TWI660633B - 基於膚色資訊的白平衡校正方法及其影像處理裝置 - Google Patents

基於膚色資訊的白平衡校正方法及其影像處理裝置 Download PDF

Info

Publication number
TWI660633B
TWI660633B TW107112711A TW107112711A TWI660633B TW I660633 B TWI660633 B TW I660633B TW 107112711 A TW107112711 A TW 107112711A TW 107112711 A TW107112711 A TW 107112711A TW I660633 B TWI660633 B TW I660633B
Authority
TW
Taiwan
Prior art keywords
information
color
component
average
weight
Prior art date
Application number
TW107112711A
Other languages
English (en)
Other versions
TW201944774A (zh
Inventor
蕭晶如
黃文聰
Original Assignee
瑞昱半導體股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 瑞昱半導體股份有限公司 filed Critical 瑞昱半導體股份有限公司
Priority to TW107112711A priority Critical patent/TWI660633B/zh
Priority to US16/171,813 priority patent/US10757386B2/en
Application granted granted Critical
Publication of TWI660633B publication Critical patent/TWI660633B/zh
Publication of TW201944774A publication Critical patent/TW201944774A/zh

Links

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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Processing Of Color Television Signals (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本發明提供一種基於膚色資訊的白平衡校正方法及其影像處理裝置，其針對輸入影像中的膚色資訊做適應性地權重分配，以避免過多的膚色資訊造成白平衡校正的偏誤，進而可解決在視訊應用中大量膚色資訊容易干擾白平衡校正的問題，並能適應不同色溫環境下的變化，還原出更接近真實世界顏色表現。

