CN101374191A - 校正图像的色差的方法和设备 - Google Patents

Abstract

提供了一种校正图像的色差的方法和设备，在用于图像拾取装置的图像处理设备或显示图像处理设备中使用所述方法和设备。所述色差校正设备包括：色差区域感测单元，分析输入图像的亮度信号，并感测具有色差的区域；颜色梯度计算单元，基于输入图像的颜色分量的梯度之间的差来计算指示色差的程度的第一权重；亮度梯度计算单元，基于输入图像的亮度分量的梯度来计算指示色差的程度的第二权重；色度校正单元，基于通过将第一权重乘以第二权重获得的值来校正在感测的区域中包括的输入图像的像素的色度。

Description

校正图像的色差的方法和设备

本申请要求于2007年8月23日在韩国知识产权局提交的第10-2007-0084939号韩国专利申请的优先权，该申请完全公开于此以资参考。

技术领域

本发明涉及图像处理，更具体地讲，涉及一种校正图像的色差的方法和设备，所述方法和设备用在用于图像拾取装置的图像处理设备或显示图像处理设备中。

背景技术

通常，当使用相机拍摄图像时，由于透镜的色差导致出现各种问题。具体地讲，被称为色差的图像恶化是一种严重问题。色差是这样一种现象：由于透镜对不同波长的光具有不同的折射率，导致不同波长的光被聚焦在不同位置，所以产生了伪色。当使用高倍放大透镜或便宜的透镜来拍摄图像时，这种色差变得更明显。色差可能仅由透镜的缺陷引起。然而，色差还可能由图像传感器(例如，电荷耦合装置(CCD))和透镜的缺陷的组合引起。

在邻近图像边缘的区域中，突然在亮度上出现显著不同。在该边缘区域中，出现了被称为光晕的图像传感器的缺陷以及透镜的缺陷。通常，光晕引起具有由透镜偏转的非常高色度(例如，紫色条纹)的色差。还可由透镜和图像传感器的特性的组合引起各种色差。

在进行图像处理过程(被称为图像恢复，并在数字自动聚焦技术中使用)之后，边缘区域可具有更严重的色差或颜色伪像(color artifact)。这是因为，图像恢复的程度根据每个波长而变化。即，由于在图像恢复处理之后图像边缘不具有模糊度，所以已经发生的色差变得更明显。

为了减小这种色差，提出了各种方法，例如使用特定玻璃材料制成的透镜或使用专门处理的透镜。然而，当使用这些方法时，增加了制造或处理透镜的成本。因此，难以在除了高性能相机(例如数字单反(DSLR)相机)之外的相机中广泛使用以上方法。

在这方面，使用通过图像处理去除或校正在已经拍摄的图像中产生的色差的技术可能更有效。在第2006-115039号和第2000-299874号日本专利中公开了通过图像处理去除或校正色差的传统方法。

具体地讲，第2006-115039号日本专利公开这样的技术：计算伪色程度(被定义为指示以伪色表示输入图像的中心像素的可能性的参数)，并基于邻近中心像素的区域中的像素的值来计算中心像素的插值。伪色程度确定用于处理色度值的每个像素的权重，并使用每个像素的权重和伪色程度来校正色差。然而，所述技术不能用于校正表示在几乎所有边缘中出现的各种颜色的色差。

在第2000-299874号日本专利中公开的校正色差的方法中，在输入图像中指定参考像素，并根据距参考像素的参考位置的距离检测色差的量。然后，创建表示检测的色差的量的三次方程的色差特性曲线，并基于该曲线来校正色差。然而，设计所述方法只校正各种色差中的横向色差。另外，必须对根据距参考位置的距离变化的色差的量创建单独的色差特性曲线。

