CN109040729A - 图像白平衡校正方法、装置、存储介质及终端 - Google Patents

Abstract

本申请实施例公开了一种图像白平衡校正方法、装置、存储介质及终端，该方法包括：首先对目标图像进行分割，得到多个目标子图像；其次，获取每个目标子图像内容对应的光源方向；再次，根据所述多个目标子图像对应光源方向判断是否存在混光场景；最后，当存在混光场景时，根据所述混光场景对应的光源进行白平衡校正，能够提高混光场景下图像白平衡校正效果。

Description

图像白平衡校正方法、装置、存储介质及终端

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及图像白平衡校正方法、装置、存储介质及终端。

背景技术

随着移动终端的不断发展，几乎每台移动终端均配置了相机功能，基于相机功能可以进行拍照。移动终端趋向于自动化的拍照过程，能够根据拍照环境自动进行曝光及白平衡校正。

但是在使用中发现，如果拍摄画面中存在多个不同方向光源时，即存在混光场景时，则拍摄得到的照片白平衡效果较差。

发明内容

本申请实施例的目的是提供一种图像白平衡校正方法、装置、存储介质及终端，可以混光场景下的白平衡校正效果。

第一方面，本申请实施例提供了一种图像白平衡校正方法，包括：

对目标图像进行分割，得到多个目标子图像；

获取每个目标子图像内容对应的光源方向；

根据所述多个目标子图像对应光源方向判断是否存在混光场景；

当存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

第二方面，本申请实施例提供了一种图像白平衡校正装置，包括：

分割模块，用于对目标图像进行分割，得到多个目标子图像；

获取模块，用于获取所述分割模块得到的每个目标子图像内容对应的光源方向；

判断模块，用于根据所述获取模块获取的所述多个目标子图像对应光源方向判断是否存在混光场景；

白平衡模块，用于当所述判断模块判定存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

第三方面，本申请实施例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第一方面所示的图像白平衡校正方法。

第四方面，本申请实施例提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所示的图像白平衡校正方法。

本申请实施例中提供的图像白平衡校正方案，首先对目标图像进行分割，得到多个目标子图像；其次，获取每个目标子图像内容对应的光源方向；再次，根据所述多个目标子图像对应光源方向判断是否存在混光场景；最后，当存在混光场景时，根据所述混光场景对应的光源进行白平衡校正，能够提高混光场景下图像白平衡校正效果。

附图说明

图1为本申请实施例提供的一种图像白平衡校正方法的流程示意图；

图2为本申请实施例提供的另一种图像白平衡校正方法的流程示意图；

图3为本申请实施例提供的另一种图像白平衡校正方法的流程示意图；

图4为本申请实施例提供的另一种图像白平衡校正方法的流程示意图；

图5为本申请实施例提供的另一种图像白平衡校正方法的流程示意图；

图6为本申请实施例提供的另一种图像白平衡校正方法的流程示意图；

图7为本申请实施例提供的一种图像白平衡校正装置的结构示意图；

图8为本申请实施例提供的一种移动终端的结构示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。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。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。

随着移动终端的不断发展，几乎每台移动终端均配置了相机功能，基于相机功能可以进行拍照。移动终端趋向于自动化的拍照过程，能够根据拍照环境自动进行曝光及白平衡校正。但是在使用中发现，如果拍摄画面中存在多个不同方向光源时，即存在混光场景时，则拍摄得到的照片白平衡效果较差，无法准确的反映被拍摄主体色温。本申请实施例中的混光场景包括存在多个不同方向的光源的拍摄场景。多个光源从不同角度发出的光，通过被拍摄物体的反射进入模组时，会导致采集到的光线色温失常。目前移动终端的自动白平衡程序中，缺少对不同光源方向进行识别的机制，导致无法识别不同方向的光源，进而无法对混光场景进行有效的白平衡处理。

本申请实施例提供了一种图像白平衡校正方法，能够识别拍摄场景是否为混光场景，当拍摄场景为混光场景时，能够基于多个光源方向的光源进行白平衡处理，提高混光场景的白平衡处理效率，使白平衡处理后的图像具有更加准确的色温，提高资源利用率。具体方案如下所示：

