图像白平衡方法、装置、设备、介质及程序

技术领域

本申请涉及但不限于图像处理领域，尤其涉及一种图像白平衡方法、装置、设备、介质及程序。

背景技术

在不同的光照条件下，图像传感器的输出存在不平衡性，从而会导致图像传感器输出的图像出现色彩失真，即造成图像偏红或偏蓝的现象；相关技术中，通常会采用基于灰点检测的自动白平衡方法来校正图像的偏色(即色彩失真)问题，即根据图像内部的灰点信息(例如：图像中检测到的灰点簇和灰点的色温信息)确定图像的白平衡增益值，以实现图像的偏色校正；但是，在图像所对应的场景光源变化频繁(如：光源快速变化、树荫等复杂光线)的情况下，采用当前图像的灰点信息进行白平衡调整时，易出现图像白平衡不稳定的问题。

发明内容

有鉴于此，本申请实施例至少提供一种图像白平衡方法、装置、设备及存储介质，旨在精准估计图像的色温的基础上，提高原始图像序列中连续图像白平衡的稳定性。

为了实现上述目的，本申请实施例提供一种图像白平衡方法，所述图像白平衡方法包括：

基于第一图像对应的初始灰点统计信息，构建所述第一图像的初始色温直方图；

加权融合所述第一图像的初始色温直方图和第二图像的目标色温直方图，得到所述第一图像的目标色温直方图；所述第二图像为所述第一图像所处的原始图像序列中的上一帧图像；所述原始图像序列中首帧图像的目标色温直方图，为所述首帧图像的初始色温直方图和基准色温直方图进行加权融合得到的；

基于所述第一图像的目标色温直方图对应的可信灰点统计信息，确定白平衡增益值；

根据所述白平衡增益值，对第三图像进行白平衡调整得到调整后的第三图像，重复以上步骤，直至所述原始图像序列中每一图像完成白平衡调整；所述第三图像为所述原始图像序列中所述第一图像的下一帧图像。

本申请实施例提供一种图像白平衡装置，所述图像白平衡装置包括：

构建模块，被配置为基于第一图像对应的初始灰点统计信息，构建所述第一图像的初始色温直方图；

融合模块，被配置为加权融合所述第一图像的初始色温直方图和第二图像的目标色温直方图，得到所述第一图像的目标色温直方图；所述第二图像为所述第一图像所处的原始图像序列中的上一帧图像；所述原始图像序列中首帧图像的目标色温直方图，为所述首帧图像的初始色温直方图和基准色温直方图进行加权融合得到的；

确定模块，被配置为基于所述第一图像的目标色温直方图对应的可信灰点统计信息，确定白平衡增益值；

调整模块，被配置为根据所述白平衡增益值，对第三图像进行白平衡调整得到调整后的第三图像，重复以上步骤，直至所述原始图像序列中每一图像完成白平衡调整；所述第三图像为所述原始图像序列中所述第一图像的下一帧图像。

对应地，本申请实施例提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时能够实现上述所述的图像白平衡方法。

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上存储有计算机可执行指令，该计算机可执行指令被执行后，能够实现上述所述的图像白平衡方法。

本申请实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，所述计算机程序或指令被处理器执行时，实现上述所述的图像白平衡方法。

本申请实施例所达到的技术效果：

对于原始图像序列所涉及的连续帧图像，通过分析连续帧图像的灰点统计信息，构建每一帧图像的色温直方图，以平滑场景光源突变造成的白平衡增益突变，同时加权融合连续两帧图像的色温直方图，能够有效在场景快速变化的情况，得到一个稳定的白平衡偏色校正，确保画面颜色稳定不抖动。因此，在每一帧图像的加权的色温直方图对图像的光源估计精准的基础上，实现累积多帧图像的色温直方图，从而不仅能够使得图像内的突变场景平滑过渡且不会让错误累积，且能够兼顾光源快速变化、树荫、复杂光线反射等场景的白平衡稳定。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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示出的结构获得其他的附图。

图1为本申请的一些实施例提供的图像白平衡方法的流程示意图一；

图2为本申请的一些实施例提供的图像白平衡方法的流程示意图二；

图3为本申请实施例提供的R/G-B/G色度空间内的预设带状灰区示意图；

图4为本申请实施例提供的预设带状灰区内区域划分示意图；

图5为本申请实施例提供的对预设带状灰区进行划分得到色温区域以及色温区域内对应的标准区和核心区的示意图；

图6为本申请的一些实施例提供的图像白平衡方法的流程示意图三；

图7为本申请的一些实施例提供的图像白平衡装置的组成结构示意图；

图8为本申请的一些实施例提供的计算机设备的组成结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图和实施例对本申请的技术方案进一步详细阐述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

所涉及的术语“第一/第二/第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请的目的，不是旨在限制本申请。

在对本申请实施例进行进一步详细说明之前，先对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。

1)白平衡：其基本概念是“不管在任何光源下，都能将白色物体还原为白色”，对在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行补偿。相机的白平衡设定可以校准色温的偏差，在拍摄时可以大胆地调整白平衡来达到想要的画面效果。

2)原始图像：尚未被处理，未被打印或用于编辑，尚未被转换成可视格式图像。通常情况下，原始图像有宽色域的内部色彩，可以进行精确的调整，可以在转换之前作出一些简单修改，如标签图像文件格式(Tag Image File Format，TIFF)或联合图像专家组(JointPhotographic Experts Group，JPEG)格式存储。

3)直方图(Histogram)：又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况；一般用横轴表示数据类型，纵轴表示分布情况。

4)色温：用于描述的是具有一定表面温度的“黑体”的辐射光的光谱特性。绝对黑体从绝对零度开始加温后，黑体的颜色会逐渐由黑变红，转黄，发白，最后发出蓝色光，这种随温度而产生的颜色变化就是光谱特性。即不同温度下绝对黑体的颜色。色温现象在日常生活中非常普遍，其中，色温越高，光色越偏蓝；色温越低则偏红。某一种色光比其它色光的色温高时，说明该色光比其它色光偏蓝，反之则偏红；同样，当一种色光比其它色光偏蓝时说明该色光的色温偏高，反之偏低。所以色温既是色彩也是温度(绝对黑体的温度)，二者是一致的。色温值是恒定的，色彩值是每个图像传感器甚至同一图像传感器不同模组都是不一样的。实际应用中常用的色温主要有三种：D65(6500K)、CWF(4500K)、A(2850K)，可简称D光、C以及A光。另外，色温也对应着不同场景，这些场景包括：天空、室外、室内、暗室、阴影、车库、草地等，简单情况下可以认为每一种场景对应着不同的色温。

5)白平衡(White Balance，WB)是消除色偏的过程，使拍摄的照片呈现的白色更接近人眼的视觉看见的白色；白平衡可以简单地理解为在任意色温条件下，相机镜头所拍摄的标准白色经过电路的调整，使之成像后仍然为白色。

