一种白平衡校正方法、装置、芯片和电子设备

技术领域

本发明涉及数字成像技术领域，特别是一种白平衡校正方法、装置、芯片和电子设备。

背景技术

在数字成像领域，受环境光源色的影响，所拍摄图像中物体的颜色与真实颜色之间可能会存在偏差，此时，需要通过白平衡处理方法对图像进行校正，从而消除环境光源色的影响，还原物体本身的颜色。

目前一种白平衡处理方法是基于深度学习模型的白平衡校正。但是，深度学习模型会受到训练样本所使用的摄像头模组的影响，即，如果模型是基于A种摄像头模组所采集的图像样本训练得到的，那么，当该模型用于处理其他种类的摄像头模组采集的图像时，处理效果将明显下降。

发明内容

本发明的目的是提供一种白平衡校正方法、装置、芯片和电子设备，用于实现自动白平衡模型在不同摄像头模组间的应用，提升模型的鲁棒性。

第一方面，本申请实施例提供一种白平衡校正方法，包括：获取第一摄像头模组采集的待校正图像；利用第一转换矩阵，将待校正图像的数据域转换至与第二摄像头模组匹配，第二摄像头模组为采集目标模型训练样本所用的摄像头模组；将转换后的待校正图像输入目标模型，得到待校正图像对应的第一环境光源RGB值；利用第二转换矩阵，将第一环境光源RGB值转换为与第一摄像头模组匹配的第二环境光源RGB值；根据第二环境光源RGB值，确定待校正图像的白平衡校正参数。

上述技术方案中，在将不同摄像头模组拍摄的待校正图像输入目标模型进行白平衡校正之前，可先基于预先标定得到的数据域转换矩阵，对不同摄像头模组对应的数据域进行转换，从而使得目标模型能够适应不同摄像头模组，提升目标模型对不同摄像头模组的拍摄图像进行校正时的鲁棒性。

其中一种可能的实现方式中，上述方法还包括：分别确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵，以及第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵；根据第三转换矩阵以及第四转换矩阵，分别确定第一转换矩阵以及第二转换矩阵。

本实现方式中，可通过XYZ色彩空间建立不同摄像头模组数据域之间的关联关系，得到不同摄像头模组之间的RGB色彩空间转换矩阵。

其中一种可能的实现方式中，分别确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵，以及第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵，包括：分别获取各个预设环境光源下第一摄像头模组以及第二摄像头模组所采集样本图像的RGB值，以及记录对应的所述预设环境光源的XYZ值；根据各个预设环境光源下第一摄像头模组所采集样本图像的RGB值以及环境光源的XYZ值，确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵；根据各个预设环境光源下所述第二摄像头模组所采集样本图像的RGB值以及所述环境光源的XYZ值，确定第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵。

其中一种可能的实现方式中，分别获取各个预设环境光源下第一摄像头模组以及第二摄像头模组所采集样本图像的RGB值，包括：从第一样本图像中确定出目标区域，目标区域为灰卡所在区域或灰卡中心所在区域；将目标区域RGB三通道的均值，确定为第一样本图像的RGB值；其中，第一样本图像为任意预设环境光源下第一摄像头模组或第二摄像头模组采集的样本图像。

其中一种可能的实现方式中，根据第三转换矩阵以及第四转换矩阵，分别确定第一转换矩阵以及第二转换矩阵，包括：根据XYZ色彩空间，建立第三转换矩阵与第四转换矩阵之间的关联关系；根据关联关系，分别确定第一转换矩阵以及第二转换矩阵。

其中一种可能的实现方式中，上述方法还包括：利用第二摄像头模组所采集的训练样本图像对初始模型进行训练，得到训练好的自动白平衡模型。

其中一种可能的实现方式中，上述方法还包括：利用白平衡校正参数对待校正图像进行白平衡校正，得到目标图像。

第二方面，本申请实施例提供一种白平衡校正装置，包括：获取模块，用于获取第一摄像头模组采集的待校正图像；第一转换模块，用于利用第一转换矩阵，将待校正图像的数据域转换至与第二摄像头模组匹配，第二摄像头模组为采集目标模型训练样本所用的摄像头模组；执行模块，用于将转换后的待校正图像输入目标模型，得到待校正图像对应的第一环境光源RGB值；第二转换模块，用于利用第二转换矩阵，将第一环境光源RGB值转换为与第一摄像头模组匹配的第二环境光源RGB值；确定模块，用于根据第二环境光源RGB值，确定待校正图像的白平衡校正参数。