图1为本申请实施例提供的图像白平衡校正方法的流程示意图，该方法用于使用移动终端进行拍照的情况，尤其是混光场景拍照的情况，该方法可以由移动终端来执行，该移动终端可以为智能手机、平板电脑、可穿戴设备、笔记本电脑等，该方法具体包括如下步骤：

步骤110、对目标图像进行分割，得到多个目标子图像。

目标图像可以为用户拍照得到的照片，也可以为预览阶段的预览图像。当用户拍照得到一张照片后，移动终端自动对照片进行白平衡处理，或者用户进行后期制作时以拍照得到的照片为基础修改。用户启动相机应用时，相机应用在预览界面中实时显示摄像头获取到的预览帧图像。当预览界面中预览帧图像符合用户需求时，用户点击拍照按钮进行拍照，得到照片。移动终端在显示预览画面前，对预览画面进行白平衡处理，使得用户在预览阶段即可获取到准确色温的图像。考虑到白平衡处理会产生计算时间，可相应降低预览画面的帧率。

可以根据固定的预设分割面积，如以50像素*50像素的固定大小分割目标图像。进一步的，如果固定大小的分割方式无法与目标图像匹配，如果目标图像侧边存在一条不足预设分割面积的子图像，则可以忽略该子图像。也可以，根据固定分割数量对目标图像记性分割，例如，将目标图像分割为10*10，共100个目标子图像。

步骤120、获取每个目标子图像内容对应的光源方向。

在一种实现方式中，光源的照射具有方向性，通过对光源以及反射光的检测，可通过检测目标子图像中的光反射情况确定光源方向。示例性的，如果至少两个目标子图像中的光源方向满足反射定律，则可根据目标子图像确定反射信息。反射信息可以包括存在反射关系的至少两个检测区域的对应关系。

例如，对于白炽灯等闪烁光源，当白炽灯点亮时桌面等物体会发出反光。当白炽灯熄灭时，桌面等物体不发光。因此可以根据像素变化值确定成对出现像素或亮度变化的检测区域。基于亮度同步变化的检测区域可以确定光源及其照射区域。

在另一种实现方式中，可以通过建立预设机器学习模型实现识别任意一个目标子图像中的光源方向，如果目标子图像中存在光源，则输出为表示光源方向的方向矢量。如果目标子图像中不存在光源，则输出结果可以为0或缺省项等。

步骤130、根据多个目标子图像对应光源方向判断是否存在混光场景。

如果存在多个光源方向，则可确定存在混光场景，执行步骤140。如果只存在一个光源方向，则确定不存在混光场景，执行步骤150。

步骤140、当存在混光场景时，根据混光场景对应的光源进行白平衡校正。

混光场景对应的光源可以为目标子图像对应的全部光源。在获取混光场景的多个光源后，根据多个光源的光强确定白平衡校正的参考颜色。

步骤150、当不存在混光场景时，根据调白板进行白平衡处理。

调白板可以获取到环境色温，根据环境色温进行白平衡处理。可选的，以3200K色温条件下设置的蓝、绿、红感光平衡。当环境色温为3200K时，摄像机色温滤光片放置在3200K，景物可以得到正确的色彩还原；当环境色温为5600K时，摄像机色温滤光片放置在5600K，景物可以得到正确的色彩还原。当环境色温在3200K上下1000K和5600K上下1000K范围内，利用白平衡预置功能可以得到人眼可以接受的色彩还原。

本申请实施例提供的图像白平衡校正方法，首先对目标图像进行分割，得到多个目标子图像。其次，获取每个目标子图像内容对应的光源方向。再次，根据多个目标子图像对应光源方向判断是否存在混光场景。最后，当存在混光场景时，根据混光场景对应的光源进行白平衡校正，能够提高混光场景下图像白平衡校正效果。目前无法识别目标图像中不同光源方向的光源，导致目标图像整体色温判断不准确等问题，白平衡效果差。本申请实施例能够基于分割得到的目标子图像确定不同光源方向的光源，然后根据不同方向的光源进行白平衡矫正，进而能够更加高质的还原被拍摄场景色温。

图2为本申请实施例提供的一种图像白平衡校正方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤210、对目标图像进行分割，得到多个目标子图像。