发明内容

本发明提供了一种有效去除或校正通常在边缘区域中出现的透镜的色差和由光晕引起的色差的方法和设备，所述光晕导致在边缘区域中产生非常强的色度和显著的亮度差异。

然而，本发明的目的不限于这里阐述的一个目的。通过参照下面给出的本发明的详细的描述，本发明的以上和其他目的对本发明所属的领域的普通技术人员而言将变得更清楚。

根据本发明的一方面，提供了一种色差校正设备，所述色差校正设备包括：色差区域感测单元，分析输入图像的亮度信号，并感测具有色差的区域；颜色梯度计算单元，基于输入图像的颜色分量的梯度之间的差来计算指示色差的程度的第一权重；亮度梯度计算单元，基于输入图像的亮度分量的梯度来计算指示色差的程度的第二权重；色度校正单元，基于通过将第一权重乘以第二权重获得的值来校正在感测的区域中包括的输入图像的像素的色度。

根据本发明的另一方面，提供了一种色差校正方法，所述色差校正方法包括：分析输入图像的亮度信号，并感测具有色差的区域；基于输入图像的颜色分量的梯度之间的差来计算指示色差的程度的第一权重；基于输入图像的亮度分量的梯度来计算指示色差的程度的第二权重；基于通过将第一权重乘以第二权重获得的值来校正在感测的区域中包括的输入图像的像素的色度。

附图说明

通过参照附图对本发明的优选实施例的详细描述，本发明的以上和其他特征和优点将变得更清楚，其中：

图1是根据本发明的示例性实施例的色差校正设备的框图；

图2示出根据本发明的示例性实施例的Sobel滤波器；

图3示出根据本发明的示例性实施例的膨胀边缘的方法；

图4示出在颜色之间具有小的梯度的图像的颜色剖面的示例；

图5示出在颜色之间具有大的梯度的图像的颜色剖面的示例；

图6示出每种颜色通道的像素索引；

图7示出表示颜色梯度中的差与第一权重之间的关系的曲线的示例；

图8示出第一权重的分量；

图9示出预定大小的块中的亮度分量；

图10示出预定大小的块中的亮度梯度；

图11示出第二权重的分量；

图12示出表示亮度梯度和第二权重之间的关系的曲线的示例；

图13示出第三权重的分量；

图14将具有色差的图像和对该图像校正之后获得的图像进行比较；

图15示出根据色度分量的高斯分布的示例。

具体实施方式

现在参照附图更全面地描述本发明，本发明的示例性实施例在附图中示出。然而，本发明可以以许多不同的形式被实施，不应该将本发明解释为限于这里阐述的实施例；此外，提供这些实施例以使本公开将是彻底的和完整的，并将本发明的构思完全传达给本领域的普通技术人员。附图中相同的标号表示相同的部件，因此，将省略它们的描述。

以下，将参照附图详细描述本发明。

当使用相机拍摄照片时出现色差。这是一种由于透镜材料对不同波长的光具有不同的折射率导致在图像拾取平面上产生伪色的现象。大致存在三种色差。第一，纵向色差(LCA)表示由在光轴上根据波长变化的焦点位置所引起的渗色现象。第二，横向色差(TCA)表示由于入射光不平行于光轴所以光聚焦在光轴周围的不同位置的现象。即，透镜是LCA和TCA的直接原因。第三，通常由图像传感器的缺陷引起光晕。这是一种色差，所述色差在使用采用高倍放大透镜或便宜透镜的相机拍摄的图像的边缘附近普遍可见，并具有非常强的色度。可由于透镜和图像传感器的问题的组合导致发生光晕。

图1示出根据本发明的示例性实施例的用于有效减小由于各种原因引起的色差的色差校正设备100。参照图1，色差校正设备100包括：图像输入单元110、色差区域感测单元120、亮度梯度计算单元140、颜色梯度计算单元130、色度系数产生单元150、乘法器155、色度校正单元160和图像输出单元170。

图像输入单元110读取形成输入图像的像素的值，并将读取的像素的值划分成亮度信号(亮度分量)和色度信号(色度分量)。例如，如果输入图像包括红色、绿色和蓝色(RGB)信号，则图像输入单元110可将RGB信号转换为被被划分成亮度和色度信号的信号，例如，HSV信号、YUV信号、YCbCr信号或YIQ信号。使用YCbCr信号作为示例来描述本发明。