Description

基於膚色資訊的白平衡校正方法及其影像處理裝置
本發明提供一種白平衡校正方法及其影像處理裝置，特別是關於一種基於膚色資訊的白平衡校正方法及其影像處理裝置。
人眼能夠自動適應不同環境色溫下的色彩，使得白色在不同色溫的燈泡或陽光照射下，人眼看起來都會是白色。而對於影像處理裝置而言，在未經過白平衡處理的情況下，晴空陽光下的白色會偏藍色，低色溫燈泡下的白色則會偏黃色。而白平衡校正方法即是在補償不同色溫下的白色，使影像處理裝置在不同色溫下都會顯示白色。
習知的白平衡校正方法有灰度世界法(Gray World)和完美反射法(Perfect Reflector)。灰度世界法係假設整張影像的RGB三個分量的平均值會趨近於同一個灰度值。但是當影像的色彩過於單一化時，白平衡的結果就容易受到此單一色彩的影響。而完美反射法係假設影像中擁有最大亮度值之像素為白色，且以此像素為參考值對影像進行校正。然而當影像最亮的像素不是白色時，白平衡就會出現錯誤。
更進一步來說，傳統的灰度世界法統計輸入影像中的所有像素來計算當前的灰度值。而基於硬體設計的考量，會將影像分割為M*N個視窗，計算每個視窗內像素值的色彩平均值，以此 M*N個統計資訊在色彩空間上的座標，來計算白平衡的增益值。為了達到更好的自動白平衡效果，通常會預先校正一色溫曲線，其代表的是白色在不同色溫下的分布趨勢，接著定義涵蓋此曲線的區域(稱之為白色區域)，當統計資訊落於白色區域之內，才會納入計算最後的灰度值。
而在視訊應用中，使用者臉部通常會占據視訊畫面內容的絕大部分比例。而臉部的這些大量膚色資訊容易干擾白平衡的結果。由於膚色資訊在色彩空間上的分布與低色溫下的白色相當接近，習知白平衡校正方法無法在白色區域內完全排除膚色資訊。但是若將膚色資訊納入白平衡統計資訊，容易被認為是低色溫環境，而給予較強的藍色增益值，造成畫面整體的偏藍色現象。因此，有必要排除在白色區域內的膚色資訊。
本發明之目的在於提供了一種基於膚色資訊的白平衡校正方法及其影像處理裝置，其可減少膚色資訊所造成的影響，並能適應不同色溫環境下的變化，還原出更接近真實世界顏色表現。
本發明實施例提供一種基於膚色資訊的白平衡校正方法，且適用於一影像處理裝置。基於膚色資訊的白平衡校正方法包括如下步驟：(A)接收一輸入影像之多個像素資訊，且每一個像素資訊包括一第一色彩分量、一第二色彩分量與一第三色彩分量；(B)將輸入影像分成多個區塊，且於每一個區塊中計算這些第一色彩分量的一第一平均分量、這些第二色彩分量的一第二平均分量與這些第三色彩分量的一第三平均分量；(C)於每一個區塊中，根據第一平均分量、第二平均分量與第三平均分量計算一第一資訊與一第二資訊；(D)根據第一資訊與第二資訊將每一個區塊對應到一色彩空間的一位置座標，而色彩空間建立有代表白色在不同色溫下的一白色區域，且建立有代表膚色在不同色溫下的一膚色 區域；(E)判斷位於白色區域與膚色區域的一交集區域的這些區塊的一數量是否小於一預定數量。若數量小於預定數量，分別加權平均白色區域中的每一個區塊的第一資訊與第二資訊以對應產生一第一權重與一第二權重，且透過一預設精度將第一權重與第二權重轉換成一第一增益值與一第二增益值，其中每一個第一資訊與每一個第二資訊的加權值小於等於1；以及(F)根據第一增益值與第二增益值調整每一個像素資訊的第一色彩分量、第二色彩分量與第三色彩分量。
另外，在判斷位於白色區域與膚色區域的交集區域的這些區塊的數量是否小於預定數量的過程中，若該數量大於等於該預定數量，分別平均該白色區域中的每一該區塊的該第一資訊與該第二資訊以對應產生一第一平均值與一第二平均值，且透過該預設精度分別將該第一平均值與該第二平均值轉換成該第一增益值與該第二增益值，其中該第一平均值高於該第一權重且該第二平均值高於該第二權重。
本發明實施例提供一種影像處理裝置。影像處理裝置包括一影像擷取裝置與一影像處理器。影像擷取裝置接收一輸入影像，且輸入影像具有多個像素資訊。影像處理器電連接影像擷取裝置，且用以執行下列步驟：(A)接收輸入影像之多個像素資訊，且每一個像素資訊包括一第一色彩分量、一第二色彩分量與一第三色彩分量；(B)將輸入影像分成多個區塊，且於每一個區塊中計算這些第一色彩分量的一第一平均分量、這些第二色彩分量的一第二平均分量與這些第三色彩分量的一第三平均分量；(C)於每一個區塊中，根據第一平均分量、第二平均分量與第三平均分量計算一第一資訊與一第二資訊；(D)根據第一資訊與第二資訊將每一個區塊對應到一色彩空間的一位置座標，而色彩空間建立有代表白色在不同色溫下的一白色區域，且建立有代表膚色在不同色溫下的一膚色區域；(E)判斷位於白色區域與膚色區域的一 交集區域的這些區塊的一數量是否小於一預定數量。若數量小於預定數量，分別加權平均白色區域中的每一個區塊的第一資訊與第二資訊以對應產生一第一權重與一第二權重，且透過一預設精度將第一權重與第二權重轉換成一第一增益值與一第二增益值，其中每一個第一資訊與每一個第二資訊的加權值小於等於1；以及(F)根據第一增益值與第二增益值調整每一個像素資訊的第一色彩分量、第二色彩分量與第三色彩分量。
綜合以上所述，本發明實施例所提供的基於膚色資訊的白平衡校正方法及其影像處理裝置，其針對輸入影像中的膚色資訊做適應性地權重分配，以避免過多的膚色資訊造成白平衡校正的偏誤，進而可解決在視訊應用中大量膚色資訊容易干擾白平衡校正的問題，並能適應不同色溫環境下的變化，還原出更接近真實世界顏色表現。
為使能更進一步瞭解本發明之特徵及技術內容，請參閱以下有關本發明之詳細說明與附圖，但是此等說明與所附圖式僅係用來說明本發明，而非對本發明的權利範圍作任何的限制。
100‧‧‧影像處理裝置
110‧‧‧影像擷取裝置
120‧‧‧影像處理器
Im‧‧‧輸入影像
P0-Pn‧‧‧像素資訊
P0’-Pn’‧‧‧調整後的像素資訊
S210、S220、S230、S240、S250、S260、S265、S270、S275、S280‧‧‧步驟
BLK‧‧‧區塊
Rav‧‧‧第一平均分量
Gav‧‧‧第二平均分量
Bav‧‧‧第三平均分量
Wa‧‧‧交集區域
Wb‧‧‧非交集區域
WT‧‧‧白色區域
SK、SK1、SK2‧‧‧膚色區域
SPA、SPA1、SPA2‧‧‧色彩空間
D1‧‧‧預定距離
D50‧‧‧高色溫
CWF‧‧‧中色溫
LGT‧‧‧低色溫
CV‧‧‧膚色曲線
Ire‧‧‧區域影像
A1、A2、A3、A4、A5、A6、A7、A8、A9‧‧‧膚色座標
S262、S264‧‧‧步驟
S1、S2、S3、S4、S5、S6、S7、S8、S9‧‧‧像素資訊
圖1是本發明一實施例之影像處理裝置的示意圖。
圖2是本發明一實施例之基於膚色資訊的白平衡校正方法的流程圖。
