一种颜色校正矩阵优化方法、装置、电子设备及介质

技术领域

本申请实施例涉及图像处理领域，尤其涉及一种颜色校正矩阵优化方法、装置、电子设备及介质。

背景技术

数字摄像机拍摄得到的图像，与人眼感知的实际图像往往存在一定的颜色偏差。导致图像颜色偏差的因素包括光源色温、镜头透光特性、图像传感器感光特性等。在数字颜色校正矩阵优化中，自动白平衡算法(Automatic white balance:AWB)被用于纠正色温带来的偏色问题，来模拟人眼对灰色感知的恒常性。彩色图像经过AWB校正后，仍存在较严重的偏色现象。此时偏色的主要原因是图像传感器与人眼对光谱和亮度的响应存在明显差异。因此，在AWB恢复灰色物体颜色后，还需要通过颜色校正矩阵(CCM，Color CorrectionMatrix)对摄像机采集的图像进行校正，以纠正彩色物体的偏色问题。

但是，目前的颜色校正方案，单纯以待校正图像和校正后图像坐标的欧氏距离对颜色校正矩阵进行优化，但是欧式距离并不能完全代表人眼感知的颜色与摄像机采集图像的颜色的差异，因此颜色校正后图像的颜色并不能贴近人眼感知的颜色。另外，目前的颜色校正矩阵优化的方案中，通过最小二乘法得到一个初始化颜色校正矩阵，在后续的优化过程中容易导致优化结果落入局部最小陷阱，无法得到全局最优解。

发明内容

本申请提供了一种颜色校正矩阵优化方法、装置、电子设备及介质，以基于人眼对色相和饱和度的实际感知情况确定损失函数，对颜色校正矩阵进行优化，提高颜色校正后的图像颜色和人眼感知颜色的贴合度。

在一个实施例中，本申请实施例提供了一种颜色校正矩阵优化方法，包括：

基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵；

根据所述颜色输出矩阵的Lab坐标和目标色卡图像的颜色目标矩阵的Lab坐标，确定全局色相误差和饱和度约束正则项，并根据所述全局色相误差和所述饱和度约束正则项构造损失函数；其中，Lab坐标为在Lab颜色空间中的坐标；

根据损失函数值对所述颜色校正矩阵进行更新，直到所述损失函数值收敛，得到最优颜色校正矩阵，以基于所述最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。

在一个实施例中，本申请实施例提供了一种颜色校正矩阵优化装置，包括：

校正处理模块，用于基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵；

损失函数构造模块，用于根据所述颜色输出矩阵的Lab坐标和目标色卡图像的颜色目标矩阵的Lab坐标，确定全局色相误差和饱和度约束正则项，并根据所述全局色相误差和所述饱和度约束正则项构造损失函数；其中，Lab坐标为在Lab颜色空间中的坐标；

优化模块，用于根据损失函数值对所述颜色校正矩阵进行更新，直到所述损失函数值收敛，得到最优颜色校正矩阵，以基于所述最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。

在一个实施例中，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例中所述的颜色校正矩阵优化方法。

在一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一实施例中所述的颜色校正矩阵优化方法。

本申请实施例提供了一种颜色校正矩阵优化方法、装置、电子设备及介质，实现方案为，基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵；根据所述颜色输出矩阵的Lab坐标和目标色卡图像的颜色目标矩阵的Lab坐标，确定全局色相误差和饱和度约束正则项，并根据所述全局色相误差和所述饱和度约束正则项构造损失函数；其中，Lab坐标为在Lab颜色空间中的坐标；根据损失函数值对颜色校正矩阵进行更新，直到损失函数值收敛，得到最优颜色校正矩阵，以基于最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。上述技术方案中，对颜色校正矩阵进行优化时，考虑到人眼对色相和饱和度偏差的感知情况构造损失函数，以使图像采集器采集的图像基于优化后的颜色校正矩阵进行颜色校正后，能够更加贴近人眼感知的颜色。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本申请一种实施例提供的颜色校正矩阵优化方法的流程图；