上述技术方案中，在将不同摄像头模组拍摄的待校正图像输入目标模型进行白平衡校正之前，可先基于预先生成的数据域转换矩阵，对不同摄像头模组对应的数据域进行转换，从而使得目标模型能够适应不同摄像头模组，提升目标模型对不同摄像头模组的拍摄图像进行校正时的鲁棒性。

第三方面，本申请实施例提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如第一方面所述的方法。

第四方面，本申请实施例提供一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，能够执行如第一方面所述的方法。

第五方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如第一方面所述的方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，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它的附图。

图1为本申请实施例提供的一种白平衡校正方法的流程图；

图2为本申请实施例提供的另一种白平衡校正方法的流程图；

图3为本申请实施例提供的一种白平衡校正装置的结构示意图；

图4为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。

应当明确，所描述的实施例仅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作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。

在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

在对本申请提供的技术方案进行说明之前，为便于理解，先对相关背景技术进行介绍。

在拍摄图像时，受环境光源色温的影响，所拍摄图像中物体的颜色与其真实颜色之间可能会存在偏差。例如，在日落场景下拍摄白色物体时，拍摄图像该白色物体可能会表现为黄色。在此类场景中，需要通过白平衡处理方法对图像进行校正，从而消除环境光源色温的影响，还原物体本身的颜色。

目前一种白平衡处理方法是基于深度学习模型进行白平衡校正。但是，深度学习模型会受到训练样本所使用的摄像头模组的影响，即，如果模型是基于摄像头模组A所采集的图像样本训练得到的，那么，当该模型用于处理其他摄像头模组采集的图像时，处理效果将明显下降。这是由于摄像头模组通常由镜头(lens)、图像传感器(sensor)等器件组成，光信号经不同lens、sensor等器件所产生的数字图像信号存在明显差异。而学习类算法模型往往对输入数据的差异比较敏感，因而会影响模型的输出结果。

针对上述技术问题，提出本申请。

本申请可以将不同摄像头模组采集的图像数据进行色彩空间转换，减小因摄像头模组差异带来的图像数据色彩空间差异，从而提升学习类算法模型在白平衡校正场景中的鲁棒性和可泛化性。

本申请提供的白平衡校正方法可以应用于任意一种电子设备之中，该电子设备可以是任意一种具备摄像头模组的设备；或者，该电子设备可与任意一种具备摄像头模组的设备连接，接收该设备输出的拍摄图像，并通过执行本申请提供的白平衡校正方法，实现对拍摄图像的白平衡处理。本申请对上述电子设备的具体形态不作限定，可以包括但不限于手机、相机、平板电脑、个人计算机、智能机器人、可穿戴设备、监控摄像头等。

本申请还可提供一种芯片或芯片模组，芯片或芯片模组可位于本申请提供的电子设备之中，本申请提供的白平衡校正方法具体可执行于该电子设备的芯片或芯片模组。

下面对本申请提供的技术方案进行具体说明。

图1为本申请实施例提供的一种白平衡校正方法的流程图，如图1所示，上述白平衡校正方法可以包括：

步骤101，获取第一摄像头模组采集的待校正图像。

步骤102，利用第一转换矩阵，将待校正图像的数据域转换至与第二摄像头模组匹配。

本申请实施例中，第二摄像头模组为采集目标模型训练样本所用的摄像头模组，第一摄像头模组可以是不同于第二摄像头模组的任意一种摄像头模组，第一摄像头模组用于采集待校正图像Img_A。

当得到第一摄像头模组采集的待校正图像Img_A后，由于第一摄像头模组与第二摄像头模组对应的数据域存在差异，因此，在利用目标模型对待校正图像Img_A进行推理之前，可先对待校正图像Img_A的数据域进行转换，使之与第二摄像头模组匹配。

