白平衡计算方法、装置、设备和介质

技术领域

本申请涉及图像处理技术领域，例如涉及一种白平衡计算方法、装置、设备和介质。

背景技术

目前相机采取的AWB(Automatic White Balance，自动白平衡)算法大多是灰度世界和白点统计的方法，是采取统计出RAW格式(原始格式)的图像中类白区的灰点来计算出AWB的增益，然而在实际应用中，偏白或偏黄的肤色、绿色等某些干扰色的落点也会落在类白区，甚至会被当作中色温的白点计算，从而导致最后计算出来的AWB增益参数不精确，使得根据AWB增益参数增益后的图像出现偏色的情况。

发明内容

本申请目的在于：提供一种白平衡计算方法、装置、设备和介质，其能够提高白平衡增益参数计算的准确性。

为达到上述目的，本申请提供了一种白平衡计算方法，包括：

获取初始图像，并根据预先设置的干扰色区域，计算所述初始图像的干扰色对应的第一占比；

若所述第一占比大于预设的第一阈值，计算所述干扰色对应的类白区的第二占比；

若所述第二占比大于预设的第二阈值，对所述初始图像中的所述干扰色进行抠除处理，得到目标图像；

对所述目标图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

本申请还提供了一种白平衡计算装置，包括：

第一占比计算单元，用于获取初始图像，并根据预先设置的干扰色区域，计算所述初始图像的干扰色对应的第一占比；

第二占比计算单元，用于若所述第一占比大于预设的第一阈值，计算所述干扰色对应的类白区的第二占比；

干扰色抠除单元，用于若所述第二占比大于预设的第二阈值，对所述初始图像中的所述干扰色进行抠除处理，得到目标图像；

白平衡计算单元，用于对所述目标图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的一种白平衡计算方法和/或上述任一项所述的白平衡计算方法的步骤。

本申请还提供一种计算机可读存储介质，其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上述任一项所述的一种白平衡计算方法和/或上述任一项所述的白平衡计算方法的步骤。

本申请的一种白平衡计算方法，通过预先设置的干扰色区域对初始图像中的干扰色进行第一占比计算，以及对干扰色对应的类白区进行第二占比计算，从而判定是否需要进行干扰色抠除，避免了干扰色对其他色温白平衡统计的干扰，从而提高白平衡增益参数计算的准确性，避免基于白平衡增益参数增益后的图像出现偏色的情况。

附图说明

图1为一实施例的白平衡计算方法的流程示意图；

图2为一实施例的AWB落点示意图；

图3为一实施例的白平衡计算装置结构示意图；

图4为一实施例的计算机设备的结构示意框图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“上述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件、模块、模块和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、模块、模块、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一模块和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

参照图1，是本申请公开的一种白平衡计算方法的流程示意图，包括：

S1：获取初始图像，并根据预先设置的干扰色区域，计算所述初始图像的干扰色对应的第一占比；

S2：若所述第一占比大于预设的第一阈值，计算所述干扰色对应的类白区的第二占比；

S3：若所述第二占比大于预设的第二阈值，对所述初始图像中的所述干扰色进行抠除处理，得到目标图像；

S4：对所述目标图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

如上步骤S1所述，初始图像为RAW格式的图像，即，CMOS(Complementary MetalOxide Semiconductor，互补金属氧化物半导体)或者CCD(Charge Coupled Device，电荷耦合器件)图像传感器将捕捉到的光源信号转化为数字信号的原始数据。在具体的实施方式中，通过图像传感器对需要进行白平衡计算的图像进行采集，得到RAW格式的初始图像，再根据预先设定的干扰色，在初始图像中划定干扰色区域，从而计算初始图像中的第一占比。其中，由于偏白或偏黄的肤色和绿色往往容易对白平衡结果产生干扰，因此上述干扰色通常可以设置为偏白或偏黄的肤色或绿色。

如上步骤S2所述，如果第一占比大于提前设置的第一阈值，则可以判定该干扰色对初始图像的整体影响较大，此时需要通过该干扰色对应的类白区的第二占比来判断该干扰色对白区的影响程度。其中，上述类白区是指初始图像中靠近白区的区域。

如上步骤S3所述，在画面中有干扰色的同时，如果第二占比大于预设的第二阈值，即干扰色对应的灰点很多，则可以说明此时的干扰区域不是其他色温的白点区域，而是该干扰色对应的干扰区域，因此需要进行抠除处理。在具体的实施方式中，可以直接将抠除的部分从初始图像中剔除，或采用透明涂层对抠除部分进行填充。

如上步骤S4所述，在干扰色抠除后，对抠除后得到的目标图像进行白平衡计算，具体地，可以根据下式，基于RGB三个色彩通道下的灰度均值计算白平衡增益参数AWB：

综上，通过预先设置的干扰色区域对初始图像中的干扰色进行第一占比计算，以及对干扰色对应的类白区进行第二占比计算，从而判定是否需要进行干扰色抠除，避免了干扰色对其他色温白平衡统计的干扰，从而提高白平衡增益参数计算的准确性，避免基于白平衡增益参数增益后的图像出现偏色的情况。

在一个实施例中，所述根据预先设置的干扰色区域，计算所述初始图像的干扰色对应的第一占比，包括：

根据RGB色彩模式建立色彩坐标系；

基于所述色彩坐标系，获取所述初始图像在各个色彩通道上的颜色信息；

根据所述颜色信息识别所述干扰色区域，并计算所述初始图像的干扰色对应的第一占比。

如上所述，参照图2，是基于RGB色彩模式的，D65色温下的AWB落点示意图，图中，标号为1的部分为色卡中的类白点，标号为2的部分为肤色块的落点，标号为3的部分为绿色块的落点。本实施例采取横坐标为R/G，纵坐标为B/G的坐标系来统计初始图像中的三个通道的信息。

