CN116489330A - 一种自适应白平衡方法、装置、电子设备及存储介质 - Google Patents
一种自适应白平衡方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116489330A CN116489330A CN202310574991.3A CN202310574991A CN116489330A CN 116489330 A CN116489330 A CN 116489330A CN 202310574991 A CN202310574991 A CN 202310574991A CN 116489330 A CN116489330 A CN 116489330A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- channel
- max
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012937 correction Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000003044 adaptive effect Effects 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 238000003672 processing method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 10
- 239000003086 colorant Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001028 reflection method Methods 0.000 description 2
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本发明公开了一种自适应白平衡方法、装置、电子设备及存储介质，属于图像处理技术领域。所述自适应白平衡方法包括：获取待处理图像，所述待处理图像为RGB格式；统计所述待处理图像的各个通道的像素分布直方图；计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例；计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例；根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。本发明引入各个色彩通道的频率信息作为先验判断，自适应选择算法实现白平衡矫正。
Description
技术领域
本发明属于图像处理技术领域，特别是涉及一种自适应白平衡方法、装置、电子设备及存储介质。
背景技术
自动白平衡算法旨在对图片信号进行分析，模拟人类对色彩感知的恒常性，从而克服光源颜色对成像的影响，还原图片本身的真实色彩信息，是数字图像信号处理流程中的重要一环。现阶段的自动白平衡算法可分为两类：基于假设的算法与基于直方图的算法。
基于假设的算法根据图片颜色信息，对图片整体颜色或最亮像素做出假设，主要包括灰度世界法、完美反射法、QCGP法以及动态阈值法。灰度世界法较为简单，但其针对色彩丰富图片做出“RGB通道像素平均值为灰色”的假设，对于存在大量单色块的图像会失效。完美反射法与动态阈值法通过分析计算，对原始图像中的白点做出假设，但当原图中最亮点不是白点或原图不存在白点时，色彩矫正会出现较大偏差。QCGP法(QuadraticCombining Grey-World Perfect-Reflection Resumption)整合改进了灰度世界与完美反射假设，通过定义色彩方程，求解各通道补偿系数；尽管该方法有效改进了白平衡效果，然而，对于整体偏暗且存在大量单色块的图像，其仍无法准确还原色彩。
基于直方图的算法以直方图平移与匹配为主，通过处理不同通道，确保其重叠面积达到最大，该方法可以有效适用于存在严重色偏的图像(三个通道直方图重叠面积极小，整体色调明显偏向R，G，B中的某个颜色)。然而，对于8K超高清摄像机的拍摄画面，该方法依旧存在两个挑战：一是算法复杂度，8K图像像素量极为庞大，统计全局直方图会带来极大的时间负担；二是场景的随机性，对于轻微偏色或亮度较低的图像，调整不同通道直方图的中心位置或形状会导致图片丢失颜色细节。
发明内容
本发明的目的在于克服现有技术的不足，提供一种自适应白平衡方法、装置、电子设备及存储介质。
本发明的目的是通过以下技术方案来实现的：
根据本发明的第一方面，一种自适应白平衡方法，包括：
获取待处理图像，所述待处理图像为RGB格式；
统计所述待处理图像的各个通道的像素分布直方图；
计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例；
计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例；