步骤220、获取每个目标子图像内容对应的光源方向。

步骤230、判断多个相邻的目标子图像对应的光源方向是否相同。

判断是否存在混光场景的一个重要因素为是否存在多个光源，而多个光源的一种表现形式为，多个相邻的目标子图像对应的光源方向不同相同。通过预设机器学习模型等算法可以获取每个目标子图像的光源方向。通过比较相邻的目标子图像之间的光源方向是否相同，可确定是否存在不同光源。进一步的，当相邻的目标子图像之间的光源方向的角度差值小于预设角度时，可以判定相邻的目标子图像之间的光源方向相同。预设角度为5度10度。

如果多个相邻的目标子图像对应的光源方向相同，则执行步骤240。如果多个相邻的目标子图像对应的光源方向不相同，则执行步骤260。

步骤240、如果多个相邻的目标子图像对应的光源方向不相同，则存在混光场景。

步骤250、当存在混光场景时，根据混光场景对应的光源进行白平衡校正。

步骤260、如果多个相邻的目标子图像对应的光源方向相同，则不存在混光场景，根据调白板进行白平衡处理。

本申请实施例提供的图像白平衡校正方法，能够基于相邻目标子图像的光源方向是否相同，换言之，相邻目标子图像的光源方向是否明显不同，来确定是否存在多个光源，进而更加准确的判定混光场景，提高资源利用率。

图3为本申请实施例提供的一种图像白平衡校正方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤310、对目标图像进行分割，得到多个目标子图像。

步骤320、获取每个目标子图像内容对应的光源方向。

步骤330、根据多个目标子图像对应光源方向判断是否存在混光场景。

步骤340、当存在混光场景时，根据多个目标子图像对应的多个光源确定主光源。

可选的，可以根据目标子图像的亮度，确定光源光强，将光强最高的光源确定为主光源。根据主光源的光源颜色进行白平衡矫正。

进一步的，还可以根据光源光强确定各光源的权重，光源强度越高权重越高，根据各光源权重以及各光源颜色，得到主光源颜色。根据主光源的光源颜色进行白平衡矫正。

步骤350、根据主光源对目标图像进行白平衡校正。

步骤360、当不存在混光场景时，根据调白板进行白平衡处理。

本申请实施例提供的图像白平衡校正方法，能够从多个光源中确定主光源，并根据主光源进行白平衡处理，进而更加准确的确定主光源颜色，提高白平衡处理效率。

图4为本申请实施例提供的一种图像白平衡校正方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤410、对目标图像进行分割，得到多个目标子图像。

步骤420、获取每个目标子图像内容对应的光源方向。

步骤430、根据多个目标子图像对应光源方向判断是否存在混光场景。

步骤440、当存在混光场景时，获取多个目标子图像对应的多个光源方向。

在确定混光场景后，可以根据光照强度筛选出光照较强的多个光源方向。可选的，获取各光源颜色，从同类光源颜色中选取一个光强加高的光源。还可以，读取步骤420中确定的全部光源方向。

步骤450、统计每个光源方向对应的目标子图像数量。

统计具有相同光源方向的目标子图像的数量，得到每个光源方向对应的目标子图像数量。

步骤460、根据统计的目标子图像数量确定主光源。

将数值最高的目标子图像数量对应的光源方向确定为主光源。

步骤470、根据主光源对目标图像进行白平衡校正。

步骤480、当不存在混光场景时，根据调白板进行白平衡处理。

本申请实施例提供的图像白平衡校正方法，能够从多个光源中将光源占比最高的光源确定为主光源，进而更加准确的确定主光源颜色，提高白平衡处理效率。

图5为本申请实施例提供的一种图像白平衡校正方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤510、获取多张具有单一光源的学习图像，将学习图像输入至卷积神经网络模型中，得到预设机器学习模型。

在获取每个目标子图像的光源方向时，可借助预设机器学习模型进行识别。该预设机器学习模型可以是一个卷积神经网络模型。在本申请实施例执行之前，通过机器学习的方式，对卷积神经网络模型进行训练，训练样本可以为具有单一光源的学习图像。经过训练的卷积神经网络模型，即预设机器学习模型能够识别任意一张目标子图像对应的光源方向。

