机、平板电脑和笔记本电脑等电子设备中，本申请实施例不做限定。

如图2所示，该方法包括以下步骤：

201、将原始图像的R、G、B三通道中任一通道确定为目标通道。

需要说明的是，R、G、B三通道中每个颜色通道的灰度值，可反映该颜色通道的亮度值，由于一个图像中前景部分和背景部分之间的亮度是存在差异的，因此，基于该亮度差异可将原始图像分割为前景图像和背景图像。

其中，将原始图像的R、G、B三通道中任一通道确定为目标通道，意思是R、G、B三通道中其中一个通道的灰度值，就可反映一个图像中前景部分和背景部分之间的亮度差异，从而可以将原始图像分割为前景图像和背景图像，提高了对图像进行分割的效率。

202、根据原始图像中目标通道的灰度值，从原始图像中确定第一像素点和第二像素点。

电子设备根据原始图像中目标通道的灰度值，从原始图像中确定第一像素点和第二像素点，可以是根据原始图像中各个像素点的目标通道的灰度值的平均值或者中位值，确定第一像素点和第二像素点。比如，若中位值为40，将灰度值小于中位值的像素点确定为第一像素点，将灰度值大于中位值的像素点确定为第二像素点。

203、基于第一像素点和第二像素点之间的类间方差，确定目标阈值。

第一像素点和第二像素点之间的类间方差可以根据第一像素点的平均灰度值和第二像素点的平均灰度值之间的差异确定。

在一些可选的实施方式中，电子设备根据原始图像中目标通道的灰度值从原始图像中确定第一像素点和第二像素点，可以包括：

将原始图像中目标通道的灰度值小于预测阈值的像素点确定为第一像素点，以及，将目标通道的灰度值大于预测阈值的像素点确定为第二像素点；

其中，预测阈值可以是一个变量，该变量的取值范围是0～255之间的整数，因此可以通过遍历预测阈值，将第一像素点和第二像素点之间的类间方差最大时对应的预测阈值的值确定为目标阈值；其中，遍历预测阈值，就是遍历0～255之间所有的整数。

或者，预测阈值可以通过原始图像中各个像素点的目标通道的灰度值的平均值或者中位值确定。

进一步可选地，电子设备基于第一像素点和第二像素点之间的类间方差，确定目标阈值，可以包括：

将第一像素点和第二像素点之间的类间方差最大时预测阈值的值确定为目标阈值；

其中，电子设备可以计算第一像素点的平均灰度值和第二像素点的平均灰度值之间的差值，作为第一像素点和第二像素点之间的类间方差；然后遍历预测阈值，每次遍历都计算类间方差，最后得出类间方差最大时对应的预测阈值的值，作为目标阈值。

进一步可选地，电子设备将第一像素点和第二像素点之间的类间方差最大时预测阈值的值确定为目标阈值，可以包括：

将第一像素点在原始图像中的占比确定为第一比例，以及，将第二像素点在原始图像中的占比确定为第二比例；

基于第一比例、第一像素点的平均灰度值、第二比例以及第二像素点的平均灰度值，计算第一像素点和第二像素点之间的类间方差；

遍历预测阈值，直至第一像素点和第二像素点之间的类间方差最大；

将第一像素点和第二像素点之间的类间方差最大时预测阈值的值确定为目标阈值。

其中，预测阈值可以是一个变量，该变量的取值范围是0～255之间的整数，因此遍历预测阈值，就是遍历0～255之间所有的整数。

具体地，假设预测阈值为threshold，原始图像的像素点总数为N，将原始图像中目标通道的灰度值小于threshold的第一像素点的个数记作N₀，将原始图像中目标通道的灰度值大于threshold的第二像素点的个数记作N₁；第一像素点的平均灰度值为u₀，第二像素点的平均灰度值为u₁；

第一比例可以表示为w₀＝N₀/N；                               (1)

第二比例可以表示为w₁＝N₁/N；                               (2)