当输入图像包括RGB信号时，可通过等式(1)来定义YCbCr信号的Y、Cb和Cr分量。

Y＝0.299×R+0.578×G+0.114×B

Cb＝-0.169×R—0.331×G+0.5×B

Cr＝0.5×R—0.418×G+0.082×B                ...(1)

色差区域感测单元120通过使用亮度信号来感测色差区域。由于色差通常出现在边缘区域，所以可将感测色差区域理解为感测边缘区域。在本发明中，使用Sobel滤波器作为用于感测边缘区域的算法。参照图2，Sobel滤波器包括3×3的x方向滤波器和3×3的y方向滤波器。将3×3的x方向滤波器和3×3的y方向滤波器中的每一个应用于以特定亮度分量(以下，称为中心亮度分量)为中心的3×3的亮度分量。更具体地讲，将3×3的x方向滤波器和3×3的y方向滤波器中的每一个分量乘以与3×3的x方向滤波器和3×3的y方向滤波器中的每一个的分量相应的3×3亮度分量，并将相乘的结果相加。如果用Sx指示3×3的x方向滤波器的相乘结果的和，并用Sy指示3×3的y方向滤波器的相乘结果的和，则可通过等式(2)来给出将Sobel滤波器应用于中心亮度分量的最终结果S(Sobel滤波器值)。

$S=\sqrt{S_x^2+S_y^2}...\left(2\right)$

如果Sobel滤波器值超过预定阈值，则色差区域感测单元120确定中心亮度分量位于输入图像的边缘。然而，色差不总发生在图像的边缘，可能发生在边缘附近。因此，边缘需要被膨胀。

色差区域感测单元120如图3所示膨胀边缘。即，如果特定亮度分量被确定为边缘，则具有预定大小(图3中的3×3)并在其中心具有特定亮度分量的区域中包括的所有亮度分量都被确定为边缘。这种区域被称为具有色差因此需要校正色差的色差区域。

颜色梯度计算单元130基于输入图像的颜色分量之间的梯度差(以下，称为颜色梯度)来计算色差的程度。例如，颜色分量是R、G和B分量。图4和图5是分别示出在颜色之间具有小梯度的图像的颜色剖面(color profile)和在颜色之间具有大梯度的图像的颜色剖面的曲线图。颜色剖面表示沿像素的水平方向像素的每种颜色分量(R、G或和B分量)的大小的变化。

在图4的曲线表示的图像中，在像素索引为0的点的附近(即，在边缘区域40)中的颜色之间的梯度差不显著。然而，在图5的曲线表示的图像中，边缘区域50中的颜色之间的梯度差非常显著。因此，可以理解，色差很可能发生在图5的边缘区域50中。

对于每种颜色，颜色梯度计算单元130读取如下像素的值，所述像素包括在具有预定大小(例如，3×3)并以被色差区域感测单元120确定为包括在色差区域中的特定像素(以下，称为中心像素)为中心的块中。在图6中，中心像素包括R₅、G₅和B₅。例如，中心像素右边的像素包括R₆、G₆和B₆。

对于每种颜色，颜色梯度计算单元130计算中心像素(用作原点)和邻近像素之间的梯度(颜色梯度)。例如，可通过等式(3)来定义如图6所示的使用3×3块大小的颜色梯度T_R，n、T_G，n和T_B，n。

T_R，n＝|R_n-R₅|，T_G，n＝|G_n-G₅|，T_B，n＝|B_n-B₅|                           ...(3)

其中，n指示1、2...9。根据等式(3)，对每种颜色可计算9个颜色梯度。在这种情况下，由于中心像素的颜色梯度是0，所以实际上可只计算8个颜色梯度。

在对每种颜色计算颜色梯度之后，颜色梯度计算单元130计算两种颜色的颜色梯度之间的差。在YCbCr信号中，由于基于G分量计算作为色度信号的Cb和Cr，所以可基于G分量来计算颜色梯度之间的差。