具体的，可预先生成并存储第二摄像头模组与包括第一摄像头模组在内的其他多种摄像头模组之间的数据域转换矩阵。其中，第一转换矩阵Matrix_A2B为第一摄像头模组数据域向第二摄像头模组数据域转换的转换矩阵，第二转换矩阵Matrix_B2A为第二摄像头模组数据域向第一摄像头模组数据域转换的转换矩阵。

在此基础上，当得到第一摄像头模组采集的待校正图像Img_A后，可获取对应的第一转换矩阵Matrix_A2B，进而，可利用第一转换矩阵Matrix_A2B，将待校正图像Img_A的数据域转换至与第二摄像头模组匹配，得到转换后的待校正图像Img_B。

步骤103，将转换后的待校正图像输入目标模型，得到待校正图像对应的第一环境光源RGB值。

通过上述数据域转换，可使得转换后的待校正图像Img_B的RGB色彩空间与第二摄像头模组匹配，从而，可将转换后的待校正图像Img_B输入目标模型，通过模型推理，得到待校正图像Img_A对应的第一环境光源RGB值。

步骤104，利用第二转换矩阵，将第一环境光源RGB值转换为与第一摄像头模组匹配的第二环境光源RGB值。

可以理解，第一环境光源RGB值是基于转换后的待校正图像Img_B得到的，其对应的数据域与待校正图像Img_A的采集设备并不匹配，因此，有必要对第一环境光源RGB值进行转换。具体的，可利用第二转换矩阵Matrix_B2A，对第一环境光源RGB值进行转换，得到与第一摄像头模组匹配的第二环境光源RGB值。

步骤105，根据第二环境光源RGB值，确定待校正图像的白平衡校正参数。

第二环境光源RGB值对应的RGB色彩空间与待校正图像Img_A的RGB色彩空间一致，因此，可直接基于第二环境光源RGB值，确定待校正图像Img_A的白平衡校正参数。

进一步的，可将上述白平衡校正参数作用于待校正图像Img_A，得到校正完成的目标图像。

通过上述技术方案，可基于预先生成的转换矩阵，实现不同摄像头模组之间数据域的转换，从而，可实现基于同一深度学习模型对不同摄像头模组所拍摄图像的自动白平衡校正，降低了摄像头模组差异对校正效果的影响，提升了模型的可泛化性和鲁棒性。并且，本申请提供的方案避免了重复训练与不同摄像头模组匹配的模型，节省了人力成本和时间成本。

本申请另一实施例中，对上述不同摄像头模组之间的转换矩阵的生成方法进行说明。

图2为本申请实施例提供的另一种白平衡校正方法的流程图，如图2所示，本申请实施例提供的白平衡校正方法可以包括：

步骤201，分别确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵，以及第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵。

步骤202，根据第三转换矩阵以及第四转换矩阵，分别确定第一转换矩阵以及第二转换矩阵。

XYZ色彩空间是国际照明委员会(International Commission on illumination，CIE)在RGB色彩空间基础上改进的一种色度标准系统。其中，XYZ三个分量表示颜色的三色刺激值，其中，X和Z表示色度，Y表示亮度。与RGB色彩空间不同，XYZ色彩空间是基于人眼视觉的数学模型，与摄像头模组以及显示设备无关。

基于XYZ色彩空间的特性，本申请可以将XYZ色彩空间作为中间量，实现第一摄像头模组与第二摄像头模组RGB色彩空间的转换。

首先，可分别确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵，以及第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵。

具体的，可在实验室场景下分别搭建不同的标准环境光源，例如，分别设置A光源(模拟白炽灯光)、H光源(模拟钨卤灯光)、D65光源(模拟蓝天日光)、TL84光源(模拟欧洲商店灯光)、CWF光源(模拟北美冷白商店光源)等不同色温的标准环境光源。在保证每种环境光源亮度稳定、色温稳定的情况下，可依次利用第一摄像头模组以及第二摄像头模组，分别在各个标准环境光源下采集样本图像，并利用照度计记录每次采集时标准环境光源的XYZ值。具体的，本申请实施例中，可在拍摄环境中放置灰卡，并分别在各个环境光源下采集包含灰卡的样本图像。应当注意，为保证本方案精确程度，在采集样本图像时，应当调整光源亮度和设备曝光参数，防止出现过曝或过暗问题。