根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。
进一步地，所述自适应白平衡方法还包括：
在统计所述待处理图像的各个通道的像素分布直方图之前，对所述待处理图像进行降采样。
进一步地，根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正，包括：
若第一比例大于第一阈值，且第二比例大于第二阈值，则采用截断处理的方法对所述待处理图像进行白平衡矫正，截断处理的阈值采用第一阈值；
若第一比例大于第一阈值，且第二比例小于等于第二阈值，则采用QCGP算法对所述待处理图像进行白平衡矫正；
若第一比例小于等于第一阈值，且第二比例大于第二阈值，则采用映射处理的方法对所述待处理图像进行白平衡矫正，映射处理的阈值采用第一阈值；
若第一比例小于等于第一阈值，且第二比例小于等于第二阈值，则采用直方图均衡/平移算法对所述待处理图像进行白平衡矫正。
进一步地，采用截断处理的方法对所述待处理图像进行白平衡矫正，截断处理的阈值采用第一阈值，包括：
将待处理图像由RGB空间转换至YCbCr空间，计算Cb的均值和方差，计算Cr的均值和方差，其中，Cb表示红色分量信息，Cr表示蓝色分量信息；
将待处理图像中符合预设规则的像素点确定为初始白色参考点，所述预设规则为：
|Cb-(Mb+Db×sign(Mb))|<r×Db
|Cr-(r×Mr+Dr×sign(Mr))|<r×Db
式中，Mb为Cb的均值，Mr为Cr的均值，Db为Cb的方差，Dr为Cr的方差；
将初始白色参考点钟亮度值前5％～15％的点作为最终白色参考点；
计算最终白色参考点的R、G、B三个通道像素的平均值；
计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
gainR＝Ymax/Ravgw
gainG＝Ymax/Gavgw
gainB＝Ymax/Bavgw
式中，gainR为R通道的补偿系数，gainG为G通道的补偿系数，gainB为B通道的补偿系数，Ravgw为R通道的平均值，Bavgw为B通道的平均值，Gavgw为G通道的平均值，Ymax表示将待处理图像转换至YCbCr通道后Y通道的最大值；
根据对角关系，用补偿系数调整待处理图像中各像素点的像素值：
R′＝Clip(gainR*R0)
G′＝Clip(gainG*G0)
B′＝Clip(gainB*B0)
式中，Clip(·)表示截断函数，即R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
进一步地，采用QCGP算法对所述待处理图像进行白平衡矫正，包括：
计算待处理图像的最大像素值以及第一变换系数，所述第一变换系数的计算公式为：
Kmax＝(Rmax+Bmax+Gmax)/3
式中，Kmax为第一变换系数，Rmax为待处理图像在R通道的最大像素值，Bmax为待处理图像在B通道的最大像素值，Gmax为待处理图像在G通道的最大像素值；
计算待处理图像的平均像素值以及第二变换系数，所述第二变换系数的计算公式为：
Kavg＝(Ravg+Bavg+Gavg)/3
式中，Kavg为第二变换系数，Ravg为待处理图像在R通道的平均像素值，Bavg为待处理图像在B通道的平均像素值，Gavg为待处理图像在G通道的平均像素值；
计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
uRRavg 2+vRRavg＝Kavg
uRRmax 2+vRRmax＝Kmax
uGGavg 2+vGGavg＝Kavg
uGGmax 2+vGGmax＝Kmax
uBBavg 2+vBBavg＝Kavg
uBBmax 2+vBBmax＝Kmax
式中，uR代表R通道二阶补偿系数，vR代表R通道一阶补偿系数，uG代表G通道二阶补偿系数，vG代表G通道一阶补偿系数，uB代表B通道二阶补偿系数，vB代表B通道一阶补偿系数；
根据补偿系数调整待处理图像中各个像素点的像素值：
R′＝uRR0 2+vRR0
G′＝uGG0 2+vGG0
B′＝uBB0 2+vBB0
式中，R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
进一步地，采用映射处理的方法对所述待处理图像进行白平衡矫正，映射处理的阈值采用第一阈值，包括：
将待处理图像由RGB空间转换至YCbCr空间，计算Cb的均值和方差，计算Cr的均值和方差，其中，Cb表示红色分量信息，Cr表示蓝色分量信息；
将待处理图像中符合预设规则的像素点确定为初始白色参考点，所述预设规则为：
|Cb-(Mb+Db×sign(Mb))|<r×Db
|Cr-(r×Mr+Dr×sign(Mr))|<r×Db
式中，Mb为Cb的均值，Mr为Cr的均值，Db为Cb的方差，Dr为Cr的方差；
将初始白色参考点钟亮度值前5％～15％的点作为最终白色参考点；
计算最终白色参考点的R、G、B三个通道像素的平均值；