因此，可通过等式(4)来定义基于G分量的颜色梯度之间的差D_GB，n和D_GR，n。

D_GB，n＝|T_G，n-T_B，n|，D_GR，n＝|T_G，n-T_R，n|...(4)

使用计算的颜色梯度之间的差D_GB，n和D_GR，n，颜色梯度计算单元130计算第一权重W_GB和W_GR。根据差D_GB，n来获得Cb分量的第一权重W_GB，并根据差D_GR，n来获得Cr分量的第一权重W_GR。可预见，色差将随第一权重W_GB和W_GR增加而变得更明显。

第一权重W_GB和W_GR可随颜色梯度之间的差D_GB，n和D_GR，n增加而增加。例如，可根据差D_GB，n和D_GR，n选择的第一权重W_GB和W_GR的曲线可如图7所示。色差校正设备100的总性能可根据该曲线而变化。因此，需要考虑用于拍摄输入图像的照片的透镜的特性来选择最佳曲线。曲线大致具有单调递增函数的形式。在该曲线中，如果颜色梯度之间的差D_GB，n和D_GR，n超过预定值，则第一权重W_GB和W_GR都被设置为1。这是因为，在没有色差的图像的边缘，颜色梯度之间的差D_GB，n和D_GR，n不明显。

关于中心像素，如图8所示，可通过3×3的块(即，9个值)来表示第一权重W_GB和W_GR中的每一个。由于W_GB，5和W_GR，5是0，所以不需要计算。

再参照图1，亮度梯度计算单元140使用输入图像的亮度分量的梯度(以下，称为亮度梯度)来计算色差的程度。

亮度梯度计算单元140读取如下像素的值，所述像素包括在具有预定大小(例如，3×3)并以被色差区域感测单元120确定为包括在色差区域中的中心像素为中心的块中。在图9的3×3的块中，Y₅指示中心像素的亮度分量(中心亮度分量)，Y₆指示中心像素右边的像素的亮度分量。

可如图10表示图9的3×3的块中的每个亮度分量的亮度梯度T_n，其中，在所述3×3的块的中心的中心像素的亮度分量为Y₅。亮度梯度T_n满足下面的等式(5)。

T_n＝|Y_n-Y₅|                    ...(5)

其中，n指示1、2...9。在如上所述计算亮度梯度T_n之后，亮度梯度计算单元140计算与亮度梯度T_n相应的第二权重W_Y。因此，如图11所示，可通过3×3的块(即，9个值)来表示第二权重W_Y。由于W_Y，5是0，所以不需要计算。

为了有效地校正各种色差，重要的是适当地设置亮度梯度T_n和第二权重W_Y之间的关系。这是因为，较大的亮度梯度不是必然转化为较大程度的色差。

在本发明中，考虑到各种色差，使用如图12所示的曲线来设置亮度梯度T_n和第二权重W_Y之间的关系。可将该曲线大体划分成部分a至部分c。

应用于部分a(第一单调递增部分)的假设是，与中心像素类似的像素几乎不可能具有色差，与中心像素显著不同的像素很有可能具有色差。因此，在部分a，第二权重W_Y随亮度梯度T_n增加而增加。可以理解，部分a是通常发生LCA或TCA的部分。通常，LCA或TCA不会过度地将亮度梯度T_n增加到预定阈值之上。

因此，如果亮度梯度T_n超过预定阈值，则这可能由图像的像素之间的自然亮度差引起，而不是由色差引起。因此，在部分b(单调递减部分)，第二权重W_Y随亮度梯度T_n增加而减小。

在诸如光晕或紫色条纹的色差情况下，在具有色差的区域和不具有色差的正常区域之间存在非常大的亮度梯度。在基于256灰阶的具有大于大约100的亮度梯度的区域中出现这种色差。考虑到这种具有非常大的亮度梯度的色差，需要图12的部分c(第二单调递增部分)中的曲线图案。在部分c中，第二权重W_Y通常随亮度梯度T_n增加而增加。如果亮度梯度T_n达到特定水平，则第二权重W_Y饱和，因此之后第二权重W_Y具有恒定值。