进而，针对每种环境光源下采集的样本图像，可分别计算各个样本图像的RGB值。具体的，可从样本图像中选取目标区域，进而，计算目标区域RGB三通道的均值，将该均值作为样本图像的RGB值。其中，目标区域可以是灰卡区域或灰卡中心所在区域。

对于任意一个摄像头模组，其在不同标准环境光源下采集的样本图像的RGB值以及环境光源的XYZ值，可用于求解该摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的转换矩阵。

具体的，RGB色彩空间与XYZ色彩空间之间的转换关系可通过下式进行表示：

对于第一摄像头模组，可基于各个不同标准环境光源下采集的样本图像的RGB值以及环境光源的XYZ值，求解上式，得到其中3×3矩阵的值，即第三转换矩阵MatrxiA_RGB2XYZ。

类似的，对于第二摄像头模组，可基于各个不同标准环境光源下采集的样本图像的RGB值以及环境光源的XYZ值，求解上式，得到其中3×3矩阵的值，即第四转换矩阵MatrixB_RGB2XYZ。

其中，对转换矩阵的求解可以视为线性回归问题的求解，具体的求解方式例如可以是最小二乘法、梯度下降法、牛顿法等，本申请对此不做限制。

分别对上述两个转换矩阵求逆矩阵，可以得到第一摄像头模组XYZ色彩空间向RGB色彩空间转换的第五转换矩阵MatrixA_XYZ2RGB，以及第二摄像头模组XYZ色彩空间向RGB色彩空间转换的第六转换矩阵MatrixB_XYZ2RGB。

进一步的，在上述基础上，由于XYZ色彩空间与设备无关，因此可以通过XYZ色彩空间，建立不同摄像头模组的RGB色彩空间之间的关联关系。

具体的，可基于XYZ色彩空间，建立上述第三转换矩阵MatrxiA_RGB2XYZ与第四转换矩阵MatrixB_RGB2XYZ之间的关联函数如下：

MatrxiA_RGB2XYZ×RGB_A＝XYZ＝MatrxiB_RGB2XYZ×RGB_B

其中，RGB_A为第一摄像头模组对应的RGB色彩空间，RGB_B为第二摄像头模组对应的RGB色彩空间。

根据上述关联函数，可以得到第一摄像头模组的RGB色彩空间向第二摄像头模组的RGB色彩空间的第一转换矩阵：

Matrix_A2B＝MatrixA_RGB2XYZ*MatrixB_XYZ2RGB

以及，第二摄像头模组的RGB色彩空间向第一摄像头模组的RGB色彩空间的第一转换矩阵：

Matrix_B2A＝MatrixB_RGB2XYZ*MatrixA_XYZ2RGB

通过上述技术方案，可以建立不同摄像头模组对应的数据域之间的转换关系，从而有助于通过同一深度学习模型，实现对不同种类的摄像头模组输出的图像的自动白平衡校正。

本申请另一实施例中，可替换的，还可利用三色系数x,y,z替换上述XYZ三刺激值实现上述方案。那么，在上述实验室样本图像采集过程中，可利用照度计记录每次采集时环境光源的xy值。

其中，三色系数x,y,z与XYZ三刺激值的关系如下：

x＝X/(X+Y+Z)

y＝Y/(X+Y+Z)

z＝Z/(X+Y+Z)

x+y+z＝1

本申请另一实施例中，还可利用第二摄像头模组采集的训练样本集，对初始模型进行训练，得到目标模型。进而，目标模型用于上述第一实施例中，对待校正图像进行机器学习。

图3为本申请实施例提供的一种白平衡校正装置的结构示意图。如图3所示，上述装置可以包括：获取模块31、第一转换模块32、执行模块33、第二转换模块34以及确定模块35。

获取模块31，用于获取第一摄像头模组采集的待校正图像。

第一转换模块32，用于利用第一转换矩阵，将待校正图像的数据域转换至与第二摄像头模组匹配，第二摄像头模组为采集目标模型训练样本所用的摄像头模组。

执行模块33，用于将转换后的待校正图像输入目标模型，得到待校正图像对应的第一环境光源RGB值。

第二转换模块34，用于利用第二转换矩阵，将第一环境光源RGB值转换为与第一摄像头模组匹配的第二环境光源RGB值。

确定模块35，用于根据第二环境光源RGB值，确定待校正图像的白平衡校正参数。

一种具体的实现方式中，第一转换模块32还用于，分别确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵，以及第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵；根据第三转换矩阵以及第四转换矩阵，分别确定第一转换矩阵以及第二转换矩阵。