在不同的光线照射下，当人直接用肉眼察看这个世界时，对相同颜色的感觉基本保持恒定不变的，比如在旭日初升的早晨，看一个白色的物体时，感觉到它是白色的；而在夜晚，处于昏暗的灯光下看白色物体时，感到它仍然是白的。又比如在钨丝灯下呆了很长一段时间，钨丝灯下的白色感觉到依然是白色的，并不会觉得白纸偏红。这是由于人类在不断的生长过程中，人的大脑已经适应了不同光线下的物体的颜色。正是由于这种独特的适应性，人的大脑可以侦测并且更正不同光照下的色彩变更，因此不论在阳光、室内、阴影、或荧光下，人们所看到的白色物体颜色仍旧为白色。但是，图像传感器没有这种适应性，由于图像传感器在不同的光照条件下的输出存在不平衡性，从而导致图像传感器输出会出现色彩失真，造成图像偏红或者偏蓝的不良后果。这里，为了使图像传感器的输出与人的视觉标准更加贴近，就必须通过仿造人类大脑的行为，并能根据光线的变化来调整色彩，以达到令人满意的色彩。自动白平衡就是针对不同色温条件下，通过信息统计方法计算自动调整图像颜色以实现消除偏色，使得拍摄出来的图像更接近人眼的视觉习惯，从而提高后续图像分析的准确度。

相关技术中，可以根据图像中检测到的灰点簇和灰点的色温信息，计算白平衡增益值，并将该白平衡增益值作用于原始图像的偏色校正；这里，因上述自动白平衡方法中，是通过图像中的灰点簇和灰点的色温信息进行图像的白平衡增益值计算。因此，会存在某些混合色温场景出现色温切换的情况。虽然，在大多数场景下能够准确计算出白平衡增益，但是由于只采用当前图像帧的灰点簇和灰点的色温信息，在场景光源变化频繁，或者通过分析灰点簇得到的主色温和次色温势均力敌的时候，容易出现色温切换。特别地，车载场景的复杂性(光源快速变化、树荫，复杂光线反射等场景)易导致的色温判断不稳定，从而也会导致后续图像白平衡不稳定。

基于以上问题，本申请实施例提供一种图像白平衡方法、装置、设备及存储介质，首先，基于第一图像对应的初始灰点统计信息，构建第一图像的初始色温直方图；以及加权融合第一图像的初始色温直方图和第二图像的目标色温直方图，得到第一图像的目标色温直方图；第二图像为第一图像所处的原始图像序列中的上一帧图像；原始图像序列中首帧图像的目标色温直方图，为首帧图像的初始色温直方图和基准色温直方图进行加权融合得到的；其次，基于第一图像的目标色温直方图对应的可信灰点统计信息，确定白平衡增益值；然后，根据白平衡增益值，对第三图像进行白平衡调整得到调整后的第三图像，重复以上步骤，直至原始图像序列中每一图像完成白平衡调整；第三图像为原始图像序列中第一图像的下一帧图像。这样，一方面，通过图像的初始灰点统计信息，构建图像的初始色温直方图，能够更加全面地体现图像中多个色温信息，且能够为后续平滑图像所处的场景光源突变造成的白平衡增益提供参数基础；一方面，通过加权融合当前图像所对应的连续两帧图像对应的色温直方图，以得到当前图像的目标色温直方图，即在融合前述图像的相关色温信息的基础上，能够准确地估计出当前图像(第一图像)所处的当前场景的光源信息。如此，对于原始图像序列中每一图像的目标色温直方图在对光源估计精准的基础上，通过多次累积叠加处理，不仅能够精准且稳定地实现对原始图像序列中每一图像的偏色校正，且能够使得原始图像序列中连续多帧图像的色温变化平滑过渡，从而能够实现在光源快速变化或复杂光线反射下等场景中，连续多帧图像白平衡的稳定。

以下实施例为了方便说明，以本申请一些实施例提供的一种图像白平衡方法为例进行说明，参见图1所示，为本申请的一些实施例提供的图像白平衡方法的流程示意图一，以下结合图1进行以下说明：

步骤S101、基于第一图像对应的初始灰点统计信息，构建所述第一图像的初始色温直方图。

在本申请实施例中，第一图像可以是任意图像，也可以是获取图像捕获设备的图像传感器连续采集的视频图像序列中的任一图像。这里，视频图像序列可以是图像捕获设备在任一时间段按照预设采集频率进行采集得到的；其中，该图像捕获设备可以是部署于在行驶的车内的任一图像采集设备，同时该视频图像序列包括的图像数量可以随实际需求而定。

在本申请实施例中，第一图像还可以是原始图像序列中的任一图像，即为一原始图像。或者，第一图像还可以是RGB图像，该RGB图像是利用RGB色彩模式构建的图像，RGB色彩模式是工业界的一种颜色标准，通过对红(Red)、绿(Green)、蓝(Blue)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的图像。

在本申请实施例中，可以对第一图像进行灰点检测，得到第一图像对应的初始灰点统计信息；这里，可以是利用预设灰区(此处可以指代人工标定的灰块区域)，对第一图像进行灰点筛选，以得到第一图像的初始灰点统计信息；其中，可以利用预设灰区，对第一图像内的像素点逐点进行灰点检测，也可以将第一图像分块进行灰点检测，再去进行逐个图像块像素进行灰点检测。

需要说明的是，对第一图像进行灰点检测所涉及的灰点，可以是设定的，即第一图像所处的图像传感器在预设光源下的标定灰点。这里，预设光源包括但不限于：D65光源、U30光源、TL84光源、CWF光源、A光源、H光源等。或者，该灰点，还可以是第一图像中灰度值处于预设灰度值范围内的像素点；这里，预设灰度值范围中的预设灰度值，可以用于表示第一图像中像素明暗程度的数值，范围通常为0-255，其中，0是黑色，255是白色。

需要说明的是，第一图像对应的初始灰点统计信息内所包括的灰点的数量可随第一图像的实际图像内容确定。此处，第一图像对应的初始灰点统计信息可以使用以下信息来表示：第一图像中包括的灰点的数量、每一灰点的R/G值和B/G值。

在本申请实施例中，第一图像的初始色温直方图所包括的条形区间的数量可随实际需求而定，如：8个或16个等。这里，第一图像的初始色温直方图中每一条形区间内的灰点信息，可以使用落入该条形区间的灰点的权重、灰点的R/G值以及灰点的B/G值来表示。

需要说明的是，第一图像的初始色温直方图的横坐标可以表征各个灰点的色温信息，第一图像的初始色温直方图的纵坐标表征各个灰点的亮度信息。

可以理解的是，通过上述步骤，基于第一图像对应的初始灰点统计信息，构建第一图像的初始色温直方图。这样，在得到用于呈现第一图像的色温信息分布(光源信息)的图表的基础上，不仅能够更加全面地体现第一图像中多个色温信息，且能够为后续平滑第一图像所处的场景光源突变造成的白平衡增益提供参数基础。