圖3是本發明一實施例之輸入影像的多個像素資訊的示意圖。
圖4是本發明一實施例之每一個區塊的第一平均分量、第二平均分量與第三平均分量的示意圖。
圖5是本發明一實施例之每一個區塊的第一資訊與第二資訊的示意圖。
圖6是本發明一實施例之色彩空間與每一個區塊的位置關 係圖。
圖7是本發明一實施例之色彩空間中的膚色區域的示意圖。
圖8A是本發明一實施例之輸入影像中的膚色資訊的示意圖。
圖8B是本發明另一實施例之色彩空間中的膚色區域的示意圖。
圖9A是本發明一實施例之步驟S260的示意圖。
圖9B是本發明一實施例之交集區域的數量與權重值的關係圖。
在下文中，將藉由圖式說明本發明之各種例示實施例來詳細描述本發明。然而，本發明概念可能以許多不同形式來實現，且不應解釋為限於本文中所闡述之例示性實施例。此外，圖式中相同參考數字可用以表示類似的元件。
本發明實施例所提供的基於膚色資訊的白平衡校正方法及其影像處理裝置，其先將輸入影像分成多個區塊並計算每個區塊中的像素平均值。接著在色彩空間中統計代表白色在不同色溫下的白色區域內的區塊個數以及代表膚色在不同色溫下的膚色區域內的區塊個數，並根據上述結果對白色區域內的區塊作權重分配以藉此產生白平衡增益值。最後，將輸入影像中的每一個像素乘上白平衡增益值以完成白平衡校正方法。以下將進一步介紹本發明揭露之基於膚色資訊的白平衡校正方法及其影像處理裝置。
首先，請參考圖1，其顯示本發明一實施例之影像處理裝置的示意圖。如圖1所示，影像處理裝置100為用來對一輸入影像Im中的每一個像素資訊P0-Pn進行白平衡校正，使得輸入影像Im可以排除在白色區域內的膚色資訊並根據不同色溫下的白色來調整每個像素資訊P0-Pn，進而輸出調整後的像素資訊 P0’-Pn’。在本實施例中，影像處理裝置100可為智慧型手機、數位相機、監控式系統、網路攝影機或其他會執行白平衡校正的影像處理裝置，本發明對此不作限制。
影像處理裝置100包括一影像擷取裝置110與一影像處理器120。如圖1與3所示，影像擷取裝置110接收輸入影像Im，且輸入影像Im具有多個像素資訊P0-Pn。在本實施例中，影像擷取裝置110可以是照相機、攝影機或其他可以用來擷取前方的景物的電子裝置，本發明對此不作限制。而輸入影像Im的影像大小為15*12=180個像素資訊(即一列有15個像素資訊且共有12列)。
影像處理器120電連接影像擷取裝置110，且用以執行下列步驟，以對輸入影像Im中的每一個像素資訊P0-Pn進行白平衡校正，使得輸入影像Im可以排除在白色區域內的膚色資訊並根據不同色溫下的白色來調整每個像素資訊P0-Pn，進而輸出調整後的像素資訊P0’-Pn’。
請同時參考圖1-3。圖2顯示本發明一實施例之基於膚色資訊的白平衡校正方法的流程圖。首先，影像處理器120接收輸入影像Im中的每個像素資訊P0-Pn(步驟S210)。每個像素資訊P0-Pn具有一第一色彩分量、一第二色彩分量與一第三色彩分量。在本實施例中，第一色彩分量代表一紅色色度R、第二色彩分量代表一綠色色度G且第三色彩分量代表一藍色色度B，即RGB色彩空間下的三個分量。在其他實施例中，第一色彩分量代表一亮度Y、第二色彩分量代表一藍色色度Cb與第三色彩分量代表一紅色色度Cr，即YCbCr色彩空間下的三個分量。當然，像素資訊P0-Pn也可以是在其他色彩空間，本發明對此不作限制。
接著，影像處理器120將輸入影像Im分成多個區塊BLK，且於每一個區塊BLK中計算這些第一色彩分量的一第一平均分 量、這些第二色彩分量的一第二平均分量與這些第三色彩分量的一第三平均分量(步驟S220)。更進一步來說，在每一個區塊BLK中，影像處理器120將平均對應的第一色彩分量以產生對應區塊BLK的第一平均分量，平均對應的第二色彩分量以產生對應區塊BLK的第二平均分量，且平均對應的第三色彩分量以產生對應區塊BLK的第三平均分量。
請同時參考圖3，在本實施例中，輸入影像Im具有180個像素資訊，且第一色彩分量、第二色彩分量與第三色彩分量為RGB色彩空間下的三個分量。輸入影像Im分成20個區塊BLK，且每一個區塊BLK具有9個像素資訊。值得注意的是，第一個至第六個、第十個至第十一個與第十五個區塊BLKs(即斜線部分)在真實世界顏色(即沒有受到膚色資訊與色溫干擾的顏色)為灰色；第七個至第九個與第十二個至第十四個區塊BLKs(即點狀部分)在真實世界顏色為橘色；以及第十六個至第二十個區塊BLKs在真實世界顏色為黃色。
然而，若20個區塊BLK遭受到膚色資訊與色溫干擾時，20個區塊BLK中的每一個像素資訊將會改變，使得每一個區塊BLK的第一平均分量Rav、第二平均分量Gav與第三平均分量Bav會改變為圖4中的數值。請同時參考圖3-4，以第一個區塊BLK為例作說明，9個像素資訊P0、P1、P2、P15、P16、P17、P30、P31、P32的像素值如下表<一>所示。
像素資訊P0-P2、P15-P17與P30-P32的第一色彩分量的第一平均分量Rav為(97+95+94+95+94+95+96+96+93)/9=95；像素 資訊P0-P2、P15-P17與P30-P32的第二色彩分量的第二平均分量Gav為(195+191+193+189+190+188+192+187+185)/9=190；以及像素資訊P0-P2、P15-P17與P30-P32的第三色彩分量的第三平均分量Bav為(80+81+79+82+79+80+78+80+81)/9=80。藉此，請同時參考圖4，第一個區塊BLK的第一平均分量Rav、第二平均分量Gav與第三平均分量Bav分別為(Rav,Gav,Bav)=(95,190,80)。而其他區塊BLK的第一平均分量、第二平均分量與第三平均分量也是依照此方式計算且顯示在圖4中，故在此不再贅述。
在取得每一個區塊BLK的第一平均分量、第二平均分量與第三平均分量(即步驟S220)後，影像處理器120將根據對應的第一平均分量、對應的第二平均分量與對應的第三平均分量計算對應的區塊BLK的一第一資訊與一第二資訊(步驟S230)。
承接上述實施例並請同時參考圖4-5，在取得20個區塊BLK的第一平均分量Rav、第二平均分量Gav與第三平均分量Bav後，影像處理器120在第一個區塊BLK將第二平均分量Gav除以第三平均分量Bav並乘上一預設精度(在本例子為8單位)以產生第一資訊為Gav/Bav=190/80*8=19，且將第二平均分量Gav除以第一平均分量Rav並乘上預設精度以產生第二資訊為Gav/Rav=190/95*8=16。再舉例來說，影像處理器120在最後一個區塊BLK將第二平均分量Gav除以第三平均分量Bav並乘上預設精度以產生第一資訊為Gav/Bav=185/40*8=37，且將第二平均分量Gav除以第一平均分量Bav並乘上預設精度以產生第二資訊為Gav/Rav=185/114*8=13。其他區塊BLK的第一資訊與第二資訊也是依照此方式計算且顯示在圖5中，故在此不再贅述。
