TW202127380A

TW202127380A - 白平衡校正方法以及白平衡校正裝置

Info

Publication number: TW202127380A
Application number: TW108148547A
Authority: TW
Inventors: 林正偉
Original assignee: 宏碁股份有限公司
Priority date: 2019-12-31
Filing date: 2019-12-31
Publication date: 2021-07-16

Abstract

本發明提供一種白平衡校正方法，包含下列步驟：將一輸入影像與一資料庫包含的至少一物件基準影像進行比對，以偵測該輸入影像是否存在至少一個該資料庫已建檔的一第一物件；若該輸入影像存在至少一個該資料庫已建檔的該第一物件，則執行下列步驟：將包含該第一物件及其周圍的一第一區域，與一第一物件基準影像進行比對，以判定該第一區域是否執行白平衡處理；當判定結果為執行白平衡處理時，算出該第一區域的一第一色溫，並從該資料庫取得該第一色溫對應的一第一校正參數；以及基於該第一校正參數對該第一區域執行白平衡處理。

Description

白平衡校正方法以及白平衡校正裝置

本發明是關於一種相機，特別是關於一種白平衡校正方法以及白平衡校正裝置。

在習知的數位相機中，大多數具有白平衡(White Balance)處理的功能。所謂的白平衡處理，指的是相機鏡頭會受到環境光源的影響，使得在不同環境光源拍攝同一物件時，該物件(或其他區域)的白色區塊在影像中呈現的顏色並非肉眼所見的白色，而顯得偏黃或是偏藍。此時，將影像中偏黃或是偏藍的像素值，利用既定的演算法調整為該物件所呈現的真實顏色之過程，即為白平衡處理。

具體來說，習知的白平衡處理會先利用內部的演算法，算出最能代表整張影像的一個色溫(單位為K)。判斷出整張影像的色溫之後，從相機內部取得該色溫對應的校正參數，而對整張影像使用同一個校正參數執行白平衡處理。

也就是說，相機內部必須事先儲存複數個色溫對應的校正參數以供演算法使用。而相機內儲存的校正參數個數受限於記憶體空間限制，因此習知的技術當中，大多是儲存3組校正參數或是7組校正參數。例如，3組校正參數儲存的是2850K、4150K、以及6500K的色溫所對應的校正參數；而7組校正參數儲存的則是2850K、3000K、4000K、4150K、5000K、6500K、以及7500K的色溫所對應的校正參數。

舉例來說，若演算法判定整張影像的色溫為3000K，則演算法會直接取得3000K的色溫對應的校正參數。若演算法判定整張影像的色溫為3600K，由於相機內部並沒有儲存色溫為3600K直接對應的校正參數，此時演算法就必須尋找色溫最接近3600K的校正參數，例如：將4000K對應的校正參數作為色溫為3600K使用的校正參數；或是利用內插演算法，例如：利用3000K與4000K對應的校正參數利用內插演算法所算出的校正參數，作為色溫為3600K使用的校正參數。

換句話說，由於習知的數位相機能儲存的校正參數有限，因此相機大多只能使用近似的色溫所對應的校正參數，或是用內插演算法算出校正參數。當相機套用上述參數時，很容易影響白平衡處理的正確性。

除此之外，習知的白平衡處理中，整張影像只會算出一個色溫，而對整張影像套用該色溫對應的同一個校正參數。然而，隨著拍攝環境的不同，一張影像同時可能包含兩個以上的環境光源，而分別投射在兩個不同的物件。此時若將兩個的物件同時拍進同一張影像進行白平衡處理時，相機就無法分別針對兩個不同的物件給予不同的校正參數，進而影響白平衡處理的正確性。

因此，需要一種白平衡校正方法以及白平衡校正裝置，以解決先前技術所存在的上述課題。

本發明的目的，在於改善習知的數位相機執行白平衡處理時，所儲存的校正參數有限，以及在影像當中無法以物件為單位來識別色溫之課題。

鑒於上述本發明的目的，本發明提供了一種白平衡校正方法，包含下列步驟：將一輸入影像與一資料庫包含的至少一物件基準影像進行比對，以偵測該輸入影像是否存在至少一個該資料庫已建檔的一第一物件；若該輸入影像存在至少一個該資料庫已建檔的該第一物件，則執行下列步驟：將包含該第一物件及其周圍的一第一區域，與一第一物件基準影像進行比對，以判定該第一區域是否執行白平衡處理；當判定結果為執行白平衡處理時，算出該第一區域的一第一色溫，並從該資料庫取得該第一色溫對應的一第一校正參數；以及基於該第一校正參數對該第一區域執行白平衡處理。