步骤S102、加权融合所述第一图像的初始色温直方图和第二图像的目标色温直方图，得到所述第一图像的目标色温直方图。

所述第二图像为所述第一图像所处的原始图像序列中的上一帧图像；所述原始图像序列中首帧图像的目标色温直方图，为所述首帧图像的初始色温直方图和基准色温直方图进行加权融合得到的。

在本申请实施例中，可以使用加权融合因子，加权融合第一图像的初始色温直方图和第二图像的目标色温直方图，以得到第一图像的目标色温直方图。这里，该加权融合因子，可以是与第一图像在原始图像序列的位置相匹配的参数，即原始图像序列中每一图像得到其对应的目标色温直方图时，其涉及的加权融合因子可以是按照图像在原始图像序列中的位置进行动态变化，其变化规律可随实际需求而定。

在本申请实施例中，第二图像和第一图像均为原始图像序列中的原始图像，两者时序相邻；这里，在第二图像或者第一图像为原始图像序列中的首帧图像的情况下，该首帧图像的目标色温直方图的获取可以通过以下方式来实现：首先，基于首帧图像对应的初始灰点统计信息，构建首帧图像的初始色温直方图；然后，将首帧图像的初始色温直方图和基准色温直方图进行加权融合，以得到首帧图像的目标色温直方图；这里，基准色温直方图可以是事先设定好的，也可以是与原始图像序列所处的场景关联的色温直方图，还可以是预设色温框对应的色温直方图。其中，该基准色温直方图中每一条形区间的灰点的权重均相等(这里，以基准色温直方图包括8个条形区间为例，每一条形区域内的灰点的权重均为1/8)、且每一条形区间的灰点的灰点的R/G值以及灰点的B/G值，为其对应的预设色温框匹配的中心值，映射至R/G-B/G色度空间的数值。

需要说明的是，预设色温框为标定的各色温(D65光源、U30光源、TL84光源、CWF光源、A光源、H光源等)下，标准色卡的数据分布区域，根据各色温段进行划分，近似拟合得到各个色温框，即该预设色温框。这里，预设色温框的数量可以随实际需求而定，且该预设色温框的数量可以与文中涉及的初始色温直方图所包括的条形区间、目标色温直方图所包括的条形区间的数量相等，以便后续计算。

在本申请实施例中，可以按照第一图像的初始色温直方图与第二图像的目标色温直方图各自所包括的条形区间的对应关系，将第一图像的初始色温直方图中的灰点的信息(每一条形区间内灰点的权重、R/G值及B/G值)，与第二帧图像的目标色温直方图中灰点的信息(每一条形区间内灰点的权重、R/G值及B/G值)进行加权融合，以得到新的每一条形区间的灰点的权重、R/G值及B/G值，从而构建新的直方图，即得到第一图像的目标色温直方图。这里，第二图像可以是原始图像序列中的首帧图像，也可以是非首帧图像，若是首帧图像，其目标色温直方图的获取方式如上文所述，若非首帧图像，其目标色温直方图的获取方式为：第四图像的目标色温直方图和第二图像的初始色温直方图进行加权融合融合得到的，其中，第二图像的初始色温直方图是基于第二图像对应的初始灰点统计信息构建的，该第四图像为原始图像序列中第二图像的上一帧图像。以此类推，就可以确定出原始图像序列中每一帧图像的目标色温直方图。

可以理解的是，通过上述步骤，通过加权融合连续两帧图像对应的色温直方图(第一图像的初始色温直方图和第二图像的目标色温直方图)，以得到第一图像的目标色温直方图，即在融合前述图像的相关色温信息的基础上，能够准确地估计出当前图像(第一图像)所处的当前场景的光源信息。

步骤S103、基于所述第一图像的目标色温直方图对应的可信灰点统计信息，确定白平衡增益值。

在本申请实施例中，可以是将第一图像的目标色温直方图中各个条形区间的灰点的信息进行统计分析，以得到可信灰点统计信息；也可以是基于预设筛选参数(如条形区间内灰点的权重、灰点的数量、灰点的R/G值以及B/G值等)，从第一图像的目标色温直方图中各个条形区间中进行目标条形区间的筛选，从而将目标条形区间的灰点的信息进行统计分析，以得到该可信灰点统计信息。

在本申请实施例中，第一图像的目标色温直方图对应的可信灰点统计信息，即为第一图像对应的可信灰点统计信息；其中，该第一图像对应的可信灰点统计信息，不同于第一图像对应的初始灰点统计信息。

需要说明的是，第一图像对应的可信灰点统计信息，可以使用第一图像对应的可信的灰点的统计数量、每一可信的灰点的R/G的累积值以及B/G的累积值来表示。

在本申请实施例中，该白平衡增益值可以指代第一图像在各个颜色通道对应的白平衡增益值，即该白平衡增益值可以包括：R_gain(红色通道增益值)、B_gain(绿色通道增益值)、Gr_gain(Gr通道增益值)以及Gb_gain(Gb通道增益值)。

步骤S104、根据所述白平衡增益值，对第三图像进行白平衡调整得到调整后的第三图像，重复以上步骤，直至所述原始图像序列中每一图像完成白平衡调整。

所述第三图像为所述原始图像序列中所述第一图像的下一帧图像。

在本申请实施例中，可参考Von Kries对角模型是先对第三图像的颜色校正；这里，该Von Kries对角模型，即可使用一个对角矩阵变换描述两种光照条件下同一物体表面颜色的关系，从而可构建相应的对角矩阵对第三图像逐像素点进行颜色校正，以得到经过白平衡处理的第三图像。

其中，假设在光照E1、E2下感知到物体的RGB值(分别为(r

在公式(1)中，D是一个对角矩阵。这里，R、G、B三个颜色通道的响应是可以独立调整的。

在本申请实施例中，第三图像通常主要有R、G、B三个颜色通道，白平衡增益值即为在这三个通道上加入三个增益值：R_gain，G_gain(Gr_gain和Gb_gain)以及B_gain。

在本申请实施例中，基于Von Kries对角模型，构建相应的对角矩阵对第三图像逐像素点进行颜色校正，最终得到经过白平衡处理的第三图像。校正公式如下公式(2)所示：

其中，公式(2)中的R'、Gr'、Gb'以及B'为经偏色校正后的第三图像在各个颜色通道上的颜色分量值，R、Gr、Gb以及B为第三图像在各个颜色通道上的颜色分量值，R_gain、Gr_gain、Gb_gain以及B_gain分别为在各个颜色通道上白平衡补偿增益。