计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
gainR＝Ymax/Ravgw
gainG＝Ymax/Gavgw
gainB＝Ymax/Bavgw
式中，gainR为R通道的补偿系数，gainG为G通道的补偿系数，gainB为B通道的补偿系数，Ravgw为R通道的平均值，Bavgw为B通道的平均值，Gavgw为G通道的平均值，Ymax表示将待处理图像转换至YCbCr通道后Y通道的最大值；
根据对角关系，用补偿系数调整待处理图像中各像素点的像素值：
R′＝Scale(gainR*R0)
G′＝Scale(gainG*G0)
B′＝Scale(gainB*B0)
其中，Scale(·)表示归一化函数，即R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值，X代表归一化处理的像素值，Xmin表示归一化后像素的最小值，Xmax表示归一化后像素的最大值。
进一步地，采用直方图均衡/平移算法对所述待处理图像进行白平衡矫正，包括：
分别计算待处理图像R、G、B三个通道的直方图峰值位置，并按照由小到大的顺序排序；
根据峰值差值矫正偏小与偏大的颜色通道：
R′＝R0+gmax-rmax
B′＝B0+gmax-bmax
式中，rmax为待处理图像R通道的直方图峰值位置，gmax为待处理图像G通道的直方图峰值位置，bmax为待处理图像B通道的直方图峰值位置，R0表示待处理图像中像素点R通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
根据本发明的第二方面，一种自适应白平衡装置，包括：
图像获取模块，用于获取待处理图像，所述待处理图像为RGB格式；
直方图统计模块，用于统计所述待处理图像的各个通道的像素分布直方图；
第一计算模块，用于计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例；
第二计算模块，用于计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例；
白平衡矫正模块，用于根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。
根据本发明的第三方面，一种电子设备，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行本发明的第一方面所述的自适应白平衡方法。
根据本发明的第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现本发明的第一方面所述的自适应白平衡方法。
本发明的有益效果是：
(1)现有的白平衡算法只适用于部分特定场景(如色彩丰富的场景画面，最亮点恰为白点的场景画面)，或容易丢失颜色细节信息(如基于直方图的算法)，对于复杂场景不具备普适性，在复杂场景的实际应用中会出现大范围失效或白平衡矫正错误。本发明引入各个色彩通道的频率信息作为先验判断，根据色彩分布特点将原始图片划分为四类，并设定阈值机制，自适应选择算法实现白平衡矫正；
(2)获取直方图需要统计图片的全局信息，对于8K超高清摄像机获取的数据而言，复杂度过高。由于不同采样尺度对颜色分布情况影响极其微小，本发明设计了降采样预处理，减少了图片像素值进而提高直方图统计与计算效率，确保应用直方图信息不会为整体流程带来过大的时间负担。
附图说明
图1为本发明中自适应白平衡方法的一种实施例的流程图；
图2为测试图片一；
图3为测试图片二；
图4为测试图片三；
图5为测试图片四；
图6为采用本发明方法进行白平衡处理后的测试图片一；
图7为采用本发明方法进行白平衡处理后的测试图片二；
图8为采用本发明方法进行白平衡处理后的测试图片三；
图9为采用本发明方法进行白平衡处理后的测试图片四；
图10为本发明中自适应白平衡方法的一种实施例的组成框图。
具体实施方式
下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1至图10，本发明提供一种自适应白平衡方法、装置、电子设备及存储介质：
本实施例的第一方面公开了一种自适应白平衡方法。如图1所示，所述自适应白平衡方法包括步骤S100至步骤S500。以下详细说明。
步骤S100.获取待处理图像，所述待处理图像为RGB格式。
例如，待处理图像的规格为7680(W)×4320(H)×3(Channels)。
步骤S200.统计所述待处理图像的各个通道的像素分布直方图。
步骤S300.计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例。
步骤S300中的亮度值指通过图像R、G、B三个通道的总像素和表示图像整体亮度，通常情况下，和越大，亮度越高。
步骤S400.计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例。