某些實施例中，若該輸入影像存在一個該資料庫已建檔的該第一物件，則將該第一校正參數套用於該第一區域，以執行白平衡處理。某些實施例中，若該輸入影像還存在一個該資料庫已建檔的一第二物件，則執行下列步驟：將包含該第二物件及其周圍的一第二區域，與一第二物件基準影像進行比對，以判定該第二區域是否執行白平衡處理；當判定結果為執行白平衡處理時，算出該第二區域的一第二色溫，並從該資料庫取得該第二色溫對應的一第二校正參數；算出該第一色溫與該第二色溫的一色溫差；以及更基於該第一校正參數以及該第二校正參數對該第二區域執行白平衡處理。某些實施例中，若該色溫差大於等於一臨界值，則執行下列步驟：於該第一區域和該第二區域之間界定出一第三區域；算出該第三區域的一第三色溫，並從該資料庫取得該第三色溫對應的一第三校正參數；以及將該第一校正參數套用於該第一區域，將該第二校正參數套用於該第二區域，並將該第三校正參數套用於該第三區域，以執行白平衡處理；若該色溫差小於該臨界值，則執行下列步驟：選擇介於該第一色溫以及該第二色溫之間的一第四色溫，並從該資料庫取得該第四色溫對應的一第四校正參數；以及將該第四校正參數套用於該輸入影像，以執行白平衡處理。某些實施例中，判定該第一區域是否執行白平衡處理的方法，是分別算出該第一區域以及該第一物件基準影像在一灰階區塊的一色度座標(chromaticity coordinate)，當該等色度座標的距離在一既定值以上時，判定為執行白平衡處理。某些實施例中，判定該第一區域是否執行白平衡處理的方法，是分別算出該第一區域以及該第一物件基準影像在一灰階區塊的一紅色/綠色比值(R/G ratio)與一藍色/綠色比值(B/G ratio)，當該等比值的差異在一既定值以上時，判定為執行白平衡處理。某些實施例中，該資料庫儲存複數個校正色溫，該等校正色溫有其對應的一校正參數；若該複數個校正色溫當中包含該第一色溫，則該資料庫取得該第一色溫對應的該第一校正參數；若該複數個校正色溫當中不包含該第一色溫，則該資料庫執行內插演算法，根據該複數個校正參數算出該第一校正參數。某些實施例中，該資料庫儲存複數個校正色溫的至少一組合，該等組合有其對應的一組合校正參數。某些實施例中，該輸入影像為一已經過白平衡處理後的影像。

鑒於上述本發明的目的，本發明還提供了一種白平衡校正裝置，包含一處理器，該處理器執行程式以運行前述白平衡校正方法。

藉由本發明的白平衡校正方法以及白平衡校正裝置，由於儲存在資料庫的校正參數不會受到相機記憶體空間的限制，因此演算法可以從多組校正參數中，取得更精確的校正參數。另外，由於是以輸入影像當中的物件為單位判別色溫，因此面對多組環境光源時，也能針對不同物件給予不同的校正參數，從而提高白平衡處理的正確性。

第1圖為本發明的白平衡校正裝置100的示意圖。如同圖所示，白平衡校正裝置100包含：物件偵測模組110、物件比對模組120、校正參數取得模組130、以及白平衡校正模組140。白平衡校正裝置100還包括圖中未繪出的一處理器，該處理器執行程式以實現上述各模組的功能。另外，白平衡校正裝置100還透過有線網路或是無線網路，與設置於伺服器或是雲端的資料庫150通訊，藉以從資料庫150接收資料，或是將資料傳送給資料庫150。