步骤520、对目标图像进行分割，得到多个目标子图像。

步骤530、分别将每个目标子图像输入值预设机器学习模型，得到每个目标子图像对应的光源方向。

步骤540、根据多个目标子图像对应光源方向判断是否存在混光场景。

步骤550、当存在混光场景时，根据混光场景对应的光源进行白平衡校正。

步骤560、当不存在混光场景时，根据调白板进行白平衡处理。

本申请实施例提供的图像白平衡校正方法，能够通过输入具有单一光源的学习图像训练得到预设机器学习模型，进而避免通过固定算法识别不准确的问题，提高光源方向识别的易用性。

图6为本申请实施例提供的一种图像白平衡校正方法的流程示意图，作为对上述实施例的进一步说明，包括：

步骤610、获取预设机器学习模型的输入规格。

如果预设机器学习模型的输入规格是固定大小的图像，则在对目标图像进行分割之前，获取预设机器学习模型的输入规格，以便根据输入规格对目标图像进行分割。

步骤620、根据输入规格对目标图像进行分割，得到多个目标子图像。

步骤630、分别将每个目标子图像输入值预设机器学习模型，得到每个目标子图像对应的光源方向。

步骤640、根据多个目标子图像对应光源方向判断是否存在混光场景。

步骤650、当存在混光场景时，根据混光场景对应的光源进行白平衡校正。

步骤660、当不存在混光场景时，根据调白板进行白平衡处理。

本申请实施例提供的图像白平衡校正方法，能够根据预设机器学习模型的输入规格对目标图像进行划分，进而使预设机器学习模型能够更快的识别出目标子图像的光源方向，提高处理效率。

图7为本申请实施例提供的一种图像白平衡校正装置的结构示意图。如图7所示，该装置包括：分割模块710、获取模块720、判断模块730、白平衡模块740和学习模块750。

分割模块710，用于对目标图像进行分割，得到多个目标子图像；

获取模块720，用于获取所述分割模块710得到的每个目标子图像内容对应的光源方向；

判断模块730，用于根据所述获取模块720获取的所述多个目标子图像对应光源方向判断是否存在混光场景；

白平衡模块740，用于当所述判断模块730判定存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

进一步的，判断模块730用于：

判断多个相邻的目标子图像对应的光源方向是否相同；

如果多个相邻的目标子图像对应的光源方向不相同，则存在混光场景。

进一步的，白平衡模块740用于：

根据所述多个目标子图像对应的多个光源确定主光源；

根据所述主光源对所述目标图像进行白平衡校正。

进一步的，白平衡模块740根据所述多个目标子图像对应的多个光源确定主光源，包括：

获取所述多个目标子图像对应的多个光源方向；

统计每个光源方向对应的目标子图像数量；

根据统计的目标子图像数量确定主光源。

进一步的，获取模块720用于：

分别将每个目标子图像输入值预设机器学习模型，得到所述每个目标子图像对应的光源方向。

进一步的，还包括学习模块750，学习模块750用于：在分别将每个目标子图像输入值预设机器学习模型之前，获取多张具有单一光源的学习图像；

将所述学习图像输入至卷积神经网络模型中，得到预设机器学习模型，以便判断模块730根据学习模块750得到的预设机器学习模型判断多个目标子图像对应光源方向判断是否存在混光场景。

进一步的，获取模块720用于：

获取所述预设机器学习模型的输入规格；

根据所述输入规格对所述目标图像进行分割，得到多个目标子图像。

本申请实施例提供的图像白平衡校正装置，首先分割模块710对目标图像进行分割，得到多个目标子图像；其次，获取模块720获取每个目标子图像内容对应的光源方向；再次，判断模块730根据所述多个目标子图像对应光源方向判断是否存在混光场景；最后，当存在混光场景时，白平衡模块740根据所述混光场景对应的光源进行白平衡校正，能够提高混光场景下图像白平衡校正效果。目前无法识别目标图像中不同光源方向的光源，导致目标图像整体色温判断不准确等问题，白平衡效果差。本申请实施例能够基于分割得到的目标子图像确定不同光源方向的光源，然后根据不同方向的光源进行白平衡矫正，进而能够更加高质的还原被拍摄场景色温。