需要说明的是，进行白平衡调整的目标就是将图像中的白点看起来在不同光源下都是白色，即不会呈现偏色；而实际中第三图像上的白点的颜色值(R、G、B)相互是不相等的，实施调整后理想结果应该是相等，即：R'＝G'(Gr'和Gb')＝B'。其中，在实际应用中，进行白平衡调整的仅是R_gain和B_gain，而G_gain一般固定设为特定预设值(该特定预设值可以设置为1)。这是因为绿色是整体图像的基准值，如果改变绿色会较大的改变图像亮度，由此会导致图像整体效果改变，为了让图像画面内部之间尽可能解耦合，尽量只调R_gain和B_gain。

在本申请实施例中，通过遍历第三图像中的每个像素，逐个按照这四个通道增益进行像素调整(即像素乘以四个通道增益)，从而实现了对整个第三图像的调整。

在本申请实施例中，根据上述得到的各颜色通道对应的白平衡增益值，作用于下一帧图像上(根据得到的白平衡增益值，对原始图像序列中的第一图像的下一帧图像(第三图像)进行白平衡调整，以校正第三图像的偏色)，同时依次类推，即：基于原始图像序列中第i帧图像的目标色温直方图对应的可信灰点统计信息，确定的白平衡增益值，作用于原始图像序列中第i+1帧图像进行偏色校正；其中，第i帧的图像的目标色温直方图，是由第i帧图像的初始灰点统计信息所匹配的初始色温直方图，与第i-1帧图像的目标色温直方图进行加权融合得到的。这样，对于原始图像序列所涉及的连续帧图像，通过分析连续帧图像的灰点统计信息，构建每一帧图像的色温直方图，以平滑场景光源突变造成的白平衡增益突变，同时加权融合连续两帧图像的色温直方图，能够有效在场景快速变化的情况，得到一个稳定的白平衡偏色校正，确保画面颜色稳定不抖动。因此，在每一帧图像的加权的色温直方图对图像的光源估计精准的基础上，实现累积多帧图像的色温直方图，从而不仅能够使得图像内的突变场景平滑过渡且不会让错误累积，且能够兼顾光源快速变化、树荫、复杂光线反射等场景的白平衡稳定。

可以理解的是，通过上述步骤，首先，基于第一图像对应的初始灰点统计信息，构建第一图像的初始色温直方图；以及加权融合第一图像的初始色温直方图和第二图像的目标色温直方图，得到第一图像的目标色温直方图；第二图像为第一图像所处的原始图像序列中的上一帧图像；原始图像序列中首帧图像的目标色温直方图，为首帧图像的初始色温直方图和基准色温直方图进行加权融合得到的；其次，基于第一图像的目标色温直方图对应的可信灰点统计信息，确定白平衡增益值；然后，根据白平衡增益值，对第三图像进行白平衡调整得到调整后的第三图像，重复以上步骤，直至原始图像序列中每一图像完成白平衡调整；第三图像为原始图像序列中第一图像的下一帧图像。这样，一方面，通过图像的初始灰点统计信息，构建图像的初始色温直方图，能够更加全面地体现图像中多个色温信息，且能够为后续平滑图像所处的场景光源突变造成的白平衡增益提供参数基础；一方面，通过加权融合当前图像所对应的连续两帧图像对应的色温直方图，以得到当前图像的目标色温直方图，即在融合前述图像的相关色温信息的基础上，能够准确地估计出当前图像(第一图像)所处的当前场景的光源信息。如此，对于原始图像序列中每一图像的目标色温直方图在对光源估计精准的基础上，通过多次累积叠加处理，不仅能够精准且稳定地实现对原始图像序列中每一图像的偏色校正，且能够使得原始图像序列中连续多帧图像的色温变化平滑过渡，从而能够实现在光源快速变化或复杂光线反射下等场景中，连续多帧图像白平衡的稳定。

在本申请的一些实施例中，上述步骤S101中构建第一图像的初始色温直方图的实现，可以通过以下步骤S201至步骤S204的方式来实现，参考图2所示，为本申请的一些实施例提供的图像白平衡方法的流程示意图二，以下结合图2进行以下说明：

步骤S201、将所述初始灰点统计信息中的灰点映射至R/G-B/G色度空间，得到第一坐标。

在本申请实施例中，可以是将第一图像对应的初始灰点统计信息中的每一灰点，基于该灰点(像素点)的R/G的值和B/G的值，映射至以R/G-B/G色度空间，以得到每一灰点(像素点)的第一坐标。这里，不同灰点的R/G值和B/G的值不同，从而在R/G-B/G的值色度空间的第一坐标不同。

步骤S202、获取多个色温区域中每一色温区域在所述R/G-B/G色度空间的坐标区域。

所述色温区域用于表征对应色温范围下覆盖的灰点区域，所述多个色温区域是对多种不同色温下覆盖的灰点区域，按照预设方向等距离划分得到的。

在本申请实施例中，该色温区域的实现可以通过以下方式来实现：

首先，基于标定的预设带状灰区，得到多种不同色温下覆盖的灰点区域；其中，可以是通过常见的几种色温(例如：D75、D65、D50、t84、A)所对应的标准色卡的灰块在R/G-B/G色度空间中的分布下，将标准色卡人工标定灰块区域中的像素点，映射到R/G-B/G色度空间，得到标定的预设带状灰区；此处，可以根据麦克亚当椭圆色容差理论和普朗克色温曲线构建出能够精确检测灰点的带状灰区(该灰区色温范围从2100K到10000K，能够适用绝大多数场景的灰点检测)。如图3所示为标定的预设带状灰区301，其中，预设带状灰区301的宽度由每种色温下灰点所拟合的色温椭圆的长轴得到，如图3中所示的虚线线段，虚线线段将预设带状灰区301划分为多个区域，以得到最终该色度空间中精确的灰点区域。

其次，根据采样点与预设带状灰区边界的距离、采样点与相邻采样点之间的距离，绘制采样点对应的矩形条区域，即得到多个色温区域；其中，为了方便硬件实现和灰点更为精确的检测，再对绘制的灰点区域划分为多个小区域。如图4所示，根据分段函数的思想等距离采样24个采样点，并根据点与点之间的距离、当前点与左右边界的距离绘制矩形条区域，使用24个水平放置的矩形条去填充带状灰区。在保证精度的同时，最大程度的隔绝不同色温的影响。然后再统计色度空间中矩形条区域的灰点个数，并进行投票。由于填充的矩形条比较小，在保持一定的灰点统计准确度的基础上，对矩形条区域几个一组进行合并统计，例如24个填满灰区的矩形条可以3个1组，得到8个色温区域，如图5所示。

在本申请实施例中，对应地获取多个色温区域中每一色温区域在R/G-B/G色度空间的坐标区域，以便为后续将第一图像对应的初始灰点统计信息，对应地统计其落入相匹配的坐标区域。

步骤S203、基于所述第一坐标在所述坐标区域内的落点位置，确定所述灰点的权重。

在本申请实施例中，可继续参考图5所示，该每一色温区域在R/G-B/G色度空间中的坐标区域，可以对应的划分为：每一色温区域501标准区5011和核心区5012，从而确定第一坐标(每一灰点)落在该坐标区域内的位置不同(落入核心区还是落入标准区)，匹配其对应的权重。即对于第一图像对应的初始灰点统计信息中涉及的灰点，基于其对应的色温区域在R/G-B/G色度空间中的坐标区域中的落点位置，匹配对应的权重。