图2为本申请一种实施例提供的色块像素点示意图；

图3为本申请另一实施例提供的颜色校正矩阵优化方法的流程图；

图4为本申请又一实施例提供的颜色校正矩阵优化方法的流程图；

图5为本申请又一实施例提供的迭代优化流程示意图；

图6为本申请一种实施例提供的颜色校正矩阵优化装置的结构示意图；

图7为本申请一种实施例提供的电子设备的结构示意图。

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说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。此外，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

为了更好地理解本申请实施例，下面对相关技术进行介绍。

图1为本申请实施例提供的一种颜色校正矩阵优化方法的流程图，本申请实施例可适用于对颜色校正矩阵进行优化的情况。具体的，该颜色校正矩阵优化方法可以由颜色校正矩阵优化装置执行，该颜色校正矩阵优化装置可以通过软件和/或硬件的方式实现，并集成在电子设备中。

如图1所示，该方法具体包括如下步骤：

S110、基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵。

其中，采集色卡图像为图像采集器对24色标准色卡进行图像采集得到的图像。在进行颜色校正前，还可以对采集色卡图像进行黑电平校正、拜尔插值和白平衡校正等预处理。根据采集色卡图像中各色块的R、G、B三通道的灰度值构建采集色卡图像的颜色源矩阵。具体的，在各色块的整个像素区域中，取最靠近中心像素点的部分像素区域的像素点。对取出像素点的R通道的灰度值求均值，G通道的灰度值求均值，B通道的灰度值求均值，作为该色块R、G、B三通道的灰度值，并作为矩阵的一列，对于24个色块，得到24列R、G、B三通道的灰度值，构造颜色源矩阵。将颜色校正矩阵与颜色源矩阵对应的矩阵进行运算，实现对颜色源矩阵的颜色校正。

示例性的，如图2所示，假设图2为采集色卡图像中的其中一个色块，取最靠近中心像素点的部分像素区域，即图2中阴影表示的25个像素点。计算25个像素点中R通道的灰度值求均值，G通道的灰度值求均值，B通道的灰度值求均值，得到该色块对应的

颜色校正矩阵可以为

S120、根据所述颜色输出矩阵的Lab坐标和目标色卡图像的颜色目标矩阵的Lab坐标，确定全局色相误差和饱和度约束正则项，并根据所述全局色相误差和所述饱和度约束正则项构造损失函数；其中，Lab坐标为在Lab颜色空间中的坐标。

其中，目标色卡图像为预先确定的体现人眼感知颜色的色卡图像。颜色目标矩阵为对目标色卡图像中各色块像素点的三通道灰度值进行采样、求均值处理得到的矩阵，确定目标色卡图像的颜色目标矩阵的过程与确定采集色卡图像的颜色源矩阵的过程一致，详见S110。得到的颜色目标矩阵的为

Lab颜色空间是是一个亮度与色度相对分离的颜色空间，是由国际照明学会推荐的均匀色空间。该空间是三维直角坐标系统，是目前最受广泛使用的测色系统。其中L为亮度分量，表示亮度，(a,b)两个分量共同构成色度平面，a和b表示颜色对立维度。对颜色输出矩阵和颜色目标矩阵进行色差评价，需要将颜色输出矩阵和颜色目标矩阵从其他颜色空间的数据转换为Lab颜色空间的数据进行对比。在Lab颜色空间中，可以根据颜色输出矩阵的坐标表征颜色输出矩阵的色相信息和饱和度信息，根据颜色目标矩阵的坐标表征颜色目标矩阵的色相信息和饱和度信息，确定颜色输出矩阵和颜色目标矩阵的全局色相误差和饱和度约束正则项。其中，全局色相误差为色度的差异，如果仅根据全局色相误差确定损失函数，则色度空间上饱和度随意伸缩，同样无法达到理想的颜色校正效果。在本申请实施例中，为了解决上述问题，基于饱和度差异构造饱和度约束正则项，从而限制损失函数优化过程中饱和度随意伸缩，进而提高颜色校正效果。饱和度约束正则项可以根据饱和度差异确定，具体确定方式可以根据实际情况确定，例如可以以颜色输出矩阵的Lab坐标和颜色目标矩阵的Lab坐标表征各自的饱和度，确定饱和度差异，根据饱和度差异构造饱和度约束正则项。