一种具体的实现方式中，第一转换模块32具体用于，分别获取各个预设环境光源下第一摄像头模组以及第二摄像头模组所采集样本图像的RGB值，以及对应的预设环境光源的XYZ值；根据各个预设环境光源下第一摄像头模组所采集样本图像的RGB值以及环境光源的XYZ值，确定第一摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第三转换矩阵；根据各个预设环境光源下第二摄像头模组所采集样本图像的RGB值以及环境光源的XYZ值，确定第二摄像头模组对应的RGB色彩空间向XYZ色彩空间转换的第四转换矩阵。

一种具体的实现方式中，第一转换模块32具体用于，从第一样本图像中确定出目标区域，目标区域为灰卡所在区域或灰卡中心所在区域；将目标区域RGB三通道的均值，确定为第一样本图像的RGB值；其中，第一样本图像为预设环境光源下第一摄像头模组或第二摄像头模组采集的样本图像。

一种具体的实现方式中，第一转换模块32具体用于，根据XYZ色彩空间，建立第三转换矩阵与第四转换矩阵之间的关联关系；根据关联关系，分别确定第一转换矩阵以及第二转换矩阵。

一种具体的实现方式中，上述装置还包括训练模块36，用于利用各个预设环境光源下第二摄像头模组所采集样本图像对初始模型进行训练，得到目标模型。

一种具体的实现方式中，确定模块35还用于，利用白平衡校正参数对待校正图像进行白平衡校正，得到目标图像。

通过上述技术方案，可基于预先生成的转换矩阵，实现不同摄像头模组对应的数据域的转换，从而，可实现基于同一深度学习模型对不同摄像头模组所拍摄图像的自动白平衡校正，降低了摄像头模组差异对校正效果的影响。并且，本申请提供的方案避免了使用不同摄像头模组重复训练不同的模型，节省了人力成本和时间成本，提升了模型的可泛化性和鲁棒性。

图4为本申请实施例提供的一种电子设备的结构示意图。如图4所示，上述电子设备可以包括至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，上述处理器调用上述程序指令能够执行本申请实施例提供的白平衡校正方法。

本实施例对上述电子设备的具体形态不作限定，可以包括但不限于个人计算机(Personal Computer；以下简称：PC)、个人数字助理(Personal Digital Assistant；以下简称：PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、智能机器人、智能可穿戴设备、摄像机等。

图4示出了适于用来实现本申请实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图4所示，电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：一个或者多个处理器410，存储器430，连接不同系统组件(包括存储器430和处理器410)的通信总线440。

通信总线440表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。

电子设备典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器430可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)和/或高速缓存存储器。电子设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read Only Memory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read Only Memory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与通信总线440相连。存储器430可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块的程序/实用工具，可以存储在存储器430中，这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本申请所描述的实施例中的功能和/或方法。

电子设备也可以与一个或多个外部设备(例如键盘、指向设备、显示器等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过通信接口420进行。并且，电子设备还可以通过网络适配器(图4中未示出)与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide AreaNetwork；以下简称：WAN)和/或公共网络，例如因特网)通信，上述网络适配器可以通过通信总线440与电子设备的其它模块通信。应当明白，尽管图4中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of I ndependent Drives；以下简称：RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器410通过运行存储在存储器430中的程序，从而执行各种功能应用以及白平衡校正，例如实现本申请实施例提供的白平衡校正方法。

本申请实施例还提供一种计算机可读存储介质，上述计算机可读存储介质存储计算机指令，上述计算机指令使上述计算机执行本申请实施例提供的白平衡校正方法。

上述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory；以下简称：ROM)、可擦式可编程只读存储器(Erasable Programmable ReadOnly Memory；以下简称：EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”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”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“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。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的装置、设备实施例仅仅是示意性的，例如，所述单元、模块的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个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，也可以采用硬件加软件功能单元的形式实现。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。