示例性地，可以直接确定灰点落入该坐标区域内的核心区，其对应的权重可以是1，落入该坐标区域内的标准区，其对应的权重可以是0.25等，此处仅为示例，实际应用中对此不作限定。

或者，在某一灰点落入某一色温区域在R/G-B/G色度空间中的坐标区域内的核心区的情况下，其对应的灰点的权重的计算方式可以如公式(3)所示：

color_hist_w＝Y^3*count*1 公式(3)；

对应地，在某一灰点落入某一色温区域在R/G-B/G色度空间中的坐标区域内的标准区的情况下，其对应的灰点的权重的计算方式可以如公式(4)所示：

color_hist_w＝Y^3*count*0.25 公式(4)；

其中，color_hist_w即为灰点的权重，count为落入该色温区域在R/G-B/G色度空间中的坐标区域的像素点的数量。同时Y为像素点的亮度，该亮度的计算公式可以表示为：Y＝0.299*R+0.587*G+0.114*B；其中，该R、G、B分别代表像素点在红色、绿色和蓝色通道的亮度值，上述公式是根据人眼对不同颜色的敏感度进行加权计算得出的。这里，红色的权重为0.299，绿色的权重为0.587，蓝色的权重为0.114。G分量在Y的计算中占据权重大，也可以直接用G分量代替Y。

步骤S204、统计落入所述多个色温区域中每一色温区域内灰点的权重、R/G的累积值以及B/G的累积值，得到所述第一图像的初始色温直方图。

在本申请实施例中，可以对第一图像对应的初始灰点统计信息中的每一个灰点逐个进行落点分析并统计(落入对应的色温区域，即坐标区域)，以得到每一色温区域对应的落入的灰点的数量、落入的灰点的权重累积值、落入的灰点的R/G的累积值以及B/G的累积值，从而构建第一图像所对应的色温直方图，即初始色温直方图。

需要说明的是，第一图像的初始色温直方图中每一条形区间，即对应一个色温区域，每一条形区间的参数包括但不限于：落入该条形区间的灰点的数量、落入的灰点的权重累积值、落入的灰点的R/G的累积值以及B/G的累积值。

可以理解的是，通过上述步骤，一方面，因灰色的色调的R/G-B/G基本上都在一个比较确定的范围内，从而将多个色温区域以及第一图像对应的初始灰点统计信息中的灰点，映射至R/G-B/G色度空间，能够更加精准地确定第一图像当前光源的色温值，以便提高后续进行白平衡调整的准确度和稳定性；一方面，基于灰点落入多个色温区域(坐标区域)的落点位置匹配对应的权重，即实现对色温区域(坐标区域)进行分层管理，以进一步提高第一图像的初始色温直方图，能够准确表征第一图像所处的当前场景的光源信息。

在本申请的一些实施例中，上述实施例提供的步骤S204中基于每一色温区域内灰点的权重、R/G的累积值以及B/G的累积值，构建第一图像的初始色温直方图的实现，还可以通过以下步骤S2041和步骤S2042的方式来实现：

步骤S2041、对落入所述多个色温区域中每一色温区域内灰点的权重进行归一化，得到所述多个色温区域中每一色温区域内灰点的归一化权重。

在本申请实施例中，不同色温区域内灰点的归一化权重可以相同，也可不同。

需要说明的是，在本申请实施例中，各个色温区域内灰点的权重进行归一化的方式可随实际需求而定。

步骤S2042、分别对落入所述多个色温区域中每一色温区域内灰点的R/G的累积值和B/G的累积值求平均，得到所述多个色温区域中每一色温区域内灰点的R/G的平均值和B/G的平均值。

在本申请实施例中，对落入各色温区域内灰点的R/G的累积值求平均，以及对落入各色温区域内灰点的B/G的累积值求平均，以得到各个色温区域的灰点的R/G的平均值和B/G的平均值。

步骤S2043、统计所述多个色温区域中每一色温区域内灰点的归一化权重、R/G的平均值以及B/G的平均值，得到所述第一图像的初始色温直方图。

在本申请实施例中，基于每一色温区域对应的落入的灰点的数量、落入的灰点的归一化权重、落入的灰点的R/G的平均值以及B/G的平均值，构建第一图像对应的初始色温直方图。

可以理解的是，通过上述步骤，通过对灰点的权重进行归一化处理以及相应的R/G的累积值以及B/G的累积值进行均值处理，以简化计算，缩小量值。这样，不仅能够有助于减少数据重复，即降低了存储容量的需求，且能够为后续相应的色温直方图加权融合以及白平衡调整提供更加精准的参数的基础上，进一步提高白平衡调整的效率。

在本申请的一些实施例中，上述步骤S102中的通过加权融合，得到第一图像的目标色温直方图的实现，可以通过以下步骤S301和步骤S302的方式来实现，参见图6所示，为本申请的一些实施例提供的图像白平衡方法的流程示意图三，结合图6所示进行以下说明：

步骤S301、获取所述第一图像对应的收敛因子。

所述原始图像序列中图像对应的收敛因子随图像时序，按照预设缩减系数逐渐缩小；所述原始图像序列中的每一图像对应的收敛因子，位于所述原始图像序列匹配的收敛因子取值范围内。

在本申请实施例中，该收敛因子可以通过学习人工智能中学习率衰减方法得到。这里，该学习率衰减方法是一种用于提高模型训练效果的方法，其对应得到的参数，即收敛因子是在训练过程中逐渐减小学习率的数值。

需要说明的，常见的学习率衰减方法有以下几种：1.固定衰减：在训练过程中按照固定的衰减策略逐步减小学习率。例如，每隔一定的训练轮数或达到一定的训练步数后，将学习率乘以一个衰减因子；2.周期性衰减：将训练过程划分为若干个周期，在每个周期结束后对学习率进行衰减。这种方法可以在训练初期使用较大的学习率，有助于快速收敛，然后逐渐减小学习率以提高精度；3.指数衰减：通过将学习率乘以一个衰减因子的指数次幂来逐渐减小学习率。衰减因子通常在0和1之间，每经过一定的训练步数，学习率就会按指数衰减；4.基于验证集的衰减：根据模型在验证集上的性能来调整学习率。例如，如果模型在验证集上的性能不再提升，可以降低学习率以避免过拟合。上述这些学习衰减方法的具体实现方式还可以根据不同的深度学习框架进行调整，通常在训练过程中使用学习率衰减策略可以提高模型的训练效果和泛化能力。