上述装置可执行本申请前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请前述所有实施例所提供的方法。

图8是本申请实施例提供的一种终端设备的结构示意图。如图8所示，该终端可以包括：壳体(图中未示出)、存储器801、中央处理器(Central Processing Unit，CPU)802(又称处理器，以下简称CPU)、存储在存储器801上并可在处理器802上运行的计算机程序、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述CPU802和所述存储器801设置在所述电路板上；所述电源电路，用于为所述终端的各个电路或器件供电；所述存储器801，用于存储可执行程序代码；所述CPU802通过读取所述存储器801中存储的可执行程序代码来运行与所述可执行程序代码对应的程序。

所述终端还包括：外设接口803、RF(Radio Frequency，射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子***809、触摸屏812、其他输入/控制设备810以及外部端口804，这些部件通过一个或多个通信总线或信号线807来通信。

应该理解的是，图示终端设备800仅仅是终端的一个范例，并且终端设备800可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于一种终端设备进行详细的描述，该终端设备以智能手机为例。

存储器801，所述存储器801可以被CPU802、外设接口803等访问，所述存储器801可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口803，所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。

I/O子***809，所述I/O子***809可以将设备上的输入输出外设，例如触摸屏812和其他输入/控制设备810，连接到外设接口803。I/O子***809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中，一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号，其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器8092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

其中，按照触摸屏的工作原理和传输信息的介质分类，触摸屏812可以为电阻式、电容感应式、红外线式或表面声波式。按照安装方式分类，触摸屏812可以为：外挂式、内置式或整体式。按照技术原理分类，触摸屏812可以为：矢量压力传感技术触摸屏、电阻技术触摸屏、电容技术触摸屏、红外线技术触摸屏或表面声波技术触摸屏。

触摸屏812，所述触摸屏812是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。可选的，触摸屏812将用户在触屏幕上触发的电信号(如接触面的电信号)，发送给处理器802。

I/O子***809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触，显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互，即实现人机交互，显示在触摸屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

RF电路805，主要用于建立智能音箱与无线网络(即网络侧)的通信，实现智能音箱与无线网络的数据接收和发送。例如收发短信息、电子邮件等。

音频电路806，主要用于从外设接口803接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器811。

扬声器811，用于将智能音箱通过RF电路805从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片808，用于为CPU802、I/O子***及外设接口所连接的硬件进行供电及电源管理。