而在其他實施例中，若第一色彩分量、第二色彩分量與第三色彩分量分別代表亮度Y、藍色色度Cb與紅色色度Cr，影像處理器120也可依照上述方式計算對應的第一平均分量、第二平均 分量與第三平均分量。再來，影像處理器120可直接將第二平均分量(即藍色色度Cb)作為第一資訊，且將第三平均分量(即紅色色度Cr)作為第二資訊，本發明對此不作限制。
再請回到圖2，於步驟S220後，影像處理器120將根據第一資訊與第二資訊將每一個區塊BLK對應到一色彩空間SPA的一位置座標(步驟S240)。承接上述實施例並同時參考圖5-6，本實施例的色彩空間SPA是由第一資訊Gav/Bav與第二資訊Gav/Rav形成。以第一個區塊BLK來說，影像處理器120將第一個區塊BLK的第一資訊(即數值19)與第二資訊(即數值16)對應到色彩空間SPA的位置座標(Gav/Bav,Gav/Rav)=(19,16)，且以色彩空間SPA的圓形作表示。
類似地，以第七個區塊BLK來說，影像處理器120將第一個區塊BLK的第一資訊(即數值24)與第二資訊(即數值12)對應到色彩空間SPA的位置座標(Gav/Bav,Gav/Rav)=(24,12)，且以色彩空間SPA的三角形作表示。類似地，以最後一個區塊BLK來說，影像處理器120將第一個區塊BLK的第一資訊(即數值37)與第二資訊(即數值13)對應到色彩空間SPA的位置座標(Gav/Bav,Gav/Rav)=(37,13)，且以色彩空間SPA的正方形作表示。
藉此，20個區塊BLK將對應到色彩空間SPA中的20個座標位置。在色彩空間SPA中有9個區塊BLK位於相同的位置座標(19,16)(以圓形表示)，有6個區塊BLK位於相同的位置座標(24,12)(以三角形表示)，且有5個區塊BLK位於相同的位置座標(37,12)(以正方形表示)。
值得注意的是，色彩空間SPA建立有代表白色在不同色溫下的一白色區域WT(如圖6中的實線範圍內)，且建立有代表膚色在不同色溫下的一膚色區域SK(如圖6中的虛線範圍內)。在本實施例中，白色區域WT是預先在不同的色溫下定義在色彩空 間SPA中的區域範圍，且有關定義色彩空間SPA中的白色區域WT的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。
此外，膚色區域SK可以預先在不同的色溫下定義在色彩空間SPA中的區域範圍、可以是影像處理器120在取得輸入影像Im後統計關聯於人臉色彩的膚色以定義膚色區域SK在色彩空間SPA中的區域範圍，又或者可以其他方式來定義膚色區域SK，本發明對此不作限制。
舉例來說，使用者預先製作膚色卡並根據膚色卡上的顏色建立色彩空間SPA中的膚色區域SK。再舉例來說，如圖7所示，使用者透過影像處理器120計算膚色在不同色溫(如高色溫D50、中色溫CWF與低色溫LGT)下的一膚色曲線CV，並接著往膚色曲線CV的周圍方向擴散一預定距離D1以形成色彩空間SPA1的膚色區域SK1。
又舉例來說，如圖8A所示，當影像擷取裝置110接收到輸入影像Im後，影像處理器120將在輸入影像Im中擷取代表一人臉的一區域影像Ire。接著，同時參考圖8B，在區域影像Ire的每一個像素資訊S1、S2、S3、S4、S5、S6、S7、S8、S9中，影像處理器120將根據對應的第一色彩分量、對應的第二色彩分量與對應的第三色彩分量將此區域影像Re中的每一個像素資訊S1-S9分別對應到色彩空間SPA2中的一膚色座標A1、A2、A3、A4、A5、A6、A7、A8、A9。最後影像處理器120再根據每一個膚色座標A1-A9建立色彩空間SPA2中的膚色區域SK2，如膚色座標A1-A6所圍成的膚色區域SK2。而有關影像處理器120建立色彩空間SPA2中的膚色區域SK2的方法可以是例如連接所有的膚色座標A1-A9以形成一連線區域並將此區域作為膚色區域SK2，且也可以是其他建立方法，本發明對此不作限制。
再請回到圖6，色彩空間SPA具有白色區域WT(如實線範圍 內)、膚色區域SK(如虛線範圍內)以及20個區塊BLK所對應的20個座標位置。白色區域WT中具有與膚色區域SK重疊的交集區域Wa(如點狀部分)以及不與膚色區域SK重疊的非交集區域Wb。值得注意的是，膚色區域SK在色彩空間SPA上的分布與低色溫的白色區域WT相當接近，例如在交集區域Wa中的6個區塊BLK對應的位置座標(24,12)。而過多的膚色資訊會造成白平衡校正的偏誤。因此，影像處理器120接著將根據膚色區域SK中的區塊對應的位置座標來降低白平衡校正的偏誤。
再請回到圖2，於計算出每個區塊BLK對應到色彩空間SPA的位置座標後，影像處理器120將判斷每個區塊BLK的位置座標位於膚色區域SK的數量是否小於一預定數量(如16個)，以藉此判斷這些區塊BLK是否確實是落在低色溫的白色區域WT中(步驟S250)。
若位於膚色區域SK的區塊BLK的數量小於預定數量，代表位於膚色區域SK的區塊BLK沒有落在低色溫的白色區域中。此時，影像處理器120將分別加權平均白色區域WT中的每一個區塊BLK的第一資訊與第二資訊以對應產生第一權重w1與第二權重w2(步驟S260)，且透過一預設精度將該第一權重與該第二權重轉換成一第一增益值與一第二增益值(步驟S265)。值得注意的是，每一個第一資訊的加權值與每一個第二資訊的加權值係小於等於1，以藉此表現位於膚色區域SK的區塊BLK沒有落在低色溫的白色區域中。
更進一步來說，請同參考圖9A，若位於膚色區域SK的區塊BLK的數量小於預定數量(如16個)，影像處理器120首先將加權平均非交集區域Wb中的每一個區塊BLK(如圖6中標示為圓形的9個區塊BLK)的第一資訊以及交集區域Wa中的每一個區塊BLK(如圖6中標示為三角形的6個區塊BLK)的第一資訊以產生第一權重w1(步驟S262)。值得注意的是，交集區域Wa中 的每個第一資訊的權重值將低於非交集區域Wb中的每個第一資訊的權重值。在本實施例中，非交集區域Wb中的每一個第一資訊的權重值為1，且交集區域Wa中的每一個第一資訊的權重值隨著區塊BLK位於交集區域Wa的數量而由1遞減至一最小權重值。
影像處理器120接著將加權平均非交集區域Wb中的每一個區塊BLK(如圖6中標示為圓形的9個區塊BLK)的第二資訊以及交集區域Wa中的每一個區塊BLK(如圖6中標示為三角形的6個區塊BLK)的第二資訊以產生第二權重w2(步驟S264)。值得注意的是，交集區域Wa中的每個第二資訊的權重值將低於非交集區域Wb中的每個第二資訊的權重值。在本實施例中，非交集區域Wb中的每一個第一資訊的權重值為1，且交集區域Wa中的每一個第一資訊的權重值隨著區塊BLK位於交集區域Wa的數量而由1遞減至一最小權重值。