在本申请实施例中，可以将原始图像序列中首帧图像(第二帧图像)对应的收敛因子设置的很大，如：0.95，此时，当前图像的色温直方图更多地为原始图像序列中的上一帧图像起决定性作用，然后随着原始图像序列中图像时序的增加，该收敛因子而逐渐减小。如：原始图像序列中第i帧图像对应的收敛因子＝原始图像序列中第i-1帧图像对应的收敛因子*0.7。这里，原始图像序列中的图像对应的收敛因子的取值范围可以是：(最大收敛因子，0.01)；其中，该最大收敛因子可以是原始图像序列中首帧图像对应的收敛因子。

需要说明的是，若收敛因子到达最小的阈值，即0.01，此时原始图像序列中的收敛因子，表示当前场景经过所有图像的色温直方图叠加。此处，通过设置收敛因子可以有效的解决快速变化的场景，如：树荫、复杂光线反射造成的色温突变，可以设置不同大小的收敛因子，在色温估计准确的基础上，达到平滑稳定的作用。

步骤S302、基于所述收敛因子，对应地将所述第一图像的初始色温直方图中每一区间的灰点信息、所述第二图像的目标色温直方图中每一区间的灰点信息进行加权融合，得到所述第一图像的目标色温直方图。

在本申请实施例中，可以根据该收敛因子，将第一图像的初始色温直方图中每一区间的灰点信息，与第二图像的目标色温直方图中对应的区间的灰点信息进行加权融合，以得到第一图像的目标色温直方图。

需要说明的是，第一图像的目标色温直方图所包括的区间(条形区间)的数量，与第一图像的初始色温直方图所包括的区间(条形区间)的数量相等；同样，其与第二图像的目标色温直方图所包括的区间(条形区间)的数量相等。

可以理解的是，通过上述步骤，基于第一图像对应的收敛因子，该收敛因子随着原始图像序列中图像所对应的时序的增加而逐渐减小；从而通过加权融合，获得第一图像的目标色温直方图。这样，基于设置收敛因子，并通过多帧图像的色温直方图叠加，能够有效解决快速变化的场景，如：树荫，复杂光线反射造成的色温突变，从而能够在色温估计准确的基础上，为后续白平衡调整提供平滑稳定的参数基础。

在本申请的一些实施例中，上述步骤S302中得到第一图像的目标色温直方图的实现，可以通过以下步骤S3021和步骤S3022的方式来实现(图中未示出)：

步骤S3021、将所述收敛因子分别与所述每一区间对应的灰点信息差值进行融合，得到所述每一区间对应的待处理差值。

所述每一区间对应的灰点信息差值为：所述第一图像的初始色温直方图中每一区间的灰点信息，与所述第二图像的目标色温直方图中对应的区间的灰点信息之间的差值。

步骤S3022、将所述第二图像的目标色温直方图中每一区间的灰点信息，对应地与每一区间对应的待处理差值进行融合，得到所述第一图像的目标色温直方图。

在本申请实施例中，将第二图像的目标色温直方图中每一区间的灰点信息，对应地与每一区间对应的待处理差值进行融合，得到多个中间区间中每一中间区间的灰点信息，从而基于多个中间区间的灰点信息构建对应的色温直方图，即得到第一图像的目标色温直方图。

在本申请实施例中，以每一区间的灰点信息为：落入该区间的灰点的权重、灰点的R/G值(可以是落入该区间的所有的灰点的R/G累积值，也可以是落入该区间的所有的灰点对应的R/G平均值)以及B/G值(可以是落入该区间的所有的灰点的B/G累积值，也可以是落入该区间的所有的灰点对应的B/G平均值)为例，先确定多个目标区间的灰点信息，从而基于该多个目标区间的灰点信息，构建该第一图像的目标色温直方图；其中，多个目标区间与第一图像的初始色温直方图中所包括的区间一一对应，同时也与第二图像的目标色温直方图所包括的区间一一对应。

接上文描述，确定该第一图像的目标色温直方图中每个区间(条形区间，bin)的灰点信息的确定方式可参考公式(5)：

其中，公式(5)中k代表每一区间，color2_hist_w[k]、color2_hist_r/g[k]、color2_hist_b/g[k]分别为第二图像的目标色温直方图中每一区间的灰点的权重、R/G值和B/G值；对应地，color1_hist_w[k]、color1_hist_r/g[k]以及color1_hist_b/g[k]分别为第一图像的初始色温直方图中每一区间的灰点的权重、R/G值和B/G值；color11_hist_w[k]、color11_hist_r/g[k]以及color11_hist_b/g[k]分别为第一图像的目标色温直方图中每一区间的灰点的权重、R/G值和B/G值。

可以理解的是，通过上述步骤，通过对第一图像的初始色温直方图和第二图像的目标色温直方图中具体参数，基于第一图像对应的收敛因子进行加权融合，能够使得确定的第一图像的目标色温直方图更加精准，以便后续白平衡调整的稳定性和精准度。

参考上文描述，若第一图像的目标色温直方图对应的可信灰点统计信息包括：第一图像的目标色温直方图中所对应的灰点的权重最大的第一区间的灰点信息以及所对应的灰点的权重第二大的第二区间的灰点信息；上述实施例提供的步骤S103中的确定白平衡增益值的实现，可以通过以下步骤A1和步骤A2来实现：

步骤A1、确定与所述可信灰点统计信息匹配的色温融合因子。

在本申请实施例中，该色温融合因子可通过简单的判断是以单一色温来确定，还是混合色温来确定。

在本申请的一些实施例中，上述步骤A1中确定的色温融合因子的方式，可以通过以下步骤A11和步骤A12的方式来实现：

步骤A11、在所述第一区间所对应的灰点的第一权重值大于中间权重值的情况下，将所述第一权重值与融合权重值之间的比值，确定为所述色温融合因子。

步骤A12、在所述第一权重值小于或等于所述中间权重值的情况下，将特定预设值确定为所述色温融合因子。

其中，所述中间权重值为所述第二区间所对应的灰点的第二权重值与预设系数之间的乘积，所述预设系数为大于0且小于所述特定预设值的数；所述融合权重值为所述第一权重值和所述第二权重值之和。

在本申请实施例中，该特定预设值可以为1，也可以是0.9等，其随实际需求而定。

在本申请实施例中，上述的色温融合因子可以以下公式(6)来表达，即：

其中，w_factor为色温融合因子，color_hist_w_1为第一图像的目标色温直方图中所对应的灰点的权重最大的第一区间的灰点的权重，color_hist_w_2为第一图像的目标色温直方图中所对应的灰点的权重第二大的第二区间的灰点的权重。

这里，可参考公式(6)所示，在第一区间所对应的灰点的第一权重值大于中间权重值的情况下，将第一权重值与融合权重值之间的比值，确定为色温融合因子；反之则将特定预设值(如：1)确定为色温融合因子。