在本实施例中，中央处理器802用于：

对目标图像进行分割，得到多个目标子图像；

获取每个目标子图像内容对应的光源方向；

根据所述多个目标子图像对应光源方向判断是否存在混光场景；

当存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

进一步的，所述根据所述多个目标子图像对应光源方向判断是否存在混光场景，包括：

判断多个相邻的目标子图像对应的光源方向是否相同；

如果多个相邻的目标子图像对应的光源方向不相同，则存在混光场景。

进一步的，所述根据所述混光场景对应的光源进行白平衡校正，包括：

根据所述多个目标子图像对应的多个光源确定主光源；

根据所述主光源对所述目标图像进行白平衡校正。

进一步的，所述根据所述多个目标子图像对应的多个光源确定主光源，包括：

获取所述多个目标子图像对应的多个光源方向；

统计每个光源方向对应的目标子图像数量；

根据统计的目标子图像数量确定主光源。

进一步的，所述获取每个目标子图像内容对应的光源方向，包括：

分别将每个目标子图像输入值预设机器学习模型，得到所述每个目标子图像对应的光源方向。

进一步的，在分别将每个目标子图像输入值预设机器学习模型之前，还包括：

获取多张具有单一光源的学习图像；

将所述学习图像输入至卷积神经网络模型中，得到预设机器学习模型。

进一步的，所述对目标图像进行分割，得到多个目标子图像，包括：

获取所述预设机器学习模型的输入规格；

根据所述输入规格对所述目标图像进行分割，得到多个目标子图像。

本申请实施例还提供一种包含终端设备可执行指令的存储介质，所述终端设备可执行指令在由终端设备处理器执行时用于执行一种图像白平衡校正方法，该方法包括：

对目标图像进行分割，得到多个目标子图像；

获取每个目标子图像内容对应的光源方向；

根据所述多个目标子图像对应光源方向判断是否存在混光场景；

当存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

进一步的，所述根据所述多个目标子图像对应光源方向判断是否存在混光场景，包括：

判断多个相邻的目标子图像对应的光源方向是否相同；

如果多个相邻的目标子图像对应的光源方向不相同，则存在混光场景。

进一步的，所述根据所述混光场景对应的光源进行白平衡校正，包括：

根据所述多个目标子图像对应的多个光源确定主光源；

根据所述主光源对所述目标图像进行白平衡校正。

进一步的，所述根据所述多个目标子图像对应的多个光源确定主光源，包括：

获取所述多个目标子图像对应的多个光源方向；

统计每个光源方向对应的目标子图像数量；

根据统计的目标子图像数量确定主光源。

进一步的，所述获取每个目标子图像内容对应的光源方向，包括：

分别将每个目标子图像输入值预设机器学习模型，得到所述每个目标子图像对应的光源方向。

进一步的，在分别将每个目标子图像输入值预设机器学习模型之前，还包括：

获取多张具有单一光源的学习图像；

将所述学习图像输入至卷积神经网络模型中，得到预设机器学习模型。

进一步的，所述对目标图像进行分割，得到多个目标子图像，包括：

获取所述预设机器学习模型的输入规格；

根据所述输入规格对所述目标图像进行分割，得到多个目标子图像。

本申请实施例的计算机存储介质，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***、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(ROM)、可擦式可编程只读存储器(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***、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***、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。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的图像白平衡校正操作，还可以执行本申请任意实施例所提供的图像白平衡校正方法中的相关操作。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种图像白平衡校正方法，其特征在于，包括：

对目标图像进行分割，得到多个目标子图像；

获取每个目标子图像内容对应的光源方向；

根据所述多个目标子图像对应光源方向判断是否存在混光场景；

当存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

2.根据权利要求1所述的图像白平衡校正方法，其特征在于，所述根据所述多个目标子图像对应光源方向判断是否存在混光场景，包括：

判断多个相邻的目标子图像对应的光源方向是否相同；

如果多个相邻的目标子图像对应的光源方向不相同，则存在混光场景。

3.根据权利要求1所述的图像白平衡校正方法，其特征在于，所述根据所述混光场景对应的光源进行白平衡校正，包括：

根据所述多个目标子图像对应的多个光源确定主光源；

根据所述主光源对所述目标图像进行白平衡校正。

4.根据权利要求3所述的图像白平衡校正方法，其特征在于，所述根据所述多个目标子图像对应的多个光源确定主光源，包括：

获取所述多个目标子图像对应的多个光源方向；

统计每个光源方向对应的目标子图像数量；

根据统计的目标子图像数量确定主光源。

5.根据权利要求1所述的图像白平衡校正方法，其特征在于，所述获取每个目标子图像内容对应的光源方向，包括：

分别将每个目标子图像输入值预设机器学习模型，得到所述每个目标子图像对应的光源方向。

6.根据权利要求5所述的图像白平衡校正方法，其特征在于，在分别将每个目标子图像输入值预设机器学习模型之前，还包括：

获取多张具有单一光源的学习图像；

将所述学习图像输入至卷积神经网络模型中，得到预设机器学习模型。

7.根据权利要求5所述的图像白平衡校正方法，其特征在于，所述对目标图像进行分割，得到多个目标子图像，包括：

获取所述预设机器学习模型的输入规格；

根据所述输入规格对所述目标图像进行分割，得到多个目标子图像。

8.一种图像白平衡校正装置，其特征在于，包括：

分割模块，用于对目标图像进行分割，得到多个目标子图像；

获取模块，用于获取所述分割模块得到的每个目标子图像内容对应的光源方向；

判断模块，用于根据所述获取模块获取的所述多个目标子图像对应光源方向判断是否存在混光场景；

白平衡模块，用于当所述判断模块判定存在混光场景时，根据所述混光场景对应的光源进行白平衡校正。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述图像白平衡校正方法。

10.一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一所述的图像白平衡校正方法。