具体地，基于现有技术中的AWB算法，如果采取白点统计的方法，当初始图像中存在大面积肤色的情况下，就会影响最终的AWB计算结果，而绿色区域的点会被当成中色温的白点被统计出来，使得最终的色温计算结果偏中色温，若直接把肤色和绿色作为干扰色区域直接抠掉，则势必会影响其他色温的白点统计，因此，本实施例中基于白点跟干扰色的占比来决定是否采取抠除的机制。

在一个实施例中，所述对所述目标图像进行白平衡计算，得到所述目标图像的白平衡增益参数，包括：

计算所述目标图像在各个色彩通道中的灰度均值；

根据所述灰度均值计算第一色彩通道对于第二色彩通道和第三色彩通道的所述白平衡增益参数。

如上所述，计算R(Red)、G(Green)、B(Blue)三个色彩通道下的灰度均值，可以将G通道作为主亮度通道，随后计算R通道和B通道的白平衡增益参数。

在具体的实施方式中，得到白平衡增益参数后，通过白平衡增益参数对R通道和B通道进行校正，与G通道进行合并后，最终可以得到经过白平衡处理后的校正图像，提高了白平衡校正的准确性。

在一个实施例中，所述对所述初始图像中的所述干扰色进行抠除处理，包括：

通过所述颜色信息识别所述干扰色区域的边缘；

根据所述边缘对所述干扰色进行抠除处理。

如上所述，通过颜色信息识别干扰色区域的边缘的方式可以为，获取初始图像的像素数据，采用最大类间方差法对初始图像进行二值化处理，获取二值化处理后的图像的像素数据，选取一个像素点，将该像素点的颜色信息与该像素点周围相邻分布的像素点的颜色信息进行对比，识别该像素点的颜色信息是否与相邻的像素点的颜色信息相同，若不相同，则认为该像素点为边缘像素点，若相同，则认为该像素点不是边缘像素点，从而提高了干扰色抠除的准确性。

在一个实施例中，所述根据预先设置的干扰色区域，计算所述初始图像的干扰色对应的第一占比，包括：

根据预先设置的干扰色，将所述干扰色所在的区域作为所述干扰色区域；

计算所述干扰色区域的第一面积，以及所述初始图像的第二面积，并根据所述第一面积和第二面积计算所述第一占比。

如上所述，可以根据干扰色区域的像素点数计算第一面积，根据初始图像的总像素点数量计算初始图像的第二面积，从而精确计算干扰色对应的第一占比值。

在一个实施例中，所述计算所述初始图像的干扰色对应的第一占比之后，还包括：

若所述第一占比不大于所述第一阈值，对所述初始图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

如上所述，若当前干扰色的第一占比较低，则可以认为初始图像中近似于没有干扰色，因此可以直接计算初始图像的白平衡增益参数。

在一个实施例中，所述得到所述干扰色对应的类白区的第二占比之后，还包括：

若所述第二占比不大于所述第二阈值，对所述初始图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

如上所述，在初始图像中存在干扰色的同时，其对应的灰点区域中灰点如果较少，则说明此时的干扰区域就是其他色温的白点区域，没必要做抠点操作，可直接计算初始图像的白平衡增益参数。

参照图3，是本申请公开的一种白平衡计算装置结构框图，装置包括：

第一占比计算单元100，用于获取初始图像，并根据预先设置的干扰色区域，计算所述初始图像的干扰色对应的第一占比；

第二占比计算单元200，用于若所述第一占比大于预设的第一阈值，计算所述干扰色对应的类白区的第二占比；

干扰色抠除单元300，用于若所述第二占比大于预设的第二阈值，对所述初始图像中的所述干扰色进行抠除处理，得到目标图像；

白平衡计算单元400，用于对所述目标图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

在一个实施例中，第一占比计算单元100，具体用于：

根据RGB色彩模式建立色彩坐标系；

基于所述色彩坐标系，获取所述初始图像在各个色彩通道上的颜色信息；

根据所述颜色信息识别所述干扰色区域，并计算所述初始图像的干扰色对应的第一占比。

在一个实施例中，白平衡计算单元400，具体用于：

计算所述目标图像在各个色彩通道中的灰度均值；

根据所述灰度均值计算第一色彩通道对于第二色彩通道和第三色彩通道的所述白平衡增益参数。

在一个实施例中，干扰色抠除单元300，具体用于：

通过所述颜色信息识别所述干扰色区域的边缘；

根据所述边缘对所述干扰色进行抠除处理。

在一个实施例中，第一占比计算单元100，具体用于：

根据预先设置的干扰色，将所述干扰色所在的区域作为所述干扰色区域；

计算所述干扰色区域的第一面积，以及所述初始图像的第二面积，并根据所述第一面积和第二面积计算所述第一占比。

在一个实施例中，第一占比计算单元100，具体用于：

若所述第一占比不大于所述第一阈值，对所述初始图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

在一个实施例中，第二占比计算单元200，具体用于：

若所述第二占比不大于所述第二阈值，对所述初始图像进行白平衡计算，得到所述目标图像的白平衡增益参数。

参照图4，本申请实施例中还提供一种计算机设备，该计算机设备的内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储白平衡计算数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种白平衡计算方法。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种白平衡计算方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。

本申请的一种白平衡计算方法、装置、设备和介质，通过预先设置的干扰色区域对初始图像中的干扰色进行第一占比计算，以及对干扰色对应的类白区进行第二占比计算，从而判定是否需要进行干扰色抠除，避免了干扰色对其他色温白平衡统计的干扰，从而提高白平衡增益参数计算的准确性，避免基于白平衡增益参数增益后的图像出现偏色的情况。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。