可以理解的是，通过上述步骤，通过预设的条件判断确定色温融合因子，以便为后续基于该色温融合一直和可信灰点统计信息，精准确定白平衡增益值提供参数基础。

步骤A2、基于所述色温融合因子和所述可信灰点统计信息，计算在各个颜色通道上对应的颜色分量值，得到所述白平衡增益值。

在本申请实施例中，可以按照预设计算方式，将色温融合因子和可信灰点统计信息进行融合，以计算在各个颜色通道上对应的颜色分量值，从而得到该白平衡增益值。

可以理解的是，通过上述步骤，借助色温融合因子以及确定的可信灰点统计信息，能够得到更加精准地的白平衡增益值。

接上文描述，在实际应用中，白平衡增益值包括：红色通道增益值、蓝色通道增益值、Gr通道增益值以及Gb通道增益值，从而在确定是以单一色温还是混合色温进行计算的基础上，确定各自匹配的色温融合因子，进而基于该色温融合因子和可信灰点统计信息，计算对应的白平衡增益值的实现方式，即上述步骤A2可以通过以下步骤A21至步骤A23的方式来实现：

步骤A21、融合第一融合值和第二融合值，得到第一中间融合值，并将所述第一中间融合值的倒数确定为所述红色通道增益值。

其中，所述第一融合值为所述第一区间对应的R/G值与所述色温融合因子的融合值，所述第二融合值为所述第二区间对应的R/G值与融合差值的融合值，所述融合差值为所述特定预设值与所述色温融合因子之间的差值。

步骤A22、将所述特定预设值同时确定为所述Gr通道增益值和所述Gb通道增益值。

步骤A23、融合第三融合值和第四融合值，得到第二中间融合值，并将所述第二中间融合值的倒数确定为所述蓝色通道增益值。

其中，所述第三融合值为第一区间对应的B/G值与所述色温融合因子的融合值，所述第四融合值为所述第二区间对应的B/G值与所述融合差值之间的融合值。

在本申请实施例中，上述步骤A21至步骤A23的实现方式可参考如下公式(7)所示：

其中，R_gain为红色通道增益值、B_gain为蓝色通道增益值、Gr_gain以及Gb_gain分别为：Gr通道增益值以及Gb通道增益值；这里，设置Gr_gain以及Gb_gain为1(此处是将特定预设值设置为1)，是因绿色是整体图像的基准值，如果改变绿色会较大的改变图像亮度，由此会导致图像整体效果改变。对应地，公式(7)中的color_hist_R/G_1为第一图像的目标色温直方图中所对应的灰点的权重最大的第一区间的灰点的R/G值(可以是落入该区间的所有的灰点的R/G累积值，也可以是落入该区间的所有的灰点对应的R/G平均值)，color_hist_R/G_2为第一图像的目标色温直方图中所对应的灰点的权重第二大的第二区间的灰点的R/G值(可以是落入该区间的所有的灰点的R/G累积值，也可以是落入该区间的所有的灰点对应的R/G平均值)。对应地，color_hist_B/G_1为第一图像的目标色温直方图中所对应的灰点的权重最大的第一区间的灰点的B/G值，color_hist_B/G_2为第一图像的目标色温直方图中所对应的灰点的权重第二大的第二区间的灰点的B/G值。

可以理解的是，通过上述步骤，基于色温融合因子和可信灰点统计信息中的具体参数，确定各个颜色通道上的增益值，能够为后续进行图像白平衡调整提供更加详细且精准的参数。

继续参考上文描述，若第一图像的的目标色温直方图对应的可信灰点统计信息包括：所述第一图像的目标色温直方图中各区间的灰点信息；上述实施例提供的步骤S103中的确定白平衡增益值的实现，可以通过以下步骤B1至步骤B4来实现：

步骤B1、融合所述第一图像的目标色温直方图中每一区间对应的灰点的权重，得到融合权重。

步骤B2、融合所述第一图像的目标色温直方图中每一区间对应的灰点的权重与灰点的R/G值，得到每一区间的第一中间值，并融合所述每一区间的第一中间值与所述融合权重之间的比值，得到中间R/G增益值。

步骤B3、融合所述第一图像的目标色温直方图中每一区间对应的灰点的权重与灰点的B/G值，得到每一区间的第二中间值，并融合所述每一区间的第二中间值与所述融合权重之间的比值，得到中间B/G增益值。

步骤B4、将所述中间R/G增益值的倒数确定为红色通道增益值，并将特定预设值同时确定为所述Gr通道增益值和所述Gb通道增益值，以及将所述中间B/G增益值的倒数确定为蓝色通道增益值。

在本申请实施例中，无需判断该可信灰点统计信息所涉及的是单一色温还是混合色温，直接根据第一图像的目标色温直方图中各个条形区间内灰点的权重进行加权融合，得到融合权重，即可参考公式(8)：

其中，公式(8)中的n为第一图像的目标色温直方图所包括的条形区间(区间)的数量，color_hist_w[k]为第一图像的目标色温直方图中第k区间的灰点的权重；其中，k的取值范围为：[0，n]；color_hist_w_sum为融合权重。

对应的，中间R/G增益值和中间B/G增益值的实现可参考如下公式(9)：

其中，公式(9)中的color_hist_R/G[k]为第一图像的目标色温直方图中第k区间的灰点的R/G值，color_hist_B/G[k]为第一图像的目标色温直方图中第k区间的灰点的B/G值。R/G_gain和B/G_gain分别为中间R/G增益值以及中间B/G增益值。

这里，接上文描述，在特定预设值为1的情况下，白平衡增益值包括的红色通道增益值R_gain、蓝色通道增益值B_gain、Gr通道增益值Gr_gain以及Gb通道增益值Gb_gain的计算方式可参考如下公式(10)：

可以理解的是，通过上述步骤，基于第一图像的目标色温直方图中各个区间的灰点信息，确定各个颜色通道上的增益值，能够为后续进行图像白平衡调整提供更加详细且精准的参数。

对应地，本申请实施例还提供一种图像白平衡装置，参见图7所示，为本申请的一些实施例提供的图像白平衡装置的组成结构示意图，以下结合图7所示进行以下说明：

构建模块701，被配置为基于第一图像对应的初始灰点统计信息，构建所述第一图像的初始色温直方图；

融合模块702，被配置为加权融合所述第一图像的初始色温直方图和第二图像的目标色温直方图，得到所述第一图像的目标色温直方图；所述第二图像为所述第一图像所处的原始图像序列中的上一帧图像；所述原始图像序列中首帧图像的目标色温直方图，为所述首帧图像的初始色温直方图和基准色温直方图进行加权融合得到的；

确定模块703，被配置为基于所述第一图像的目标色温直方图对应的可信灰点统计信息，确定白平衡增益值；

调整模块704，被配置为根据所述白平衡增益值，对第三图像进行白平衡调整得到调整后的第三图像，重复以上步骤，直至所述原始图像序列中每一图像完成白平衡调整；所述第三图像为所述原始图像序列中所述第一图像的下一帧图像。