需要说明的是，步骤S300和步骤S400的执行顺序不受限制，即，步骤S300和步骤S400可以同时执行，也可以先执行步骤S300、再执行步骤S400，还可以先执行步骤S400、再执行步骤S300。
步骤S500.根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。
在一些实施例中，根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正，包括：
步骤S510.若第一比例大于第一阈值，且第二比例大于第二阈值，则采用截断处理的方法对所述待处理图像进行白平衡矫正，截断处理的阈值采用第一阈值。
所述第一阈值和第二阈值可以通过大规模数据集的测试选定，例如，第一阈值可以为0.7，第二阈值可以为0.15。
第一比例大于第一阈值，且第二比例大于第二阈值时，画面整体偏暗，且偏色不明显，此时具体矫正步骤如下：
步骤A1.将待处理图像由RGB空间转换至YCbCr空间，计算Cb的均值和方差，计算Cr的均值和方差，其中，Cb表示红色分量信息，Cr表示蓝色分量信息。
步骤A2.将待处理图像中符合预设规则的像素点确定为初始白色参考点，所述预设规则为：
|Cb-(Mb+Db×sign(Mb))|<r×Db
|Cr-(r×Mr+Dr×sign(Mr))|<r×Db
式中，Mb为Cb的均值，Mr为Cr的均值，Db为Cb的方差，Dr为Cr的方差。
步骤A3.将初始白色参考点钟亮度值前5％～15％的点作为最终白色参考点。
在一些实施例中，可以将初始白色参考点钟亮度值前10％的点作为最终白色参考点。
步骤A4.计算最终白色参考点的R、G、B三个通道像素的平均值。
步骤A5.计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
gainR＝Ymax/Ravgw
gainG＝Ymax/Gavgw
gainB＝Ymax/Bavgw
式中，gainR为R通道的补偿系数，gainG为G通道的补偿系数，gainB为B通道的补偿系数，Ravgw为R通道的平均值，Bavgw为B通道的平均值，Gavgw为G通道的平均值，Ymax表示将待处理图像转换至YCbCr通道后Y通道的最大值。
步骤A6.根据对角关系，用补偿系数调整待处理图像中各像素点的像素值：
R′＝Clip(gainR*R0)
G′＝Clip(gainG*G0)
B′＝Clip(gainB*B0)
式中，Clip(·)表示截断函数，即R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
步骤S520.若第一比例大于第一阈值，且第二比例小于等于第二阈值，则采用QCGP算法对所述待处理图像进行白平衡矫正。
第一比例大于第一阈值，且第二比例小于等于第二阈值时，画面整体偏暗，且偏色严重，此时具体矫正步骤如下：
步骤B1.计算待处理图像的最大像素值以及第一变换系数，所述第一变换系数的计算公式为：
Kmax＝(Rmax+Bmax+Gmax)/3
式中，Kmax为第一变换系数，Rmax为待处理图像在R通道的最大像素值，Bmax为待处理图像在B通道的最大像素值，Gmax为待处理图像在G通道的最大像素值。
步骤B2.计算待处理图像的平均像素值以及第二变换系数，所述第二变换系数的计算公式为：
Kavg＝(Ravg+Bavg+Gavg)/3
式中，Kavg为第二变换系数，Ravg为待处理图像在R通道的平均像素值，Bavg为待处理图像在B通道的平均像素值，Gavg为待处理图像在G通道的平均像素值。
步骤B3.计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
uRRavg 2+vRRavg＝Kavg
uRRmax 2+vRRmax＝Kmax
uGGavg 2+vGGavg＝Kavg
uGGmax 2+vGGmax＝Kmax
uBBavg 2+vBBavg＝Kavg
uBBmax 2+vBBmax＝Kmax
式中，uR代表R通道二阶补偿系数，vR代表R通道一阶补偿系数，uG代表G通道二阶补偿系数，vG代表G通道一阶补偿系数，uB代表B通道二阶补偿系数，vB代表B通道一阶补偿系数。
步骤B4.根据补偿系数调整待处理图像中各个像素点的像素值：
R′＝uRR02+vRR0
G′＝uGG02+vGG0
B′＝uBB02+vBB0
式中，R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
步骤S530.若第一比例小于等于第一阈值，且第二比例大于第二阈值，则采用映射处理的方法对所述待处理图像进行白平衡矫正，映射处理的阈值采用第一阈值。
第一比例小于等于第一阈值，且第二比例大于第二阈值时，画面整体偏亮，且偏色不明显，此时具体矫正步骤如下：
步骤C1.将待处理图像由RGB空间转换至YCbCr空间，计算Cb的均值和方差，计算Cr的均值和方差，其中，Cb表示红色分量信息，Cr表示蓝色分量信息。
将待处理图像中符合预设规则的像素点确定为初始白色参考点，所述预设规则为：
|Cb-(Mb+Db×sign(Mb))|<r×Db