具体的，可以将全局色相误差和饱和度约束正则项进行运算构造损失函数，将颜色输出矩阵和颜色目标矩阵中元素的具体值带入至损失函数中得到损失函数值。在运算过程中可以根据实际情况引入系数以调节全局色相误差和饱和度约束正则项在损失函数中的权重。

本申请实施例中的方案，考虑到了人眼感官上比较敏感的全局色相差异和饱和度差异，进而根据全局色相误差和饱和度约束正则项，确定损失函数值对颜色校正矩阵进行更新，以使基于优化后的颜色校正矩阵对采集的图像进行颜色校正后，能够更加贴近人眼感官上的颜色。

S130、根据损失函数值对所述颜色校正矩阵进行更新，直到所述损失函数值收敛，得到最优颜色校正矩阵，以基于所述最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。

示例性的，对颜色校正矩阵进行迭代优化，直至损失函数值收敛，得到损失函数值的极小值，将损失函数值的极小值对应的颜色校正矩阵作为最优颜色校正矩阵。在后续的应用中，可以将最优颜色校正矩阵的相关参数输入至图像采集器中，以使图像采集器基于相关参数生成最优颜色校正矩阵，对采集的待处理图像进行颜色校正，并对颜色校正后的待处理图像进行伽马变换，得到最终的输出图像，输出图像由于经过颜色校正以及伽马变换，其颜色能够贴近人眼感官上的颜色，提高用户的观看体验。

需要说明的是，本申请实施例执行上述方案的电子设备，与后续采用最优颜色校正矩阵对待处理图像进行颜色校正的设备可以一致，也可以不同。一般情况下，由于本申请实施例中方案的处理数据量较大，因此可以由处理性能较高的电子设备执行，在得到最优颜色校正矩阵之后，再将最优颜色校正矩阵的相关参数输入至图像采集器中，以供图像采集器应用相关参数生成最优颜色校正矩阵对采集的图像进行处理。

本申请实施例提供了一种颜色校正矩阵优化方法、装置、电子设备及介质，实现方案为，基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵；根据颜色输出矩阵和目标色卡图像的颜色目标矩阵在Lab颜色空间中的全局色相误差和饱和度约束正则项，确定损失函数值；根据损失函数值对颜色校正矩阵进行更新，直到损失函数值收敛，得到最优颜色校正矩阵，以基于最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。上述技术方案中，对颜色校正矩阵进行优化时，考虑到人眼对色相和饱和度偏差的感知情况确定损失函数，以使图像采集器采集的图像基于优化后的颜色校正矩阵进行颜色校正后，能够更加贴近人眼感知的颜色。

图3为本申请另一实施例提供的颜色校正矩阵优化方法的流程图。本实施例是在上述实施例的基础上进行优化。需要说明的是，未在本实施例中详尽描述的技术细节可参见上述任意实施例。

具体的，如图3所示，该方法具体包括如下步骤：

S210、基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵。

S220、针对所述颜色输出矩阵和所述颜色目标矩阵中各列元素代表的各色块，确定各色块对应的色度坐标；其中，色度坐标为所述颜色输出矩阵和所述颜色目标矩阵转换到Lab颜色空间后在色度平面中的坐标。

示例性的，颜色输出矩阵和颜色目标矩阵中的每一列元素，都代表一个色块。将颜色输出矩阵和颜色目标矩阵转换至Lab颜色空间，即可得到颜色输出矩阵和颜色目标矩阵在Lab颜色空间中的各元素，进而确定各色块对应在Lab颜色空间中的色度坐标。示例性的，在RGB颜色空间中，颜色输出矩阵中第i个色块用第i列元素