物件偵測模組110的用途，就是把一輸入影像和資料庫150儲存的至少一物件基準影像進行比對。舉例來說，若資料庫150已經包含了如消防栓、電話、以及蘋果的各一張基準影像，則物件偵測模組110會根據消防栓、電話、以及蘋果的基準影像當中的顏色、輪廓等特徵，偵測輸入影像當中是否同樣存在消防栓、電話、以及蘋果。這裡為方便說明，是以各物件只儲存一張物件基準影像為例；然而，為了提升物件偵測模組110偵測的速度以及精確度，也可以事先在資料庫150儲存相同物件在不同角度、不同距離、不同光源之下的多張物件基準影像，例如50張或是100張等。

物件偵測模組110的偵測結果，會交由物件比對模組120、校正參數取得模組130、以及白平衡校正模組140進行後續處理。這裡要注意的是，物件偵測模組110偵測出輸入影像當中包含的物件個數，會影響物件比對模組120、校正參數取得模組130、以及白平衡校正模組140運行的細部流程。換句話說，輸入影像唯一存在1個物件(例如消防栓)的情況，以及同時存在2個物件(例如消防栓+電話，或是消防栓+蘋果)的情況，此兩種情況在後續的運行流程並不完全相同。

為了方便以下的說明，我們將偵測的結果分為3種情況：情況1，物件偵測模組110偵測出輸入影像當中僅有消防栓。情況2，物件偵測模組110偵測出輸入影像當中同時有消防栓+電話。情況3，物件偵測模組110偵測出輸入影像當中同時有消防栓+蘋果。另外，我們又假設每種情況中，輸入影像的消防栓、電話、以及蘋果及其周圍的區域都需要執行白平衡處理。為了執行白平衡處理，就必須算出該等區域的色溫，因此以下說明中，統一假設消防栓區域所算出的色溫為5000K，電話區域算出的色溫為7000K，而蘋果區域算出的色溫為5200K。另外，物件比對模組120、校正參數取得模組130、以及白平衡校正模組140的詳細運作過程，將連同情況1一併說明。

[情況1]

首先，針對物件偵測模組110偵測的結果為情況1，參照第2圖進行說明。第2圖為物件偵測模組110偵測出輸入影像存在一個資料庫150已建檔的第一物件時的運作流程圖。由於我們已假設物件偵測模組110偵測出輸入影像當中僅有消防栓(第2圖步驟S201)，故消防栓對應第2圖當中的第一物件。

接著，物件比對模組120在物件偵測模組110已經偵測出輸入影像當中僅有消防栓的情況下，將輸入影像當中的消防栓區域(意即，消防栓及其周圍的區域)，與資料庫150當中的消防栓基準影像進行比對(第2圖步驟S202)。

資料庫150當中的消防栓基準影像，指的是消防栓的顏色最正確的影像。換言之，消防栓基準影像的每個像素的像素值，等同於用色溫色度計直接量測消防栓本體時的量測結果。取得消防栓基準影像的具體實施方式有很多種，其原理如下：在環境色溫2850K的環境套用其對應的校正參數P₂₈₅₀ 所執行白平衡處理後的消防栓影像，就等於在環境色溫4150K的環境套用其對應的校正參數P₄₁₅₀ 所執行白平衡處理後的消防栓影像，也等於在環境色溫為6500K的環境套用其對應的校正參數P₆₅₀₀ 所執行白平衡處理後的消防栓影像。既然上述三張消防栓影像的結果都是相同的，因此取其中任何一張作為消防栓基準影像即可。

在後面的情況2與情況3當中，電話基準影像以及蘋果基準影像的實施原理，與消防栓基準影像的實施原理相同。

回到物件比對模組120的說明，此處物件比對模組120將消防栓區域以及消防栓基準影像進行比對的用途，是為了判定輸入影像中的消防栓區域是否應執行白平衡處理。假如消防栓區域與消防栓基準影像的顏色不相似，則表示消防栓區域有必要執行白平衡處理。

此處物件比對模組120判定是否執行白平衡處理的方法有很多種，以下舉例兩種判定方法：第一種判定方法，是分別算出消防栓區域以及消防栓基準影像，在灰階區塊的色度座標(chromaticity coordinate)。更具體來說，在兩張影像的相對位置(即對應消防栓相同輪廓的位置)找出至少一灰階區塊(亦即R、G、B像素值相同或近似的像素)，利用平均或是加權等方式算出在二維色度空間(二維色度空間中，x、y座標的範圍都介於0～1)的色度座標(x₁ , y₁ )、(x₂ , y₂ )。例如，可以設定兩座標的距離大於等於0.15時，視為消防栓區域與消防栓基準影像的顏色不相似，因此判定消防栓區域應執行白平衡處理。