由于N₀+N₁＝N；                                            (3)

w₀+w₁＝1；                                                 (4)

u＝w₀×u₀+w₁×u₁；                                          (5)

其中，u为原始图像的总平均灰度值；

Maximum＝w₀×(u₀－u)²+w₁(u₁－u)²；                          (6)

其中，Maximum为第一像素点和第二像素点之间的类间方差；

将公式(5)代入公式(6)可得到：

Maximum＝w₀×w₁×w₁(u₀－u₁)²；                               (7)

基于公式(7)，遍历预测阈值，得到类间方差最大时预测阈值的值，作为目标阈值。

假设原始图像是在光线较暗的场景下拍摄得到的，第一像素点可为前景像素点，第二像素点可为背景像素点，因此，前景图像包括第一像素点，背景图像包括第二像素点；假设原始图像是在光线较亮的场景下拍摄得到的，第一像素点可为背景像素点，第二像素点可为前景像素点，因此，前景图像包括第二像素点，背景图像包括第一像素点。

204、基于目标阈值将原始图像分割为前景图像和背景图像。

目标阈值可以是将第一像素点和第二像素点这两类像素点分开的最佳阈值，使得第一像素点和第二像素点这两类像素点之间的类间方差最大，因此可准确地将原始图像分割为前景图像和背景图像。

执行上述步骤，可以准确地将原始图像分割为前景图像和背景图像，因为对于任何图像，前景图像和背景图像都是独立的，前景图像和背景图像的R、G、B三通道的灰度平均值是不一样的，即使分别从前景图像和背景图像中提取出白点，在前景图像和背景图像中白点的灰度值也是不一样的，因此针对前景图像和背景图像具体的白平衡调整方式也是不一样的。因此将原始图像分割为前景图像和背景图像，并且分别对前景图像和背景图像进行白平衡处理，相较于将原始图像作为一个整体进行白平衡处理，能够多层次地对原始图像进行色彩校正，从而进一步提高白平衡处理的准确率。

205、分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像。

206、将至少两个待处理图像分别对应的校正图像进行融合，得到与原始图像对应的目标图像。

步骤205～步骤206的具体实施方式可参考上述实施例，此处不再赘述。

本申请实施例基于原始图像的R、G、B三通道中的目标通道的灰度值，从原始图像中确定出第一像素点和第二像素点，并基于第一像素点和第二像素点之间的类间方差，确定出用于将原始图像分割为前景图像和背景图像的目标阈值，提高了图像分割的精细度和效率；对前景图像和背景图像分别进行白平衡处理，得到前景图像和背景图像分别对应的校正图像；将前景图像和背景图像分别对应的校正图像进行融合，生成与原始图像对应的目标图像。本申请实施例通过对原始图像分割后的前景图像和背景图像分别进行白平衡处理再进行融合，得到白平衡处理后的目标图像，能够多层次地对原始图像进行色彩校正，提高了白平衡处理的准确率。

请参阅图3，图3是本申请实施例公开的另一种图像的白平衡处理方法的流程示意图。其中，图3所描述的图像的白平衡处理方法可适用于摄像机、智能手机、平板电脑和笔记本电脑等电子设备中，本申请实施例不做限定。

如图3所示，该方法包括以下步骤：

301、获取深度图像中各个像素点对应的场景对象与双摄像头之间的距离，作为各个像素点对应的深度。

其中，原始图像为通过双摄像头获取的深度图像；双摄像头可实现立体成像，具体是利用两个摄像头的空间位置差异所带来的视差来恢复成像的深度信息，从而得到深度图像；深度图像可以是将从双摄像头到场景中各点的距离作为像素值的图像。