在本申请实施例中，色度坐标为在Lab颜色空间内的色度平面的坐标，即表示颜色的a坐标和b坐标。由于颜色误差的评价标准，将直接影响颜色校正的视觉效果，因此根据色度坐标对图像的全局色相误差和饱和度约束正则项进行分析。

S230、根据各色块对应的色度坐标，确定全局色相误差和饱和度约束正则项。

由于Lab颜色空间是一个亮度与色度相对分离的颜色空间，(a,b)两个分量共同构成色度平面，a和b表示颜色对立维度。因此可以根据色度坐标，表征颜色输出矩阵和颜色目标矩阵在Lab颜色空间中的色相差异和饱和度差异。

在本申请实施例中，根据各色块对应的色度坐标，确定全局色相误差，包括：针对颜色输出矩阵和颜色目标矩阵中同一列元素表示的色块对，根据色块对色度坐标向量的夹角，确定色块对的全局色相误差；其中，色度坐标向量为以原点为起点，以色度坐标为终点的向量；根据各色块对的全局色相误差的加权平均值，确定全局色相误差。

其中，色块对为颜色输出矩阵和颜色目标矩阵中同一列元素表示的两个色块。例如颜色输出矩阵中第5列元素表示的色块，与颜色目标矩阵中第5列元素表示的色块，构成色块对，颜色输出矩阵中第24列元素表示的色块，与颜色目标矩阵中第24列元素表示的色块构成色块对。示例性的，在色度平面中，色块的色度坐标为色度平面中的一个点，将色度平面的原点作为起点，将色度坐标作为终点，将起点指向终点的向量作为该色块的色度坐标向量。由于同一色块对的色度坐标不同，因此色度坐标向量不同，色块对的色度坐标向量存在一定的夹角，以该夹角表征该色块对的全局色相误差。颜色输出矩阵和颜色目标矩阵的全局色相误差即为24个色块对全局色相误差的加权平均值。

具体的，假设色块对中属于颜色输出矩阵的色块为色块1，属于颜色目标矩阵的色块为色块2，色块1的色度坐标为(a

其中，ΔHue为颜色输出矩阵和颜色目标矩阵的全局色相误差，w

在本申请实施例中，根据各色块对应的色度坐标，确定饱和度约束正则项，包括：确定颜色输出矩阵中各列元素表示的各色块的色度坐标与原点的第一距离的平均值，并确定颜色目标矩阵中各列元素表示的各色块的色度坐标与原点的第二距离的平均值；确定第一距离的平均值与第二距离的平均值的比值，并根据所述比值与一的差值，确定饱和度约束正则项。示例性的，在色度平面中，可以用色块的色度坐标与原点的距离表征该色块的饱和度。针对颜色输出矩阵中各列元素表示的各色块，计算色块的色度坐标与原点的第一距离，并计算各色块对应的第一距离的平均值，表征颜色输出矩阵的饱和度。针对颜色目标矩阵中各色块，计算色块的色度坐标与原点的第二距离，并计算各色块对应的第二距离的平均值，表征颜色目标矩阵的饱和度。根据第一距离的平均值与第二距离的平均值的比值，并计算比值与一的差值，确定饱和度约束正则项。其中，“一”是指第二距离与第二距离的比值。具体的，对于颜色输出矩阵中的色块i，用第一距离

S240、根据所述饱和度约束正则项与所述全局色相误差的和，构造损失函数。

具体的，损失函数可以表示为E＝ΔHue+λ·ΔChroma，其中，E为损失函数，ΔHue为全局色相误差，ΔChroma为饱和度约束正则项，λ为约束参数。将颜色输出矩阵和颜色目标矩阵在Lab颜色空间内的坐标带入计算得到损失函数值。