第二種判定方法，則是分別算出消防栓區域以及消防栓基準影像，在灰階區塊的紅色/綠色比值(R/G ratio)與藍色/綠色比值(B/G ratio)。更具體來說，對一個像素值分別為(R, G, B)的像素而言，紅色/綠色比值即為R除以G的值，藍色/綠色比值即為B除以G的值。利用平均或是加權等方式，可以算出兩張影像在相對位置的至少一灰階區塊的紅色/綠色比值以及藍色/綠色比值 (R/G₁ , B/G₁ )、(R/G₂ , B/G₂ )。例如，可以設定R/G₁ 與R/G₂ 的差大於等於0.5，且B/G₁ 與B/G₂ 的差大於等於0.5時，視為消防栓區域與消防栓基準影像的顏色不相似，因此判定消防栓區域應執行白平衡處理。

在這種情況下，假設物件比對模組120判定消防栓區域應執行白平衡處理時，則校正參數取得模組130會先計算消防栓區域的色溫，也就是5000K。計算出色溫之後，再從資料庫150取得色溫為5000K時所對應的校正參數P₅₀₀₀ (第2圖步驟S203)。

接著，請參照圖式第4(A)圖，第4(A)圖為資料庫150包含複數個校正色溫以及複數個校正參數的示意圖。同圖中，校正色溫的範圍介於1800K～7500K，並以100K為間距。每一個色溫恰有其對應的校正參數。在本實施例中，由於線上的資料庫150並沒有記憶體空間的限制，因此可以同時儲存58組校正色溫，以及58組校正參數。然而，上述僅為其中一種實施方式，若為了讓白平衡處理效果更加精確，也可以自行調整校正色溫上限、下限的範圍，或是將間距縮小，比方說以50K為間距，甚至是以10K為間距儲存校正色溫以及對應的校正參數。

假設校正參數取得模組130判定的色溫為5000K，且資料庫150同時也有對應的校正參數P₅₀₀₀ ，則校正參數取得模組130會直接將校正參數P₅₀₀₀ 作為本次執行白平衡處理的校正參數。然而，若校正參數取得模組130判定的色溫為5050K，但校正色溫5050K並不存在於資料庫150時，則資料庫150會利用內插演算法算出校正參數。舉例來說，將相鄰的校正色溫5000K、5100K各自對應的校正參數P₅₀₀₀ 、P₅₁₀₀ 取平均值，以(P₅₀₀₀ + P₅₁₀₀ )/2的形式的校正參數作為本次執行白平衡處理的校正參數。

除此之外，資料庫150還可以包含複數個校正色溫的至少一組合，該等組合有其對應的組合校正參數。如第4(B)圖所示。該圖參考了數位相機所儲存2850K、3000K、4000K、4150K、5000K、6500K、7500K等7組的校正參數為例，由於上述7組可以反映在日常生活中最常遇到的7種環境光源，因此在同一張輸入影像當中出現混光(即兩種環境光源，例如2850K+5000K)的時，白平衡校正裝置100還可以藉由一個選擇性開啟的混光白平衡模式(未繪出)，讓校正參數取得模組130直接取得複數光源下的組合校正參數。也就是說，在環境光源為2850K+5000K的情況下，取得P_2850+5000 的校正參數。在校正色溫兩兩組合的情況下，資料庫最多可以儲存有21組的組合校正參數；而在校正色溫為三個一組的組合下，資料庫最多可以儲存35組的組合校正參數，以此類推。

回到校正參數取得模組130的說明，當校正參數取得模組130從資料庫150取得色溫為5000K所對應的校正參數P₅₀₀₀ 後，白平衡校正模組140將校正參數P₅₀₀₀ 套用於輸入影像的消防栓區域，以對消防栓區域執行白平衡處理(第2圖步驟S204)。

[情況2]