如上所述，用于设置亮度梯度T_n和第二权重W_Y之间的关系的曲线可包括第一单调递增函数、单调递减函数和第二单调递增函数。

尽管在根据图12的曲线图案(具体地讲，部分c)获得的第二权重W_Y和实际色差之间存在随机可能性，但还存在可将在图像中不具有色差的一些区域确定为具有色差的可能性。例如，尽管在具有高对比度的图像的边缘部分中实际上并不存在色差，但由于亮度梯度T_n大导致第二权重W_Y可能增加。

当将由颜色梯度计算单元130计算的第一权重W_GB和W_GR乘以第二权重W_Y时，可去除或减小发生这种错误的可能性。由于基于颜色梯度之间的差D_GB，n和D_GR，n来计算第一权重W_GB和W_GR，所以第一权重W_GB和W_GR表示色差的程度。因此，如果将第一权重W_GB和W_GR乘以第二权重W_Y，则可校正第二权重W_Y的误差。例如，在具有高对比度的正常图像中，第一权重W_GB和W_GR可具有接近0的值。因此，即使第二权重W_Y接近1，在将第一权重W_GB和W_GR乘以第二权重W_Y之后获得的值也接近0。

如等式(6)所示，乘法器155将第一权重W_GB和W_GR乘以第二权重W_Y，并产生第三权重W_Cb和W_Cr，所述第三权重W_Cb和W_Cr确定色差将被校正到的程度。在等式(6)中，W_Cb表示用于校正YCbCr信号的Cb信号的权重，W_Cr表示用于校正YCbCr信号的Cr信号的权重。

W_Cb＝W_GB×W_Y

W_Cr＝W_GR×W_Y                ...(6)

由于第一权重W_GB和W_GR和第二权重W_Y具有相同的块大小(例如，3×3)，所以如图13所示，第三权重W_Cb和W_Cr也具有该块大小。由于W_Cb，5和W_Cr，5为0，所以不需要计算。

使用从乘法器155获得的第三权重W_Cb和W_Cr，色度校正单元160校正被色差区域感测单元120确定为包括在色差区域中的像素的色度分量(Cb和Cr分量)。具体地讲，参照图13，色度校正单元160将3×3的第三权重W_Cb和W_Cr中的每一个应用于以将被校正的色度分量(中心色度分量C_b5或C_r5)为中心的3×3的色度分量。即，色度校正单元160通过如等式(7)所示使用第三权重W_Cb或W_Cr计算色度分量的加权后的均值来校正中心色度分量C_b5或C_r5。在等式(7)中，Cb5’和Cr5’分别指示校正后的中心色度分量。

${\mathrm{Cb}}_5^{\′}=\frac{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{Cb},n}\×{\mathrm{Cb}}_n}{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{Cb},n}},$ ${\mathrm{Cr}}_5^{\′}=\frac{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{Cr},n}\×{\mathrm{Cb}}_n}{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{Cr},n}}...\left(7\right)$

如上所述，使用关于与特定像素邻近的像素(例如，8个像素)的信息来校正所述特定像素的色度分量。

然而，以上校正色度的方法不足以校正具有在图像的大面积中明显的强色度的特征的特殊色差。考虑到该事实，本发明提出了另外使用色度建模函数校正中心像素的色度和与中心像素邻近的像素的色度的方法，所述色度建模函数基于透镜或图像传感器的光学特性。所述方法使用邻近像素的色度来增加权重，从而具有强色度的色差区域可变为无色，或具有接近邻近像素的色度的色度。

图14将具有色差的图像61和在使用以上方法对图像61进行了校正之后获得的图像63进行比较。尽管在校正之前图像61的颜色剖面62中的B分量和R分量之间具有大的差，但在对图像61校正之后获得的图像63的颜色剖面64中减小了B分量和R分量之间的差。即，去除了大面积中明显的色差。