需要说明的是，场景对象为像素点在实际的拍摄场景下对应的拍摄对象；像素点对应的深度为该像素点对应的场景对象与双摄像头之间的距离。

302、基于各个像素点的深度，将深度图像分割为至少两个待处理图像。

在一些可选的实施方式中，基于各个像素点的深度，将原始图像分割为至少两个待处理图像，可以包括如下步骤：

根据各个像素点的深度，确定出所述原始图像中深度不连续的区域；基于深度不连续的区域，将深度图像分割为至少两个待处理图像；其中，深度不连续的区域可以是存在深度突变的区域，即像素点之间的深度差值大于深度阈值；其中，深度阈值越小，对深度图像进行分割得到的待处理图像的数量越多；深度阈值可根据对分割精确度的需求确定，比如3米、5米、10米等，具体不作限定。

在另一些可选的实施方式中，基于各个像素点的深度，将深度图像分割为至少两个待处理图像，可以包括如下步骤：

根据各个像素点的深度，确定各个像素点对应的深度等级；基于深度等级，将深度图像分割为至少两个待处理图像。其中，不同的深度等级可包括不同的深度范围，比如，可将深度范围为0米～5米确定为深度等级A，将深度范围为5米～10米确定为深度等级B，将深度范围为10米以上确定为深度等级C，将原始图像分割为至少两个待处理图像。因此，同个待处理图像中的像素点对应于相同的深度等级；不同的待处理图像的像素点对应于不同的深度等级。

执行上述步骤，由于各个像素点对应的场景对象与双摄像头之间的距离不同，会导致各个像素点的R、G、B三通道的灰度平均值不同；各个像素点中，白点对应的场景对象与双摄像头之间的距离不同，也会导致白点的灰度值不同；因此针对不同深度的像素点的白平衡调整方式也不同。因此，基于各个像素点的深度，将深度图像分割为至少两个待处理图像，并且分别对至少两个待处理图像进行白平衡处理，相较于将原始图像作为一个整体进行白平衡处理，能够多层次地对原始图像进行色彩校正，从而进一步提高白平衡处理的准确率。

303、分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像。

304、将至少两个待处理图像分别对应的校正图像进行融合，得到与原始图像对应的目标图像。

步骤303～步骤304的具体实施方式可参考上述实施例，此处不再赘述。

本申请实施例基于各个像素点的深度，将深度图像分割为至少两个待处理图像，进一步提高了图像分割的精细度；对至少两个待处理图像分别进行白平衡处理，得到至少两个待处理图像分别对应的校正图像；将至少两个待处理图像分别对应的校正图像进行融合，生成与原始图像对应的目标图像。本申请实施例通过对原始图像分割后的至少两个待处理图像分别进行白平衡处理再进行融合，得到白平衡处理后的目标图像，能够多层次地对原始图像进行色彩校正，提高了白平衡处理的准确率。

请参阅图4，图4是本申请实施例公开的一种图像的白平衡处理装置的结构示意图。该装置可应用于摄像机、智能手机、平板电脑和笔记本电脑等电子设备中，具体不做限定。如图4所示，图像的白平衡处理装置400可包括：分割模块410、处理模块420和融合模块430；

分割模块410，用于将原始图像分割为至少两个待处理图像；

处理模块420，用于分别对至少两个待处理图像进行白平衡处理，获得至少两个待处理图像分别对应的校正图像；

融合模块430，用于将至少两个待处理图像分别对应的校正图像进行融合，得到与原始图像对应的目标图像。

在一个实施例中，分割模块410，还用于基于原始图像中各个像素点的R、G、B三通道的灰度值，将原始图像分割为前景图像和背景图像。

在一个实施例中，分割模块410，还用于将原始图像的R、G、B三通道中任一通道确定为目标通道；基于原始图像的各个像素点，将目标通道的灰度值小于预测阈值的像素点确定为前景像素点，以及，将目标通道的灰度值大于预测阈值的像素点确定为背景像素点；将前景像素点在原始图像中各个像素点的占比确定为前景比例，以及，将背景像素点在原始图像中各个像素点的占比确定为背景比例；基于前景像素点的平均灰度值，以及背景像素点的平均灰度值，计算前景像素点和背景像素点之间的类间方差；遍历前景比例、背景比例、前景像素点的平均灰度值和背景像素点的平均灰度值，直至前景像素点和背景像素点之间的类间方差最大；将前景像素点和背景像素点之间的类间方差最大时预测阈值的值确定为目标阈值；基于目标阈值将原始图像分割为前景图像和背景图像；前景图像中像素点的灰度值小于目标阈值，背景图像中像素点的灰度值大于目标阈值。