接著，針對物件偵測模組110偵測的結果為情況2，參照第3圖進行說明。第3圖為物件偵測模組110偵測出輸入影像同時存在資料庫150已建檔的第一物件以及第二物件時的運作流程圖。由於我們已假設物件偵測模組110偵測出輸入影像當中有消防栓以及電話(第3圖步驟S301)，故消防栓對應第3圖當中的第一物件，而電話則對應第3圖當中的第二物件。以下特別針對與情況1相異之步驟進行說明。

接著，物件比對模組120在物件偵測模組110還偵測出輸入影像當中存在電話的情況下，將輸入影像當中包含電話及其周圍的電話區域，與資料庫150當中的電話基準影像進行比對(第3圖步驟S302)。物件比對模組120判定是否需執行白平衡處理的方法與情況1相同，故此處不再重複說明。

在物件比對模組120判定電話區域應執行白平衡處理的情況下，校正參數取得模組130會先計算電話區域的色溫，也就是7000K。計算出色溫之後，再從資料庫150取得色溫為7000K時所對應的校正參數P₇₀₀₀ (第3圖步驟S303)。

除此之外，由於已經得知消防栓區域以及電話區域的色溫分別為5000K以及7000K，因此校正參數取得模組130還會算出5000K以及7000K的色溫差，也就是2000K(第3圖步驟S304)。

此時，校正參數取得模組130會將上述色溫差與一臨界值進行比較(第3圖步驟S305)。舉例來說，該臨界值可以設定為1000K。在情況2中，消防栓區域以及電話區域之間的色溫差(2000K)已經大於等於臨界值(第3圖步驟S305為「是」)，即表示兩個物件之間的色溫差相當明顯。為了讓在兩物件及其之間的區域在白平衡處理後也能維持顏色的平穩，因此校正參數取得模組130會根據兩個物件所佔有輸入影像的比例，於消防栓區域以及電話區域之間界定出第三區域(第3圖步驟S306)。

界定出第三區域的同時，校正參數取得模組130一樣會計算第三區域的第三色溫，並從資料庫150取得第三色溫對應的第三校正參數。舉例來說，如果計算出的第三色溫為6000K，則校正參數取得模組130取得的校正參數即為P₆₀₀₀ (第3圖步驟S307)。

但此處應注意的是，在實際應用時，為了讓第三區域與消防栓區域以及電話區域在邊界處有更好的顏色平穩效果，校正參數取得模組130也可以使用梯度的方式，在靠近消防栓區域的像素套用接近P₅₀₀₀ 的校正參數，而在靠近電話區域的像素則套用接近P₇₀₀₀ 的校正參數，藉以達到畫面顏色平穩的效果。在這種情況下，會套用於第三區域的校正參數將會有複數個，如P₅₁₀₀ 、P₅₂₀₀ 、…、P₆₈₀₀ 、P₆₉₀₀ 的分佈。

最後，白平衡校正模組140將校正參數P₅₀₀₀ 套用於消防栓區域，將校正參數P₇₀₀₀ 套用於電話區域，並將校正參數P₆₀₀₀ (或是P₅₁₀₀ 、P₅₂₀₀ 、…、P₆₈₀₀ 、P₆₉₀₀ )套用在位於消防栓區域以及電話區域之間的第三區域，以分別對消防栓區域、電話區域、以及第三區域執行白平衡處理(第3圖步驟S308)。

[情況3]

接著，針對物件偵測模組110偵測的結果為情況3，同樣參照第3圖進行說明。情況3與情況2的差異之處，在於情況3是假設物件偵測模組110偵測出輸入影像當中有消防栓以及蘋果(第3圖步驟S301)，消防栓對應第3圖當中的第一物件，而蘋果則對應第3圖當中的第二物件。

為了與情況2作區別，在物件比對模組120判定蘋果區域應執行白平衡處理的情況下(第3圖步驟S302)，校正參數取得模組130計算出蘋果區域的色溫為5200K，並從資料庫150取得色溫為5200K時所對應的校正參數P₅₂₀₀ (第3圖步驟S303)。

也就是說，校正參數取得模組130在情況3時所算出色溫5000K與5200K的色溫差是200K(第3圖步驟S304)。

因此，當校正參數取得模組130把200K的色溫差與1000K的臨界值進行比較時(第3圖步驟S305)，消防栓區域以及蘋果區域之間的色溫差將小於臨界值(第3圖步驟S305為「否」)。換言之，兩個物件之間的色溫差並不明顯，故校正參數取得模組130並不需要特別在兩個物件之間界定第三區域，可以對整張輸入影像套用同一個校正參數。在這種情況下，即使不針對色溫為5000K的消防栓區域套用P₅₀₀₀ 的校正參數，以及不針對色溫為5200K的蘋果區域套用P₅₂₀₀ 的校正參數，也不至於對輸入影像整體的白平衡處理產生過度失真的結果。