参照图2，色度系数产生单元150获得基于透镜或图像传感器的光学特性(参数)的色度建模函数，并把将被校正的像素和与该像素邻近的像素的色度应用于所述色度建模函数来产生色度系数。所述色度建模函数是指示透镜在哪些色度值下很可能引起色差的概率密度函数。

由于色度建模函数基于统计学，所以该色度建模函数可遵循例如高斯分布。在高斯分布中，由透镜的特性来确定均值和标准差。由于透镜可对Cb和Cr分量中的每一个具有不同的特性，所以还可对Cb和Cr分量中的每一个获得高斯分布。例如，参照图15，如果根据透镜的特性Cb分量遵循高斯分布71，则Cr分量可遵循另一高斯分布72或73。在图15中，Gauss_LUT指示高斯分布函数或高斯查找表。

如果将3×3的色度分量中的每一个带入Gauss_LUT，则可对Cb和Cr分量中的每一个获得共9个值。色度系数产生单元150可通过将这9个值乘以第一权重W_GB和W_GR中的每一个来产生色度系数。可通过等式(8)来定义用于获得色度系数α_Cb和α_Cr的更具体的关系式。在等式8中，β是用于控制色度系数的大小的常数。

α_Cb＝β×W_GB×Gauss_LUT(Cb)

α_Cr＝β×W_GR×Gauss_LUT(Cr)...(8)

在等式(8)中，由于W_GB、W_GR、Cb和Cr中的每一个都包括9个值，所以色度系数α_Cb和α_Cr中的每一个都具有9个值，即3×3的块大小。另外，将色度系数α_Cb和α_Cr中的每一个加到等式(7)的分母，从而提供了另外的色度校正(减小)效果。

色度校正单元160可另外将色度系数α_Cb和α_Cr应用于等式(7)并获得由等式(9)定义的校正后的色度分量。

${\mathrm{Cb}}_5^{\′}=\frac{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{Cb},n}\×{\mathrm{Cb}}_n}{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}(W_{\mathrm{Cb},n}+{\mathrm{\α}}_{\mathrm{Cb},n})},$ ${\mathrm{Cr}}_5^{\′}=\frac{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}{W}_{\mathrm{Cr},n}\×{\mathrm{Cb}}_n}{\underset{n=1}{\overset{9}{\mathrm{\Σ}}}(W_{\mathrm{Cr},n}+{\mathrm{\α}}_{\mathrm{Cb},n})}...\left(9\right)$

如上所述，使用关于与特定像素(预定大小的块中的中心像素)邻近的像素(例如，8个像素)的信息来校正所述特定像素的色度分量。

图像输出单元170原样输出被色差区域感测单元120确定为没有包括在色差区域中的色度分量，并将被确定为包括在色差区域中的色度分量输出为由色度校正单元160校正的值。在这种情况下，图像输出单元170可将被划分成亮度信号和色度信号的信号转换为可在显示屏幕上显示的RGB信号。

以上参照图2至图6描述的每个组件可被实现为软件组件(例如，在存储器的预定区域中执行的任务、类、子程序、进程、对象、执行线程或程序)或硬件组件(例如，现场可编程门阵列(FPGA)或专用集成电路(ASIC))。另外，所述组件可包括软件组件和硬件组件的组合。所述组件可驻留在计算机可读存储介质上，或者可分布于多个计算机。

根据本发明的色差校正技术可有效去除各种色差(例如，LCA、TCA和光晕)。

尽管本发明已参照其示例性的实施例被具体描述和显示的，但是本领域的普通技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对其进行形式和细节的各种改变。所述示例性的实施例应该被认为是仅为描述意义上的，而不是为了限制的目的。

Claims (20)

1.一种色差校正设备，包括：

色差区域感测单元，分析输入图像的亮度信号，并感测具有色差的区域；

颜色梯度计算单元，基于输入图像的颜色分量的梯度之间的差来计算指示色差的程度的第一权重；

亮度梯度计算单元，基于输入图像的亮度分量的梯度来计算指示色差的程度的第二权重；

色度校正单元，基于通过将第一权重乘以第二权重获得的值来校正在感测的区域中包括的输入图像的像素的色度。

2.如权利要求1所述的设备，还包括：色度系数产生单元，获得基于透镜或图像传感器的光学特性的色度建模函数，并通过将色度分量应用于色度建模函数的结果乘以第一权重来产生色度系数，其中，色度校正单元使用色度系数来另外校正输入图像的像素的色度。