|Cr-(r×Mr+Dr×sign(Mr))|<r×Db
式中，Mb为Cb的均值，Mr为Cr的均值，Db为Cb的方差，Dr为Cr的方差。
步骤C2.将初始白色参考点钟亮度值前5％～15％的点作为最终白色参考点。
在一些实施例中，可以将初始白色参考点钟亮度值前10％的点作为最终白色参考点。
步骤C3.计算最终白色参考点的R、G、B三个通道像素的平均值。
步骤C4.计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
gainR＝Ymax/Ravgw
gainG＝Ymax/Gavgw
gainB＝Ymax/Bavgw
式中，gainR为R通道的补偿系数，gainG为G通道的补偿系数，gainB为B通道的补偿系数，Ravgw为R通道的平均值，Bavgw为B通道的平均值，Gavgw为G通道的平均值，Ymax表示将待处理图像转换至YCbCr通道后Y通道的最大值。
步骤C5.根据对角关系，用补偿系数调整待处理图像中各像素点的像素值：
R′＝Scale(gainR*R0)
G′＝Scale(gainG*G0)
B′＝Scale(gainB*B0)
其中，Scale(·)表示归一化函数(Min-Max Scaling)，即R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值，X代表归一化处理的像素值；Xmin表示归一化后像素的最小值，此处设定为0；Xmax表示归一化后像素的最大值，此处设定为255。
步骤S540.若第一比例小于等于第一阈值，且第二比例小于等于第二阈值，则采用直方图均衡/平移算法对所述待处理图像进行白平衡矫正。
第一比例小于等于第一阈值，且第二比例小于等于第二阈值时，画面整体偏亮，且偏色严重，此时具体矫正步骤如下：
步骤D1.分别计算待处理图像R、G、B三个通道的直方图峰值位置，并按照由小到大的顺序排序。
步骤D2.根据峰值差值矫正偏小与偏大的颜色通道：
R′＝R0+gmax-rmax
B′＝B0+gmax-bmax
式中，rmax为待处理图像R通道的直方图峰值位置，gmax为待处理图像G通道的直方图峰值位置，bmax为待处理图像B通道的直方图峰值位置，R0表示待处理图像中像素点R通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
该步骤中的“偏大和偏小”是指步骤D1中R、G、B三个通道按照由小到大的顺序排序中最大和最小的。以R<G<B为例，则偏小的颜色通道为R，偏大的颜色通道为B，峰值差值由公式中的(g_max-r_max)以及(g_max-b_max)计算得到。
在一些实施例中，所述自适应白平衡方法还包括：在统计所述待处理图像的各个通道的像素分布直方图之前，对所述待处理图像进行降采样。
例如，待处理图像的格式由7680(W)×4320(H)×3(Channels)变为1920(W)×1080(H)×3(Channels)，降采样的过程减少了像素值，进而提高了后续直方图计算效率。
本实施例的方法简单有效，具备通用性与鲁棒性，适用于不同明暗程度、偏色程度的复杂场景。本实施例的方法不仅适用于8K图像的处理，而且还兼容4K，1080P等格式。相较于常用的自动白平衡算法，本实施例的方法引入各个色彩通道的频率信息作为先验判断，实现了不同算法的自适应选择，更加高效准确地实现了白平衡。
本实施例的方法在存在不同明暗程度、不同偏色程度复杂场景的8K图片数据集(示例图片如图2、图3、图4和图5所示)上进行了测试。白平衡矫正效果如图6、图7、图8和图9所示，可以看到，本实施例的方法适用范围极广，在不同类型的场景中均取得了较好的白平衡效果，改善了人眼视觉感官。
本实施例的第二方面提供了一种自适应白平衡装置。如图10所示，所述自适应白平衡装置包括图像获取模块、直方图统计模块、第一计算模块、第二计算模块和白平衡矫正模块。
图像获取模块，用于获取待处理图像，所述待处理图像为RGB格式。关于所述图像获取模块的具体描述可参对所述步骤S100的描述。
直方图统计模块，用于统计所述待处理图像的各个通道的像素分布直方图。关于所述直方图统计模块的具体描述可参对所述步骤S200的描述。
第一计算模块，用于计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例。关于所述第一计算模块的具体描述可参对所述步骤S300的描述。
第二计算模块，用于计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例。关于所述第二计算模块的具体描述可参对所述步骤S400的描述。
白平衡矫正模块，用于根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。关于所述白平衡矫正模块的具体描述可参对所述步骤S500的描述。
本实施例的第三方面提供了一种电子设备，所述电子设备包括存储器和处理器。所述存储器存储执行指令；所述处理器执行所述存储器存储的执行指令，使得所述处理器执行本实施例的第一方面所述的自适应白平衡方法。