舉例來說，請同參考圖9B，上述權重值係根據圖9B的關係圖來做調整。當交集區域Wa中的區塊BLK的數量小於一第一門檻值(如10)時，權重值會降低至最小權重值，以降低交集區域Wa中的區塊BLK在白平衡校正中的影響。當交集區域Wa中的區塊BLK的數量大於第二門檻值(如16)時，權重值維持最大權重值，表示當前環境可能為低色溫的白色區域。當交集區域Wa中的區塊BLK的數量介於第一門檻值(如10)與第二門檻值(如16)之間，權重值將隨著交集區域Wa的數量減少而由最大權重值遞減至最小權重值，以漸進式地選擇權重值，避免白平衡校正太劇烈。
再以圖6中的20個區塊BLK所對應的20個座標位置為例作說明，在此例子中，最小權重值與最大權重值分別設為0.1與1，第一門檻值與第二門檻值分別設為10與16。因此，影像處理器120計算非交集區域Wb中的權重值為1，且計算交集區域 Wa中的權重值為0.1。影像處理器120將加權平均非交集區域Wb中標示為圓形的9個區塊BLK的第一資訊以及交集區域Wa中標示為三角形的6個區塊BLK的第一資訊以產生第一權重w1，即第一權重w1=(19*9*1+24*6*0.1)/(9*1+6*0.1)=19。影像處理器120將加權平均非交集區域Wb中標示為圓形的9個區塊BLK的第二資訊以及交集區域Wa中標示為三角形的6個區塊BLK的第二資訊以產生第二權重w2，即第二權重w2=(16*9*1+12*6*0.1)/(9*1+6*0.1)=16。
在取得第一權重w1(=19)與第二權重w2(=16)後，若預設精度為8單位，影像處理器120將透過預設精度分別將第一權重w1與第二權重w2轉換成第一增益值G1與第二增益值Gn2，即第一增益值Gn1=19/8=2.375，且第二增益值Gn2=16/8=2。
若位於膚色區域SK的區塊BLK的數量大於等於預定數量，代表位於膚色區域SK的區塊BLK確實落在低色溫的白色區域中。此時，影像處理器120將平均白色區域WT中的每一個區塊BLK的第一資訊以產生一第一平均值av1與平均白色區域WT中的每一個區塊BLK的第二資訊以產生一第二平均值av2(步驟S270)，且透過預設精度分別將第一平均值av1與第二平均值av2轉換成第一增益值與第二增益值(步驟S275)。值得注意的是，第一平均值av1高於第一權重w1，且第二平均值av2高於第二權重w2。
以圖6中的20個區塊BLK所對應的20個座標位置為例作說明，影像處理器120將平均白色區域WT中標示為圓形與三角形的15個區塊BLK的第一資訊以產生第一平均值av1，即第一平均值av1=(19*9+24*6)/15=21，且平均白色區域WT中標示為圓形與三角形的15個區塊BLK的第二資訊以產生第二平均值av2，即第二平均值av2=(16*9+12*6)/15=14。
在取得第一平均值av1(=21)與第二平均值av2(=20)後，若預 設精度為8單位，影像處理器120將透過預設精度分別將第一平均值av1與第二平均值av2轉換成一第一增益值Gn1與一第二增益值Gn2，即第一增益值Gn1=21/8=2.625，且第二增益值Gn2=14/8=1.75。
最後，影像處理器120將根據第一增益值Gn1與第二增益值Gn2來調整每一個像素資訊的第一色彩分量、第二色彩分量與第三色彩分量(步驟S280)。
以第一色彩分量代表紅色色度、第二色彩分量代表綠色色度與第三色彩分量代表藍色色度為例，並同時參考圖6來說明。如同步驟S260-S265的實施例，若位於交集區域Wa的區塊BLK的數量小於預定數量，影像處理器120將第一權重(即19)與第二權重w4(即16)轉換為第一增益值Gn1=2.375與第二增益值Gn2=2。
此時，影像處理器120將第一增益值Gn1=2.375乘上對應的第三色彩分量，將第二增益值Gn2=2乘上對應的第一色彩分量，且維持第二色彩分量。例如對於圖3與表<一>中的第一個區塊BLK的像素資訊P0=(R,G,B)=(97,195,80)來說，調整後的像素資訊P0’為(R’,G’,B’)=(97*2,195,80*2.375)=(194,195,190)。而第一個區塊BLK的9個調整後的像素資訊P0’、P1’、P2’、P15’、P16’、P17’、P30’、P31’、P32’的像素值如下表<二>所示。
因此，於第一個區塊BLK中，調整後的像素資訊P0’-P2’、P15’-P17’與P30’-P32’的第一色彩分量的第一平均分量Rav’為 (194+190+188+190+188+190+192+192+186)/9=190；像素資訊P0’-P2’、P15’-P17’與P30’-P32’的第二色彩分量的第二平均分量Gav’為(195+191+193+189+190+188+192+187+185)/9=190；以及像素資訊P0’-P2’、P15’-P17’與P30’-P32’的第三色彩分量的第三平均分量Bav’為(190+192+188+195+188+190+185+190+192)/9=190。
而在其他實施例中，若第一色彩分量、第二色彩分量與第三色彩分量分別代表亮度Y、藍色色度Cb與紅色色度Cr，影像處理器120也可依照不同的色彩空間來將第一增益值乘上第二色彩分量(即藍色色度Cb)以及將第二增益值乘上第三色彩分量(即紅色色度Cr)，以藉此產生調整後的像素資訊。本發明對此不作限制。
由上述可知，於圖4中的第一個區塊BLK，(Rav,Gav,Bav)=(95,190,80)將調整為(Rav’,Gav’,Bav’)=(190,190,190)，使得第一個區塊BLK(斜線部分)的第一平均分量、第二平均分量與第三平均分量被調整為更符合真實世界顏色(本實施例為灰色)。據此，本發明實施例所提供的一種基於膚色資訊的白平衡校正方法及其影像處理裝置，其先將輸入影像分成多個區塊並計算每個區塊中的像素平均值(即實施例中的第一平均分量、第二平均分量與第三平均分量)。接著在色彩空間中統計代表白色在不同色溫下的白色區域內的區塊個數以及代表膚色在不同色溫下的膚色區域內的區塊個數，並根據上述結果對白色區域內的區塊作權重分配以藉此產生白平衡增益值(即實施例中的第一增益值與第二增益值)。最後，將輸入影像中的每一個像素乘上白平衡增益值以完成白平衡校正方法。
綜上所述，本發明實施例所提供的基於膚色資訊的白平衡校正方法及其影像處理裝置，其針對輸入影像中的膚色資訊做適應性地權重分配，以避免過多的膚色資訊造成白平衡校正的偏誤， 進而可解決在視訊應用中大量膚色資訊容易干擾白平衡校正的問題，並能適應不同色溫環境下的變化，還原出更接近真實世界顏色表現。
以上所述僅為本發明之實施例，其並非用以侷限本發明之專利範圍。

Claims (10)

  1. 一種基於膚色資訊的白平衡校正方法，適用於一影像處理裝置，且包括：接收一輸入影像之複數個像素資訊，且每一該像素資訊包括一第一色彩分量、一第二色彩分量與一第三色彩分量；將該輸入影像分成複數個區塊，且於每一該區塊中計算該些第一色彩分量的一第一平均分量、該些第二色彩分量的一第二平均分量與該些第三色彩分量的一第三平均分量；於每一該區塊中，根據該第一平均分量、該第二平均分量與該第三平均分量計算一第一資訊與一第二資訊；根據該第一資訊與該第二資訊將每一該區塊對應到一色彩空間的一位置座標，其中該色彩空間建立有代表白色在不同色溫下的一白色區域，且建立有代表膚色在不同色溫下的一膚色區域；判斷位於該白色區域與該膚色區域的一交集區域的該些區塊的一數量是否小於一預定數量，若該數量小於該預定數量，分別加權平均該白色區域中的每一該區塊的該第一資訊與該第二資訊以對應產生一第一權重與一第二權重且透過一預設精度將該第一權重與該第二權重轉換成一第一增益值與一第二增益值，其中每一該第一資訊與每一該第二資訊的加權值小於等於1；以及根據該第一增益值與該第二增益值調整每一該像素資訊的該第一色彩分量、該第二色彩分量與該第三色彩分量。
  2. 如請求項1之基於膚色資訊的白平衡校正方法，其中，若該數量大於等於該預定數量，分別平均該白色區域中的每一該區塊的該第一資訊與該第二資訊以對應產生一第一平均值與一第二平均值，且透過該預設精度分別將該第一平均值與該第二平均值轉換成該第一增益值與該第二增益值，其中該第一平均值高於該第一權重且該第二平均值高於該第二權重。
  3. 如請求項1之基於膚色資訊的白平衡校正方法，其中，該白色區域具有不與該膚色區域重疊的一非交集區域，且於計算該第一權重與該第二權重的步驟中，更包括：加權平均該非交集區域中的每一該區塊的該第一資訊以及該交集區域中的每一該區塊的該第一資訊以產生該第一權重，其中該交集區域中的每一該第一資訊的權重值低於該非交集區域中的每一該第一資訊的權重值；以及加權平均該非交集區域中的每一該區塊的該第二資訊以及該交集區域中的每一該區塊的該第二資訊以產生該第二權重，其中該交集區域中的每一該第二資訊的該權重值低於該非交集區域中的每一該第二資訊的該權重值。
  4. 如請求項3之基於膚色資訊的白平衡校正方法，其中，該交集區域中的每一該第一資訊的權重值與每一該第二資訊的權重值為1，且該非交集區域中的每一該第一資訊的權重值與每一該第二資訊的權重值隨著位於該交集區域的該數量減少而由1遞減至一最小權重值。
  5. 如請求項1之基於膚色資訊的白平衡校正方法，其中，於每一該區塊中，計算該第一平均分量、該第二平均分量與該第三平均分量的步驟中，更包括：平均對應的該些第一色彩分量以產生該第一平均分量；平均對應的該些第二色彩分量以產生該第二平均分量；以及平均對應的該些第三色彩分量以產生該第三平均分量。
  6. 如請求項1之基於膚色資訊的白平衡校正方法，其中，該第一色彩分量代表一紅色色度、該第二色彩分量代表一綠色色度與該第三色彩分量代表一藍色色度，且於計算該第一資訊與該第二資訊的步驟中，更包括：將該第二平均分量除以該第三平均分量並乘上該預設精度以產生該第一資訊；以及將該第二平均分量除以該第一平均分量並乘上該預設精度以產生該第一資訊。
  7. 如請求項1之基於膚色資訊的白平衡校正方法，其中，該第一色彩分量代表一亮度、該第二色彩分量代表一藍色色度與該第三色彩分量代表一紅色色度，且於計算該第一資訊與該第二資訊的步驟中，更包括：將該第二平均分量作為該第一資訊；以及將該第三平均分量作為該第二資訊。
  8. 如請求項1之基於膚色資訊的白平衡校正方法，其中，於建立該色彩空間中的該膚色區域的步驟中，更包括：計算該膚色在不同色溫下的一膚色曲線；以及往該膚色曲線的周圍方向擴散一預定距離以形成該膚色區域。
  9. 如請求項1之基於膚色資訊的白平衡校正方法，其中，於建立該色彩空間中的該膚色區域的步驟中，更包括：於該輸入影像中擷取代表一人臉的一區域影像；於該區域影像的每一該像素資訊中，根據對應的該第一色彩分量、對應的該第二色彩分量與對應的該第三色彩分量將該區域影像中的每一該像素資訊分別對應到該色彩空間中的一膚色座標；以及根據每一該膚色座標建立該色彩空間中的該膚色區域。
  10. 一種影像處理裝置，包括：一影像擷取裝置，接收一輸入影像，且該輸入影像具有複數個像素資訊；以及一影像處理器，電連接該影像擷取裝置，且用以執行下列步驟：接收該些像素資訊，且每一該像素資訊包括一第一色彩分量、一第二色彩分量與一第三色彩分量；將該輸入影像分成複數個區塊，且於每一該區塊中計算該些第一色彩分量的一第一平均分量、該些第二色彩分量的一第二平均分量與該些第三色彩分量的一第三平均分量；於每一該區塊中，根據該第一平均分量、該第二平均分量與該第三平均分量計算一第一資訊與一第二資訊；根據該第一資訊與該第二資訊將每一該區塊對應到一色彩空間的一位置座標，其中該色彩空間建立有代表白色在不同色溫下的一白色區域，且建立有代表膚色在不同色溫下的一膚色區域；判斷位於該白色區域與該膚色區域的一交集區域的該些區塊的一數量是否小於一預定數量，若該數量小於該預定數量，分別加權平均該白色區域中的每一該區塊的該第一資訊與該第二資訊以對應產生一第一權重與一第二權重且透過一預設精度將該第一權重與該第二權重轉換成一第一增益值與一第二增益值，其中每一該第一資訊與每一該第二資訊的加權值小於等於1；以及根據該第一增益值與該第二增益值調整每一該像素資訊的該第一色彩分量、該第二色彩分量與該第三色彩分量。
TW107112711A 2018-04-13 2018-04-13 基於膚色資訊的白平衡校正方法及其影像處理裝置 TWI660633B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW107112711A TWI660633B (zh) 2018-04-13 2018-04-13 基於膚色資訊的白平衡校正方法及其影像處理裝置
US16/171,813 US10757386B2 (en) 2018-04-13 2018-10-26 White balance calibration method based on skin color data and image processing apparatus using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107112711A TWI660633B (zh) 2018-04-13 2018-04-13 基於膚色資訊的白平衡校正方法及其影像處理裝置