在本申请的一些实施例中，所述构建模块702，还被配置为将所述初始灰点统计信息中的灰点映射至R/G-B/G色度空间，得到第一坐标；获取多个色温区域中每一色温区域在所述R/G-B/G色度空间的坐标区域；所述色温区域用于表征对应色温范围下覆盖的灰点区域，所述多个色温区域是对多种不同色温下覆盖的灰点区域，按照预设方向等距离划分得到的；基于所述第一坐标在所述坐标区域内的落点位置，确定所述灰点的权重；统计落入所述多个色温区域中每一色温区域内灰点的权重、R/G的累积值以及B/G的累积值，得到所述第一图像的初始色温直方图。

在本申请的一些实施例中，所述所述构建模块702，还被配置为对落入所述多个色温区域中每一色温区域内灰点的权重进行归一化，得到所述多个色温区域中每一色温区域内灰点的归一化权重；分别对落入所述多个色温区域中每一色温区域内灰点的R/G的累积值和B/G的累积值求平均，得到所述多个色温区域中每一色温区域内灰点的R/G的平均值和B/G的平均值；统计所述多个色温区域中每一色温区域内灰点的归一化权重、R/G的平均值以及B/G的平均值，得到所述第一图像的初始色温直方图。

在本申请的一些实施例中，所述融合模块702，还被配置为获取所述第一图像对应的收敛因子；所述原始图像序列中图像对应的收敛因子随图像时序，按照预设缩减系数逐渐缩小；所述原始图像序列中的每一图像对应的收敛因子，位于所述原始图像序列匹配的收敛因子取值范围内；基于所述收敛因子，对应地将所述第一图像的初始色温直方图中每一区间的灰点信息、所述第二图像的目标色温直方图中每一区间的灰点信息进行加权融合，得到所述第一图像的目标色温直方图。

在本申请的一些实施例中，所述融合模块702，还被配置为将所述收敛因子分别与所述每一区间对应的灰点信息差值进行融合，得到所述每一区间对应的待处理差值；所述每一区间对应的灰点信息差值为：所述第一图像的初始色温直方图中每一区间的灰点信息，与所述第二图像的目标色温直方图中对应的区间的灰点信息之间的差值；将所述第二图像的目标色温直方图中每一区间的灰点信息，对应地与每一区间对应的待处理差值进行融合，得到所述第一图像的目标色温直方图。

在本申请的一些实施例中，所述可信灰点统计信息包括：所述第一图像的目标色温直方图中所对应的灰点的权重最大的第一区间的灰点信息以及所对应的灰点的权重第二大的第二区间的灰点信息；所述确定模块703，还被配置为确定与所述可信灰点统计信息匹配的色温融合因子；基于所述色温融合因子和所述可信灰点统计信息，计算在各个颜色通道上对应的颜色分量值，得到所述白平衡增益值。

在本申请的一些实施例中，所述确定模块703，还被配置为在所述第一区间所对应的灰点的第一权重值大于中间权重值的情况下，将所述第一权重值与融合权重值之间的比值，确定为所述色温融合因子；在所述第一权重值小于或等于所述中间权重值的情况下，将特定预设值确定为所述色温融合因子；其中，所述中间权重值为所述第二区间所对应的灰点的第二权重值与预设系数之间的乘积，所述预设系数为大于0且小于所述特定预设值的数；所述融合权重值为所述第一权重值和所述第二权重值之和。

在本申请的一些实施例中，所述白平衡增益值包括：红色通道增益值、蓝色通道增益值、Gr通道增益值以及Gb通道增益值；所述确定模块703，还被配置为融合第一融合值和所述第二融合值，得到第一中间融合值，并将所述第一中间融合值的倒数确定为所述红色通道增益值；其中，所述第一融合值为所述第一区间对应的R/G值与所述色温融合因子的融合值，所述第二融合值为所述第二区间对应的R/G值与融合差值的融合值，所述融合差值为所述特定预设值与所述色温融合因子之间的差值；将所述特定预设值同时确定为所述Gr通道增益值和所述Gb通道增益值；融合第三融合值和第四融合值，得到第二中间融合值，并将所述第二中间融合值的倒数确定为所述蓝色通道增益值；其中，所述第三融合值为第一区间对应的B/G值与所述色温融合因子的融合值，所述第四融合值为所述第二区间对应的B/G值与所述融合差值之间的融合值。

在本申请的一些实施例中，所述可信灰点统计信息包括：所述第一图像的目标色温直方图中各区间的灰点信息；所述确定模块703，还被配置为融合所述第一图像的目标色温直方图中每一区间对应的灰点的权重，得到融合权重；融合所述第一图像的目标色温直方图中每一区间对应的灰点的权重与灰点的R/G值，得到每一区间的第一中间值，并融合所述每一区间的第一中间值与所述融合权重之间的比值，得到中间R/G增益值；融合所述第一图像的目标色温直方图中每一区间对应的灰点的权重与灰点的B/G值，得到每一区间的第二中间值，并融合所述每一区间的第二中间值与所述融合权重之间的比值，得到中间B/G增益值；将所述中间R/G增益值的倒数确定为红色通道增益值，并将特定预设值同时确定为Gr通道增益值和Gb通道增益值，以及将所述中间B/G增益值的倒数确定为蓝色通道增益值。

需要说明的是，以上图像白平衡装置实施例的描述，与上述图像白平衡方法实施例的描述是类似的，具有同图像白平衡方法实施例相似的有益效果。对于本申请图像白平衡装置实施例中未披露的技术细节，请参照本申请图像白平衡方法实施例的描述而理解。

对应地，本申请实施例再提供一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，该计算机程序或指令被处理器执行时，能够实现本申请实施例提供的图像白平衡方法。

相应的，本申请实施例提供一种计算机设备，图8为本申请实施例提供的一种计算机设备的组成结构示意图，如图8所示，所述计算机设备800包括：一个处理器801、至少一个通信总线804、通信接口802、至少一个外部通信接口和存储器803。其中，通信接口802配置为实现这些组件之间的连接通信。其中，通信接口802可以包括显示屏，外部通信接口可以包括标准的有线接口和无线接口。其中所述处理器801，配置为执行存储器中的程序，以实现上述实施例提供的图像白平衡方法。

相应的，本申请实施例再提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行指令，所述该计算机可执行指令被处理器执行时实现上述实施例提供的图像白平衡方法。

以上图像白平衡装置、计算机设备、存储介质以及计算机程序产品实施例的描述，与上述图像白平衡方法实施例的描述是类似的，具有同相应方法实施例相似的技术描述和有益效果，限于篇幅，可参照上述方法实施例的记载，故在此不再赘述。对于本申请提供的图像白平衡装置、计算机设备、存储介质以及计算机程序产品实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

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实施例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，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请实施例的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，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。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他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、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。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、方法、物品或者装置中还存在另外的相同要素。

在本申请实施例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。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以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，在本申请实施例各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请实施例各个实施例所述方法的全部或部分。以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应以所述权利要求的保护范围为准。