在一个实施例中，分割模块410，还用于基于原始图像中各个像素点的R、G、B三通道的灰度值，通过人工智能算法从原始图像中识别出目标对象；将目标对象对应的图像数据抠出，作为前景图像；将原始图像中除了目标对象以外的图像数据作为背景图像。

在一个实施例中，原始图像为通过双摄像头获取的深度图像；分割模块410，还用于基于深度图像中各个像素点对应的场景对象与双摄像头之间的距离，确定各个像素点对应的深度信息；基于各个像素点的深度信息，将原始图像分割为至少两个待处理图像。

在一个实施例中，处理模块420，还用于对于至少两个待处理图像中的每个待处理图像，计算待处理图像的R、G、B三通道的灰度平均值；计算待处理图像的G通道的灰度平均值与R通道的灰度平均值的比值，作为R通道的灰度值增益；计算待处理图像的G通道的灰度平均值与B通道的灰度平均值的比值，作为B通道的灰度值增益；基于R通道的灰度值增益和B通道的灰度值增益对待处理图像中各个像素点的R通道数值和B通道数值进行修正，得到至少两个待处理图像中每个待处理图像对应的校正图像。

在一个实施例中，处理模块420，还用于对于至少两个待处理图像中的每个待处理图像，将待处理图像转换成YUV域图像；基于YUV域图像中各个像素点的亮度值，从YUV域图像的各个像素点中确定出参考白点；计算参考白点的R、G、B三通道分别对应的灰度平均值，以及计算YUV域图像中各个像素点的亮度最大值；将亮度最大值与参考白点的R通道对应的灰度平均值的比值确定为R通道的灰度值增益，将亮度最大值与参考白点的G通道对应的灰度平均值的比值确定为G通道的灰度值增益，将亮度最大值与参考白点的B通道对应的灰度平均值的比值确定为B通道的灰度值增益；基于R通道的灰度值增益、R通道的灰度值增益和B通道的灰度值增益对待处理图像进行白平衡处理，得到至少两个待处理图像中每个待处理图像对应的校正图像。

本申请实施例将原始图像分割为至少两个待处理图像；对至少两个待处理图像分别进行白平衡处理，得到至少两个待处理图像分别对应的校正图像；将至少两个待处理图像分别对应的校正图像进行融合，生成与原始图像对应的目标图像。本申请实施例通过对原始图像分割后的至少两个待处理图像分别进行白平衡处理再进行融合，得到白平衡处理后的目标图像，提高了白平衡处理的准确率。

请参阅图5，图5是本申请实施例公开的一种电子设备的结构示意图。

如图5所示，该电子设备500可以包括：

存储有可执行程序代码的存储器510；

与存储器510耦合的处理器520；

其中，处理器520调用存储器510中存储的可执行程序代码，执行本申请实施例公开的任一种图像的白平衡处理方法。

本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，计算机程序被所述处理器执行时，使得所述处理器实现本申请实施例公开的任意一种图像的白平衡处理方法。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在本申请的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

上述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单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各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。

上述集成的单元若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获取的存储器中。基于这样的理解，本申请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者部分，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器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本申请实施例公开的一种图像的白平衡处理方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种图像的白平衡处理方法，其特征在于，所述方法包括：