具體而言，校正參數取得模組130會選擇一個介於5000K以及5200K之間的第四色溫。舉例來說，校正參數取得模組130可以計算兩色溫的算術平均值，也就是5100K，並從資料庫150取得相對應的校正參數P₅₁₀₀ (第3圖步驟S309)。

最後，白平衡校正模組140將校正參數P₅₁₀₀ 套用於整張輸入影像，以對輸入影像(其中涵蓋了消防栓區域還有蘋果區域)執行白平衡處理(第3圖步驟S310)。

介紹完本發明的白平衡校正方法與白平衡校正裝置在以上3種情況的實施方式後，以下介紹本發明在實際運用時的兩種實施例，藉以優化習知數位相機的自動白平衡演算法。

[實施例1]

在實施例1當中，本發明的白平衡校正方法的各項步驟，是加在習知自動白平衡演算法之前。具體來說，若白平衡校正裝置100的物件偵測模組110偵測到輸入影像具有資料庫150已儲存的至少一物件，則執行本發明的白平衡校正方法，以取代習知的自動白平衡演算法；若物件偵測模組110並未偵測到輸入影像具有資料庫150已儲存的任何一物件，才去執行習知的自動白平衡演算法。此情況下，在物件偵測模組110偵測輸入影像是否有物件之前，該輸入影像並未執行過任何白平衡處理。

[實施例2]

在實施例2當中，本發明的白平衡校正方法的各項步驟，是加在習知自動白平衡演算法之後。具體來說，本發明的輸入影像，是一張已經過習知的自動白平衡演算法處理後的影像。接著，白平衡校正裝置100的物件偵測模組110再去偵測該輸入影像是否有物件。若物件偵測模組110偵測到輸入影像具有資料庫150已儲存的至少一物件，則執行本發明的白平衡校正方法；若物件偵測模組110並未偵測到輸入影像具有資料庫150已儲存的任何一物件，則直接將該輸入影像輸出。

綜上說明，藉由本發明的白平衡校正方法以及白平衡校正裝置，若輸入影像是一張未經過白平衡處理後的影像，如：計算出輸入影像的色溫為3600K時，則可以從線上的資料庫150當中直接取得對應的校正參數P₃₆₀₀ ，而不是從相機內建的7組校正參數中，用內插演算法計算校正參數(

P₃₀₀₀ +

P₄₀₀₀ )。藉此，可以直接從資料庫150的多組校正參數中取得更精確的校正參數。

另外，若該輸入影像是一張已經過白平衡處理後的影像，假設物件比對模組120判定在色溫為3600K的環境套用校正參數為(

P₃₀₀₀ +

P₄₀₀₀ )的輸入影像，與物件基準影像差異過大，必須再次執行白平衡處理時，校正參數取得模組130也可以從資料庫150取得更精確的校正參數P₃₆₀₀ ，並再次套用於輸入影像，使得輸入影像達到更佳的白平衡效果。

另外，藉由本發明的白平衡校正方法以及白平衡校正裝置，由於是以輸入影像當中的物件為單位判別各區域的色溫，因此可以針對物件的個數、以及各區域之間色溫的差異，適當調整白平衡處理套用的區域以及校正參數。因此在不同光源環境下，亦能提高白平衡處理的正確性。

至此詳述了針對本發明較佳的實施形態，但本發明並非限定於特定的實施形態，在申請專利範圍所記載本發明要旨的範圍內，可進行各種的變形、變更。

100:白平衡校正裝置 110:物件偵測模組 120:物件比對模組 130:校正參數取得模組 140:白平衡校正模組 150:資料庫 S201、S202、…、S204:步驟 S301、S302、…、S310:步驟