本实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现本实施例的第一方面所述的自适应白平衡方法。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种自适应白平衡方法，其特征在于，包括：
获取待处理图像，所述待处理图像为RGB格式；
统计所述待处理图像的各个通道的像素分布直方图；
计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例；
计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例；
根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。
2.根据权利要求1所述的一种自适应白平衡方法，其特征在于，所述自适应白平衡方法还包括：
在统计所述待处理图像的各个通道的像素分布直方图之前，对所述待处理图像进行降采样。
3.根据权利要求1所述的一种自适应白平衡方法，其特征在于，根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正，包括：
若第一比例大于第一阈值，且第二比例大于第二阈值，则采用截断处理的方法对所述待处理图像进行白平衡矫正，截断处理的阈值采用第一阈值；
若第一比例大于第一阈值，且第二比例小于等于第二阈值，则采用QCGP算法对所述待处理图像进行白平衡矫正；
若第一比例小于等于第一阈值，且第二比例大于第二阈值，则采用映射处理的方法对所述待处理图像进行白平衡矫正，映射处理的阈值采用第一阈值；
若第一比例小于等于第一阈值，且第二比例小于等于第二阈值，则采用直方图均衡/平移算法对所述待处理图像进行白平衡矫正。
4.根据权利要求3所述的一种自适应白平衡方法，其特征在于，采用截断处理的方法对所述待处理图像进行白平衡矫正，截断处理的阈值采用第一阈值，包括：
将待处理图像由RGB空间转换至YCbCr空间，计算Cb的均值和方差，计算Cr的均值和方差，其中，Cb表示红色分量信息，Cr表示蓝色分量信息；
将待处理图像中符合预设规则的像素点确定为初始白色参考点，所述预设规则为：
|Cb-(Mb+Db×sign(Mb))|<r×Db
|Cr-(r×Mr+Dr×sign(Mr))|<r×Db
式中，Mb为Cb的均值，Mr为Cr的均值，Db为Cb的方差，Dr为Cr的方差；
将初始白色参考点钟亮度值前5％～15％的点作为最终白色参考点；
计算最终白色参考点的R、G、B三个通道像素的平均值；
计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
gainR＝Ymax/Ravgw
gainG＝Ymax/Gavgw
gainB＝Ymax/Bavgw
式中，gainR为R通道的补偿系数，gainG为G通道的补偿系数，gainB为B通道的补偿系数，Ravgw为R通道的平均值，Bavgw为B通道的平均值，Gavgw为G通道的平均值，Ymax表示将待处理图像转换至YCbCr通道后Y通道的最大值；
根据对角关系，用补偿系数调整待处理图像中各像素点的像素值：
R′＝Clip(gainR*R0)
G′＝Clip(gainG*G0)
B′＝Clip(gainB*B0)
式中，Clip(·)表示截断函数，即R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
5.根据权利要求3所述的一种自适应白平衡方法，其特征在于，采用QCGP算法对所述待处理图像进行白平衡矫正，包括：
计算待处理图像的最大像素值以及第一变换系数，所述第一变换系数的计算公式为：
Kmax＝(Rmax+Bmax+Gmax)/3
式中，Kmax为第一变换系数，Rmax为待处理图像在R通道的最大像素值，Bmax为待处理图像在B通道的最大像素值，Gmax为待处理图像在G通道的最大像素值；
计算待处理图像的平均像素值以及第二变换系数，所述第二变换系数的计算公式为：
Kavg＝(Ravg+Bavg+Gavg)/3
式中，Kavg为第二变换系数，Ravg为待处理图像在R通道的平均像素值，Bavg为待处理图像在B通道的平均像素值，Gavg为待处理图像在G通道的平均像素值；
计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
uRRavg 2+vRRavg＝Kavg
uRRmax 2+vRRmax＝Kmax
uGGavg 2+vGGavg＝Kavg
uGGmax 2+vGGmax＝Kmax
uBBavg 2+vBBavg＝Kavg
uBBmax 2+vBBmax＝Kmax
式中，uR代表R通道二阶补偿系数，vR代表R通道一阶补偿系数，uG代表G通道二阶补偿系数，vG代表G通道一阶补偿系数，uB代表B通道二阶补偿系数，vB代表B通道一阶补偿系数；
根据补偿系数调整待处理图像中各个像素点的像素值：