3.如权利要求2所述的设备，其中，色度建模函数对于每个色度分量具有不同的高斯分布。

4.如权利要求2所述的设备，其中，色度校正单元将输入图像的像素的色度校正为随色度系数的增加而变得非常低。

5.如权利要求1所述的设备，其中，如果将Sobel滤波器应用于输入图像的像素的结果超过预定阈值，则色差区域感测单元确定该像素具有色差。

6.如权利要求5所述的设备，其中，如果预定大小的块中包括的任何一个像素具有色差，则色差区域感测单元确定该块中的所有像素都具有色差。

7.如权利要求1所述的设备，其中，颜色梯度计算单元通过以下操作来计算第一权重：针对每个颜色分量计算中心像素和与该中心像素邻近的每个像素之间的颜色梯度，计算所计算的梯度之间的差，并将计算的差应用于单调递增函数。

8.如权利要求1所述的设备，其中，亮度梯度计算单元通过计算输入图像的像素的亮度分量和与该像素邻近的每个像素的亮度分量之间的梯度，并将计算的梯度应用于预定函数来计算第二权重。

9.如权利要求8所述的设备，其中，所述预定函数包括第一单调递增部分、单调递减部分和第二单调递增部分。

10.如权利要求1所述的设备，其中，色度校正单元通过使用相乘之后获得的值作为权重来计算感测的区域中包括的像素的色度和与该像素邻近的像素的色度的加权均值，并基于该加权均值来校正感测的区域中包括的像素的色度。

11.一种色差校正方法，包括：

分析输入图像的亮度信号，并感测具有色差的区域；

基于输入图像的颜色分量的梯度之间的差来计算指示色差的程度的第一权重；

基于输入图像的亮度分量的梯度来计算指示色差的程度的第二权重；

基于通过将第一权重乘以第二权重获得的值来校正在感测的区域中包括的输入图像的像素的色度。

12.如权利要求11所述的方法，还包括：

获得基于透镜或图像传感器的光学特性的色度建模函数；

通过将色度分量应用于色度建模函数的结果乘以第一权重来产生色度系数，

其中，校正色度的步骤包括：使用色度系数来另外校正输入图像的像素的色度。

13.如权利要求12所述的方法，其中，色度建模函数对于每个色度分量具有不同的高斯分布。

14.如权利要求12所述的方法，其中，校正色度的步骤还包括：将输入图像的像素的色度校正为随色度系数的增加而变得非常低。

15.如权利要求11所述的方法，其中，感测具有色差的区域的步骤包括：如果将Sobel滤波器应用于输入图像的像素的结果超过预定阈值，则确定该像素具有色差。

16.如权利要求15所述的方法，其中，感测具有色差的区域的步骤还包括：如果预定大小的块中包括的任何一个像素具有色差，则确定该块中的所有像素都具有色差。

17.如权利要求11所述的方法，其中，计算第一权重的步骤包括：

针对每个颜色分量计算中心像素和与该中心像素邻近的每个像素之间的梯度；

计算所计算的梯度之间的差；

将计算的差应用于单调递增函数。

18.如权利要求11所述的方法，其中，计算第二权重的步骤包括：

计算输入图像的像素的亮度分量和与该像素邻近的每个像素的亮度分量之间的梯度；

将计算的梯度应用于预定函数。

19.如权利要求18所述的方法，其中，所述预定函数包括第一单调递增部分、单调递减部分和第二单调递增部分。

20.如权利要求11所述的方法，其中，校正色度的步骤包括：

使用相乘之后获得的值作为权重来计算感测的区域中包括的像素的色度和与该像素邻近的像素的色度的加权均值；

基于该加权均值来校正感测的区域中包括的像素的色度。

Images