在本申请实施例中，考虑到人眼对全局色相误差和饱和度约束正则项的认知情况不同，对全局色相误差的敏感度远高于饱和度约束正则项，因此引入全局色相误差构造损失函数计算损失函数值，以从人眼感知的方面进行校正。以饱和度约束正则项进行约束，限制色度空间中的饱和度任意伸缩，并且不会影响全局色相误差的优化结果，从而使校正后的图像的颜色能够更贴近于人眼感官的颜色，颜色校正效果更接近与人眼感知。

S250、根据损失函数值对所述颜色校正矩阵进行更新，直到所述损失函数值收敛，得到最优颜色校正矩阵，以基于所述最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。

本申请实施例提供的一种颜色校正矩阵优化方法，在上述实施例的基础上进行优化，针对所述颜色输出矩阵和所述颜色目标矩阵中各列元素代表的各色块，确定各色块对应的色度坐标；其中，色度坐标为所述颜色输出矩阵和所述颜色目标矩阵转换到Lab颜色空间后在色度平面中的坐标；根据各色块对应的色度坐标，确定颜色输出矩阵和颜色目标矩阵在Lab颜色空间中的全局色相误差和饱和度约束正则项；根据所述饱和度约束正则项与所述全局色相误差的和，构造损失函数，充分考虑到人眼感知色相误差的敏感度较高的情况，根据全局色相误差对颜色校正矩阵进行优化，并在优化过程中以饱和度约束正则项进行约束避免饱和度任意伸缩，从而使优化后的图像颜色能够跟贴近与人眼感知的颜色，提高了用户的体验。

图4为本申请又一实施例提供的颜色校正矩阵优化方法的流程图。本实施例是在上述实施例的基础上进行优化。需要说明的是，未在本实施例中详尽描述的技术细节可参见上述任意实施例。

具体的，如图4所示，该方法具体包括如下步骤：

S310、对于色相旋转矩阵和饱和度伸缩矩阵构成的颜色校正矩阵，左乘YUV颜色空间到RGB颜色空间的映射矩阵，右乘RGB颜色空间到YUV颜色空间的映射矩阵，得到三阶颜色校正矩阵。

YUV是一种颜色编码方法，YIQ、Y'UV、YUV、YCbCr、YPbPr等都可以称为YUV。“Y”表示明亮度，也就是灰阶值，“U”和“V”表示色度，作用是描述图像色彩以及饱和度，用于指定像素的颜色。以YIQ颜色空间为例进行详细说明。YIQ颜色空间是一个亮度与色度相对独立的颜色空间。YIQ颜色空间与RGB颜色空间互为线性关系，因此YIQ颜色空间的线性变换可以线性映射为RGB空间的线性变换。在YIQ颜色空间，设计色相旋转参数α，构造色相旋转矩阵

S320、基于白平衡约束，将三阶颜色校正矩阵的每一行中的其中一个元素用另外两个元素进行表示，得到包含六个变量的颜色校正矩阵。

示例性的，由九个参数构成的三阶矩阵可以为

S330、基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵。

S340、根据所述颜色输出矩阵的Lab坐标和目标色卡图像的颜色目标矩阵的Lab坐标，确定全局色相误差和饱和度约束正则项，并根据所述全局色相误差和所述饱和度约束正则项构造损失函数；其中，Lab坐标为在Lab颜色空间中的坐标。

S350、根据所述损失函数值对六个变量进行更新，以对所述颜色校正矩阵进行更新，得到最优颜色校正矩阵，以基于所述最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。

示例性的，本申请实施例的具体实现流程如图5所示，基于颜色校正矩阵CCM对颜色源矩阵进行颜色校正，得到颜色输出矩阵。根据颜色输出矩阵与颜色目标矩阵计算损失函数值，根据损失函数值对颜色校正矩阵进行更新迭代直至损失函数值收敛，得到损失函数值的极小值以及对应的最优颜色校正矩阵。