第1圖為本發明的白平衡校正裝置100的示意圖。第2圖為物件偵測模組110偵測出輸入影像存在一個第一物件時的運作流程圖。第3圖為物件偵測模組110偵測出輸入影像同時存在第一物件以及第二物件時的運作流程圖。第4(A)圖為資料庫150包含複數個校正色溫以及複數個校正參數的示意圖。第4(B)圖為資料庫150包含複數個組合校正色溫以及複數個組合校正參數的示意圖。

100:白平衡校正裝置

110:物件偵測模組

120:物件比對模組

130:校正參數取得模組

140:白平衡校正模組

150:資料庫

Claims

一種白平衡校正方法，包含下列步驟：將一輸入影像與一資料庫包含的至少一物件基準影像進行比對，以偵測該輸入影像是否存在至少一個該資料庫已建檔的一第一物件；若該輸入影像存在至少一個該資料庫已建檔的該第一物件，則執行下列步驟：將包含該第一物件及其周圍的一第一區域，與一第一物件基準影像進行比對，以判定該第一區域是否執行白平衡處理；當判定結果為執行白平衡處理時，算出該第一區域的一第一色溫，並從該資料庫取得該第一色溫對應的一第一校正參數；以及基於該第一校正參數對該第一區域執行白平衡處理。
如申請專利範圍第1項所述之白平衡校正方法，還包含下列步驟：若該輸入影像存在一個該資料庫已建檔的該第一物件，則將該第一校正參數套用於該第一區域，以執行白平衡處理。
如申請專利範圍第1項所述之白平衡校正方法，還包含下列步驟：若該輸入影像還存在一個該資料庫已建檔的一第二物件，則執行下列步驟：將包含該第二物件及其周圍的一第二區域，與一第二物件基準影像進行比對，以判定該第二區域是否執行白平衡處理；當判定結果為執行白平衡處理時，算出該第二區域的一第二色溫，並從該資料庫取得該第二色溫對應的一第二校正參數；算出該第一色溫與該第二色溫的一色溫差；以及更基於該第一校正參數以及該第二校正參數對該第二區域執行白平衡處理。
如申請專利範圍第3項所述之白平衡校正方法，還包含下列步驟：若該色溫差大於等於一臨界值，則執行下列步驟：於該第一區域和該第二區域之間界定出一第三區域；算出該第三區域的一第三色溫，並從該資料庫取得該第三色溫對應的一第三校正參數；以及將該第一校正參數套用於該第一區域，將該第二校正參數套用於該第二區域，並將該第三校正參數套用於該第三區域，以執行白平衡處理；若該色溫差小於該臨界值，則執行下列步驟：選擇介於該第一色溫以及該第二色溫之間的一第四色溫，並從該資料庫取得該第四色溫對應的一第四校正參數；以及將該第四校正參數套用於該輸入影像，以執行白平衡處理。
如申請專利範圍第1項所述之白平衡校正方法，其中，判定該第一區域是否執行白平衡處理的方法，是分別算出該第一區域以及該第一物件基準影像在一灰階區塊的一色度座標(chromaticity coordinate)，當該等色度座標的距離在一既定值以上時，判定為執行白平衡處理。
如申請專利範圍第1項所述之白平衡校正方法，其中，判定該第一區域是否執行白平衡處理的方法，是分別算出該第一區域以及該第一物件基準影像在一灰階區塊的一紅色/綠色比值(R/G ratio)與一藍色/綠色比值(B/G ratio)，當該等比值的差異在一既定值以上時，判定為執行白平衡處理。
如申請專利範圍第1項所述之白平衡校正方法，其中，該資料庫儲存複數個校正色溫，該等校正色溫有其對應的一校正參數；其中，若該複數個校正色溫當中包含該第一色溫，則該資料庫取得該第一色溫對應的該第一校正參數；其中，若該複數個校正色溫當中不包含該第一色溫，則該資料庫執行內插演算法，根據該複數個校正參數算出該第一校正參數。
如申請專利範圍第1項所述之白平衡校正方法，其中，該資料庫儲存複數個校正色溫的至少一組合，該等組合有其對應的一組合校正參數。
如申請專利範圍第1項至第4項任何一項所述之白平衡校正方法，其中，該輸入影像為一已經過白平衡處理後的影像。
一種白平衡校正裝置，包含一處理器，該處理器執行程式以運行申請專利範圍第1項至第8項任何一項所述之白平衡校正方法。