R′＝uRR0 2+vRR0
G′＝uGG0 2+vGG0
B′＝uBB0 2+vBB0
式中，R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
6.根据权利要求3所述的一种自适应白平衡方法，其特征在于，采用映射处理的方法对所述待处理图像进行白平衡矫正，映射处理的阈值采用第一阈值，包括：
将待处理图像由RGB空间转换至YCbCr空间，计算Cb的均值和方差，计算Cr的均值和方差，其中，Cb表示红色分量信息，Cr表示蓝色分量信息；
将待处理图像中符合预设规则的像素点确定为初始白色参考点，所述预设规则为：
|Cb-(Mb+Db×sign(Mb))|<r×Db
|Cr-(r×Mr+Dr×sign(Mr))|<r×Db
式中，Mb为Cb的均值，Mr为Cr的均值，Db为Cb的方差，Dr为Cr的方差；
将初始白色参考点钟亮度值前5％～15％的点作为最终白色参考点；
计算最终白色参考点的R、G、B三个通道像素的平均值；
计算待处理图像中各个通道的补偿系数，补偿系数的计算公式为：
gainR＝Ymax/Ravgw
gainG＝Ymax/Gavgw
gainB＝Ymax/Bavgw
式中，gainR为R通道的补偿系数，gainG为G通道的补偿系数，gainB为B通道的补偿系数，Ravgw为R通道的平均值，Bavgw为B通道的平均值，Gavgw为G通道的平均值，Ymax表示将待处理图像转换至YCbCr通道后Y通道的最大值；
根据对角关系，用补偿系数调整待处理图像中各像素点的像素值：
R′＝Scale(gainR*R0)
G′＝Scale(gainG*G0)
B′＝Scale(gainB*B0)
其中，Scale(·)表示归一化函数，即R0表示待处理图像中像素点R通道的原始像素值，G0表示待处理图像中像素点G通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，G′表示待处理图像中像素点G通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值，X代表归一化处理的像素值，Xmin表示归一化后像素的最小值，Xmax表示归一化后像素的最大值。
7.根据权利要求3所述的一种自适应白平衡方法，其特征在于，采用直方图均衡/平移算法对所述待处理图像进行白平衡矫正，包括：
分别计算待处理图像R、G、B三个通道的直方图峰值位置，并按照由小到大的顺序排序；
根据峰值差值矫正偏小与偏大的颜色通道：
R′＝R0+gmax-rmax
B′＝B0+gmax-bmax
式中，rmax为待处理图像R通道的直方图峰值位置，gmax为待处理图像G通道的直方图峰值位置，bmax为待处理图像B通道的直方图峰值位置，R0表示待处理图像中像素点R通道的原始像素值，B0表示待处理图像中像素点B通道的原始像素值，R′表示待处理图像中像素点R通道的最终像素值，B′表示待处理图像中像素点B通道的最终像素值。
8.一种自适应白平衡装置，其特征在于，包括：
图像获取模块，用于获取待处理图像，所述待处理图像为RGB格式；
直方图统计模块，用于统计所述待处理图像的各个通道的像素分布直方图；
第一计算模块，用于计算所述待处理图像中亮度值在预设的亮度阈值以下的像素点的比例，记为第一比例；
第二计算模块，用于计算所述待处理图像中R、G、B三个通道重叠像素点的比例，记为第二比例；
白平衡矫正模块，用于根据所述第一比例和第二比例确定白平衡算法，并利用所述白平衡算法对所述待处理图像进行白平衡矫正。
9.一种电子设备，其特征在于，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行权利要求1至7中任意一项所述的自适应白平衡方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至7中任意一项所述的自适应白平衡方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310574991.3A CN116489330A (zh) | 2023-05-19 | 2023-05-19 | 一种自适应白平衡方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310574991.3A CN116489330A (zh) | 2023-05-19 | 2023-05-19 | 一种自适应白平衡方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116489330A true CN116489330A (zh) | 2023-07-25 |
Family