在本申请实施例中，颜色校正矩阵的更新过程实际为对六个变量的更新优化，对其优化的过程为一个无约束优化过程，优化算法不做限定，例如可以为梯度下降法，牛顿法，拟牛顿法，共轭梯度法等。对包含九个变量的颜色校正矩阵基于白平衡约束条件进行优化的过程，为有约束的优化过程，而本申请实施例的方案简化为无约束优化过程，加快了优化收敛的速度。

在本申请实施例中，颜色校正矩阵的初始化过程包括：根据色相旋转矩阵中的色相旋转因子的取值范围，以及饱和度伸缩矩阵中饱和度伸缩因子的取值范围，确定所述色相旋转因子和所述饱和度伸缩因子；根据所述色相旋转因子和所述饱和度伸缩因子，确定至少两个颜色校正矩阵；或者，根据所述色相旋转因子和所述饱和度伸缩因子的概率分布模型，随机生成至少两组色相旋转因子和饱和度伸缩因子；根据至少两组色相旋转因子和饱和度伸缩因子，确定至少两个颜色校正矩阵。在本申请实施例中，示例性的提供了两种批量化确定颜色校正矩阵的方案。实际应用过程中，批量化生成颜色校正矩阵的方案可以根据实际情况进行选取，不做限定，只要是进行批量化的思想均在本申请的保护范围内。具体的，色相旋转因子为色相旋转矩阵M

本申请实施例的方案还可以为，建立α和s的概率分布模型，例如均匀分布模型，在概率分布模型中随机选取至少两组(α，s)，带入到T中，并从YUV颜色空间转换至RGB颜色空间，得到至少两个初始颜色矩阵。

在本申请实施例中，还可以通过其他方式确定至少两个(α，s)，例如随机生成的方式等，以得到至少两个颜色校正矩阵，实现初始的颜色校正矩阵的批量化生成，从而解决了对单一的初始化颜色校正矩阵进行优化时容易陷入局部最小值的问题，从而能够对至少两个初始化的颜色校正矩阵进行优化寻找全局最小值，提高优化准确度。本申请实施例中，选取的色相旋转因子的数量和饱和度伸缩因子可以至少为百位数量级，以批量化生成足够多的初始化的颜色校正矩阵，更加精准地寻找到最优解，解决陷入局部最小的问题。

在确定至少两个颜色校正矩阵之后，提取颜色校正矩阵中的对应位置元素的值，对变量集S2进行初始化赋值，进行迭代求解S2的最优解。

在本申请实施例中，基于颜色校正矩阵对颜色源矩阵进行校正处理，得到颜色输出矩阵，包括：基于至少两个颜色校正矩阵分别对颜色源矩阵进行校正处理，得到至少两个颜色输出矩阵；根据损失函数值对所述颜色校正矩阵进行更新，直到所述损失函数值收敛，得到最优颜色校正矩阵，包括：根据所述损失函数值对至少两个颜色校正矩阵进行优化直至损失函数值收敛到极小值，得到至少两个极小值；确定至少两个极小值中的最小值，将该最小值对应的更新后的颜色校正矩阵，作为最优颜色校正矩阵。示例性的，基于至少两个颜色校正矩阵分别对颜色源矩阵进行校正处理，能够得到至少两个颜色输出矩阵。颜色校正处理过程可以是并行执行的，互不影响。假设至少两个颜色校正矩阵CCM

图6为本申请一种实施例提供的颜色校正矩阵优化装置的结构示意图。本实施例提供的颜色校正矩阵优化装置包括：

校正处理模块410，用于基于颜色校正矩阵，对采集色卡图像的颜色源矩阵进行校正处理，得到颜色输出矩阵；

损失函数构造模块420，用于根据所述颜色输出矩阵的Lab坐标和目标色卡图像的颜色目标矩阵的Lab坐标，确定全局色相误差和饱和度约束正则项，并根据所述全局色相误差和所述饱和度约束正则项构造损失函数；其中，Lab坐标为在Lab颜色空间中的坐标；

优化模块430，用于根据损失函数值对所述颜色校正矩阵进行更新，直到所述损失函数值收敛，得到最优颜色校正矩阵，以基于所述最优颜色校正矩阵对图像采集器采集的待处理图像进行颜色校正。