Publications (2)

Publication Number Publication Date
TWI660633B true TWI660633B (zh) 2019-05-21
TW201944774A TW201944774A (zh) 2019-11-16

Family

ID=67348212

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107112711A TWI660633B (zh) 2018-04-13 2018-04-13 基於膚色資訊的白平衡校正方法及其影像處理裝置

Country Status (2)

Country Link
US (1) US10757386B2 (zh)
TW (1) TWI660633B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112243119A (zh) * 2019-07-19 2021-01-19 杭州海康威视数字技术股份有限公司 一种白平衡处理方法、装置、电子设备及存储介质
CN114374830A (zh) * 2022-01-06 2022-04-19 杭州海康威视数字技术股份有限公司 图像白平衡方法、电子设备及计算机可读存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI660633B (zh) * 2018-04-13 2019-05-21 瑞昱半導體股份有限公司 基於膚色資訊的白平衡校正方法及其影像處理裝置
CN108965846A (zh) * 2018-09-07 2018-12-07 晶晨半导体(上海)股份有限公司 调节白平衡的方法、***及显示器
CN111275725B (zh) * 2020-03-18 2022-08-19 展讯通信（上海）有限公司 图像的色温与色调的确定方法及装置、存储介质、终端
CN113691793B (zh) * 2020-05-19 2024-01-05 瑞昱半导体股份有限公司 图像白平衡处理方法
CN114222105B (zh) * 2021-12-16 2024-05-03 苏州科达科技股份有限公司 白平衡调整方法、***、白平衡终端及存储介质
CN114945087B (zh) * 2022-06-06 2023-10-03 安谋科技（中国）有限公司 基于人脸特征的图像处理方法、装置、设备及存储介质
CN115190283B (zh) * 2022-07-05 2023-09-19 北京地平线信息技术有限公司 一种白平衡调整方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080101690A1 (en) * 2006-10-26 2008-05-01 De Dzwo Hsu Automatic White Balance Statistics Collection
CN101527860A (zh) * 2008-03-04 2009-09-09 佳能株式会社 白平衡控制设备及其控制方法和摄像设备
TW201032602A (en) * 2009-02-20 2010-09-01 Service & Quality Technology Co Ltd Method for automatic white-balance calibration
WO2013088780A1 (ja) * 2011-12-13 2013-06-20 シャープ株式会社 ホワイトバランス調整方法、ホワイトバランス調整装置、プログラム、及び記録媒体
TWI505720B (zh) * 2010-09-01 2015-10-21 Apple Inc 用於自動白平衡處理之彈性色彩空間選擇