将原始图像分割为至少两个待处理图像；

分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像；

将所述至少两个待处理图像分别对应的校正图像进行融合，得到与所述原始图像对应的目标图像。

2.根据权利要求1所述的方法，其特征在于，所述将原始图像分割为至少两个待处理图像，包括：

将所述原始图像的R、G、B三通道中任一通道确定为目标通道；

根据所述原始图像中所述目标通道的灰度值，从所述原始图像中确定第一像素点和第二像素点；

基于所述第一像素点和所述第二像素点之间的类间方差，确定所述目标阈值；

基于所述目标阈值将所述原始图像分割为前景图像和背景图像。

3.根据权利要求2所述的方法，其特征在于，所述根据所述原始图像中所述目标通道的灰度值从所述原始图像中确定第一像素点和第二像素点，包括：

将所述原始图像中所述目标通道的灰度值小于预测阈值的像素点确定为第一像素点，以及，将所述目标通道的灰度值大于所述预测阈值的像素点确定为第二像素点；

所述基于所述第一像素点和所述第二像素点之间的类间方差，确定所述目标阈值，包括：

将所述第一像素点和所述第二像素点之间的类间方差最大时所述预测阈值的值确定为目标阈值。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一像素点和所述第二像素点之间的类间方差最大时所述预测阈值的值确定为目标阈值，包括：

将所述第一像素点在所述原始图像中的占比确定为第一比例，以及，将所述第二像素点在所述原始图像中的占比确定为第二比例；

基于所述第一比例、所述第一像素点的平均灰度值、所述第二比例以及所述第二像素点的平均灰度值，计算所述第一像素点和所述第二像素点之间的类间方差；

遍历所述预测阈值，直至所述第一像素点和所述第二像素点之间的类间方差最大；

将所述第一像素点和所述第二像素点之间的类间方差最大时所述预测阈值的值确定为目标阈值。

5.根据权利要求1所述的方法，其特征在于，所述原始图像为通过双摄像头获取的深度图像；所述将原始图像分割为至少两个待处理图像，包括：

获取所述深度图像中各个像素点对应的场景对象与所述双摄像头之间的距离，作为各个像素点对应的深度；

基于所述各个像素点的深度，将所述深度图像分割为至少两个待处理图像。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像，包括：

对于所述至少两个待处理图像中的每个所述待处理图像，计算所述待处理图像的R、G、B三通道的灰度平均值；

计算所述待处理图像的G通道的灰度平均值与R通道的灰度平均值的比值，作为R通道的灰度值增益；

计算所述待处理图像的G通道的灰度平均值与B通道的灰度平均值的比值，作为B通道的灰度值增益；

基于所述R通道的灰度值增益和所述B通道的灰度值增益对所述待处理图像中各个像素点的R通道数值和B通道数值进行修正，得到所述至少两个待处理图像中每个所述待处理图像对应的校正图像。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像，包括：

对于所述至少两个待处理图像中的每个所述待处理图像，将所述待处理图像转换成YUV域图像；

基于所述YUV域图像中各个像素点的亮度值，从所述YUV域图像的各个像素点中确定出参考白点；

计算所述参考白点的R、G、B三通道分别对应的灰度平均值，以及计算所述YUV域图像中各个像素点的亮度最大值；

将所述亮度最大值分别与所述参考白点各个通道对应的灰度平均值的比值作为对应通道的灰度值增益；

基于所述参考白点各个通道对应的灰度值增益，对所述待处理图像进行白平衡处理，得到所述至少两个待处理图像中每个所述待处理图像对应的校正图像。

8.一种图像的白平衡处理装置，其特征在于，包括：

分割模块，用于将原始图像分割为至少两个待处理图像；

处理模块，用于分别对所述至少两个待处理图像进行白平衡处理，获得所述至少两个待处理图像分别对应的校正图像；

融合模块，用于将所述至少两个待处理图像分别对应的校正图像进行融合，得到与所述原始图像对应的目标图像。

9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至7任一所述的方法。

10.一种计算机可读存储介质，其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如权利要求1至7任一所述的方法。

Images