在本申请实施例中，损失函数构造模块420，包括：

坐标确定单元，用于针对所述颜色输出矩阵和所述颜色目标矩阵中各列元素代表的各色块，确定各色块对应的色度坐标；其中，色度坐标为所述颜色输出矩阵和所述颜色目标矩阵转换到Lab颜色空间后在色度平面中的坐标；

差异数据确定单元，用于根据各色块对应的色度坐标，确定全局色相误差和饱和度约束正则项；

数值确定单元，用于根据所述饱和度约束正则项与所述全局色相误差的和，构造损失函数。

在本申请实施例中，差异数据确定单元，包括：

全局色相误差确定子单元，用于针对所述颜色输出矩阵和所述颜色目标矩阵中同一列元素表示的色块对，根据色块对色度坐标向量的夹角，确定色块对的全局色相误差；其中，色度坐标向量为以原点为起点，以色度坐标为终点的向量；

加权平均值计算单元，用于根据各色块对的全局色相误差的加权平均值，确定全局色相误差。

在本申请实施例中，差异数据确定单元，包括：

距离数据确定子单元，用于确定颜色输出矩阵中各列元素表示的各色块的色度坐标与原点的第一距离的平均值，并确定颜色目标矩阵中各列元素表示的各色块的色度坐标与原点的第二距离的平均值；

相对饱和度差异确定子单元，用于确定第一距离的平均值与第二距离的平均值的比值，并根据所述比值与一的差值，确定饱和度约束正则项。

在本申请实施例中，所述装置还包括：

矩阵构建模块，用于对于色相旋转矩阵和饱和度伸缩矩阵构成的颜色校正矩阵，左乘YUV颜色空间到RGB颜色空间的映射矩阵，右乘RGB颜色空间到YUV颜色空间的映射矩阵，得到三阶颜色校正矩阵；

变换模块，用于基于白平衡约束，将三阶颜色校正矩阵的每一行中的其中一个元素用另外两个元素进行表示，得到包含六个变量的颜色校正矩阵。

优化模块430，具体用于：

根据所述损失函数值对六个变量进行更新，以对所述颜色校正矩阵进行更新。

在本申请实施例中，所述方法还包括：

第一因子选取单元，用于根据色相旋转矩阵中的色相旋转因子的取值范围，以及饱和度伸缩矩阵中饱和度伸缩因子的取值范围，确定所述色相旋转因子和所述饱和度伸缩因子；

第一矩阵构建单元，用于根据所述色相旋转因子和所述饱和度伸缩因子，确定至少两个颜色校正矩阵。或者，

第二因子单元，用于根据所述色相旋转因子和所述饱和度伸缩因子的概率分布模型，随机生成至少两组色相旋转因子和饱和度伸缩因子；

第二矩阵构建单元，用于根据至少两组色相旋转因子和饱和度伸缩因子，确定至少两个颜色校正矩阵。

在本申请实施例中，校正处理模块410具体用于：

基于至少两个颜色校正矩阵分别对颜色源矩阵进行校正处理，得到至少两个颜色输出矩阵；

优化模块430，包括：

极小值确定单元，用于根据所述损失函数值对至少两个颜色校正矩阵进行优化直至损失函数值收敛到极小值，得到至少两个极小值。

最优颜色校正矩阵确定单元，用于确定至少两个极小值中的最小值，将该最小值对应的更新后的颜色校正矩阵，作为最优颜色校正矩阵。

本申请实施例提供的颜色校正矩阵优化装置可以用于执行上述任意实施例提供的颜色校正矩阵优化方法，具备相应的功能和有益效果。

图7为本申请一种实施例提供的电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备10还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、用户设备、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络、无线网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如颜色校正矩阵优化方法。

在一些实施例中，颜色校正矩阵优化方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行颜色校正矩阵优化方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备10上实施此处描述的系统和技术，该电子设备10具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备10。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。