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09138471A (ja) * 1995-09-13 1997-05-27 Fuji Photo Film Co Ltd 特定形状領域の抽出方法、特定領域の抽出方法及び複写条件決定方法
JP4783985B2 (ja) * 2001-02-28 2011-09-28 日本電気株式会社 映像処理装置、映像表示装置及びそれに用いる映像処理方法並びにそのプログラム
US7126644B2 (en) * 2003-07-07 2006-10-24 Destiny Technology Corporation Rapid white balance method for color digital images
JP5064947B2 (ja) * 2007-09-11 2012-10-31 キヤノン株式会社 画像処理装置及び方法、及び撮像装置
KR100918701B1 (ko) * 2007-10-11 2009-09-22 한국과학기술원 강인한 자동 화이트 밸런스 방법
US8717459B2 (en) 2008-12-11 2014-05-06 Texas Instruments Incorporated Method and apparatus for improving automatic white balance with scene information
JP5201203B2 (ja) * 2010-12-22 2013-06-05 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム
US9077943B2 (en) * 2012-05-31 2015-07-07 Apple Inc. Local image statistics collection
US9031319B2 (en) * 2012-05-31 2015-05-12 Apple Inc. Systems and methods for luma sharpening
US9129188B2 (en) * 2012-06-22 2015-09-08 Canon Kabushiki Kaisha Image processing apparatus and control method thereof
JP6049343B2 (ja) * 2012-08-01 2016-12-21 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
US8854709B1 (en) * 2013-05-08 2014-10-07 Omnivision Technologies, Inc. Automatic white balance based on dynamic mapping
JP6302555B2 (ja) * 2014-07-08 2018-03-28 富士フイルム株式会社 画像処理装置、撮像装置、画像処理方法及びプログラム
JP6563751B2 (ja) * 2015-09-09 2019-08-21 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 画像処理装置及び画像処理方法
JP6491581B2 (ja) * 2015-10-06 2019-03-27 キヤノン株式会社 画像処理装置およびその制御方法ならびにプログラム
JP6833415B2 (ja) * 2016-09-09 2021-02-24 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
US10175452B2 (en) * 2017-01-19 2019-01-08 Canon Kabushiki Kaisha Focus detection apparatus, control method, and storage medium
JP7039183B2 (ja) * 2017-05-31 2022-03-22 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
CN107872663B (zh) * 2017-12-25 2019-05-24 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读存储介质和计算机设备
TWI660633B (zh) * 2018-04-13 2019-05-21 瑞昱半導體股份有限公司 基於膚色資訊的白平衡校正方法及其影像處理裝置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080101690A1 (en) * 2006-10-26 2008-05-01 De Dzwo Hsu Automatic White Balance Statistics Collection
CN101527860A (zh) * 2008-03-04 2009-09-09 佳能株式会社 白平衡控制设备及其控制方法和摄像设备
TW201032602A (en) * 2009-02-20 2010-09-01 Service & Quality Technology Co Ltd Method for automatic white-balance calibration
TWI505720B (zh) * 2010-09-01 2015-10-21 Apple Inc 用於自動白平衡處理之彈性色彩空間選擇
WO2013088780A1 (ja) * 2011-12-13 2013-06-20 シャープ株式会社 ホワイトバランス調整方法、ホワイトバランス調整装置、プログラム、及び記録媒体

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112243119A (zh) * 2019-07-19 2021-01-19 杭州海康威视数字技术股份有限公司 一种白平衡处理方法、装置、电子设备及存储介质
CN112243119B (zh) * 2019-07-19 2022-05-03 杭州海康威视数字技术股份有限公司 一种白平衡处理方法、装置、电子设备及存储介质
CN114374830A (zh) * 2022-01-06 2022-04-19 杭州海康威视数字技术股份有限公司 图像白平衡方法、电子设备及计算机可读存储介质
CN114374830B (zh) * 2022-01-06 2024-03-08 杭州海康威视数字技术股份有限公司 图像白平衡方法、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
US10757386B2 (en) 2020-08-25
TW201944774A (zh) 2019-11-16
US20190320152A1 (en) 2019-10-17

Similar Documents

Publication Publication Date Title
TWI660633B (zh) 基於膚色資訊的白平衡校正方法及其影像處理裝置
US10565742B1 (en) Image processing method and apparatus
CN109361910B (zh) 自适应白平衡校正方法及装置
US8164649B2 (en) White balance adjusting device, imaging apparatus, and recording medium storing white balance adjusting program
US11277595B2 (en) White balance method for image and terminal device
WO2021218603A1 (zh) 图像处理方法及投影***
CN108234971A (zh) 白平衡参数确定方法、白平衡调整方法及装置、存储介质、终端
US10223778B2 (en) Image contrast enhancement method and apparatus thereof
CN110796628B (zh) 图像融合方法、装置、拍摄装置及存储介质
US11962917B2 (en) Color adjustment method, color adjustment device, electronic device and computer-readable storage medium
CN113676715B (zh) 图像处理方法及装置
WO2022120799A9 (zh) 图像处理方法、装置、电子设备及存储介质
CN111587573B (zh) 一种图像处理方法、装置及计算机存储介质
US9131200B2 (en) White balance adjusting method with scene detection and device thereof
WO2019137396A1 (zh) 一种图像处理方法及装置
WO2023000868A1 (zh) 图像处理方法及装置、设备、存储介质
TW202021330A (zh) 圖像縮放方法和裝置
CN110392245B (zh) 基于肤色信息的白平衡校正方法及其图像处理装置
TW201738841A (zh) 動態調整混色光源白平衡的方法
TWI544451B (zh) 影像處理方法
CN116233381A (zh) 一种颜色校正方法、装置、电子设备和存储介质
CN107305685A (zh) 图像对比增强方法及其装置
TWI685260B (zh) 影像調整方法以及相關影像處理電路
JP6403811B2 (ja) 画像処理装置及びプログラム
CN115379186A (zh) 一种图像自动白平衡的方法及终端