ID=87225217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310574991.3A Pending CN116489330A (zh) | 2023-05-19 | 2023-05-19 | 一种自适应白平衡方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116489330A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117579813A (zh) * | 2024-01-16 | 2024-02-20 | 四川新视创伟超高清科技有限公司 | 一种焦深区域成像芯片位姿角度矫正方法及矫正*** |
-
2023
- 2023-05-19 CN CN202310574991.3A patent/CN116489330A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117579813A (zh) * | 2024-01-16 | 2024-02-20 | 四川新视创伟超高清科技有限公司 | 一种焦深区域成像芯片位姿角度矫正方法及矫正*** |
| CN117579813B (zh) * | 2024-01-16 | 2024-04-02 | 四川新视创伟超高清科技有限公司 | 一种焦深区域成像芯片位姿角度矫正方法及矫正*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
| US8035871B2 (en) | Determining target luminance value of an image using predicted noise amount | |
| EP0957629A2 (en) | Processing of scanned negative films | |
| CN109325922A (zh) | 一种图像自适应增强方法、装置及图像处理设备 | |
| CN112734650A (zh) | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 | |
| CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
| CN116489330A (zh) | 一种自适应白平衡方法、装置、电子设备及存储介质 | |
| CN111462166A (zh) | 一种基于直方图均衡化光流法的视频稳像方法和*** | |
| Yu et al. | Adaptive inverse hyperbolic tangent algorithm for dynamic contrast adjustment in displaying scenes | |
| CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
| CN109348207B (zh) | 色温调节方法、图像处理方法及装置、介质和电子设备 | |
| CN117156289A (zh) | 色彩风格校正方法、***、电子设备、存储介质及芯片 | |
| CN113706400A (zh) | 图像矫正方法、装置、显微镜图像的矫正方法及电子设备 | |
| WO2023284528A1 (zh) | 一种图像增强方法、装置、计算机设备和存储介质 | |
| CN114266803A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN115293989A (zh) | 一种综合MsRcR和自动色阶的图像增强方法 | |
| Johnson | Cares and concerns of CIE TC8-08: spatial appearance modeling and HDR rendering | |
| WO2021223205A1 (en) | Encoder, decoder, system, and method for determining tone mapping curve parameters | |
| CN114445300A (zh) | 一种双曲正切变形函数变换的非线性水下图像增益算法 | |
| CN111738949A (zh) | 一种图像亮度的调整方法、装置、电子设备及存储介质 | |
| Peicheng et al. | Backlit image enhancement based on illumination-reflection imaging model | |
| CN112446878B (zh) | 一种基于联合熵的彩色图像质量评价方法 | |
| CN118195980B (zh) | 一种基于灰度变换的暗部细节增强方法 | |
| CN115118947B (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
| CN113989138B (zh) | 一种脸部肌肤图像炎症提取并形成红区光谱的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |