WO2015109693A1 - 一种校准图像色彩的方法和*** - Google Patents

一种校准图像色彩的方法和*** Download PDF

Info

Publication number
WO2015109693A1
WO2015109693A1 PCT/CN2014/077684 CN2014077684W WO2015109693A1 WO 2015109693 A1 WO2015109693 A1 WO 2015109693A1 CN 2014077684 W CN2014077684 W CN 2014077684W WO 2015109693 A1 WO2015109693 A1 WO 2015109693A1
Authority
WO
WIPO (PCT)
Prior art keywords
red
green
face
value
face area
Prior art date
Application number
PCT/CN2014/077684
Other languages
English (en)
French (fr)
Inventor
马亮
Original Assignee
中兴通讯股份有限公司
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 中兴通讯股份有限公司 filed Critical 中兴通讯股份有限公司
Publication of WO2015109693A1 publication Critical patent/WO2015109693A1/zh

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6077—Colour balance, e.g. colour cast correction
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Definitions

  • the present invention relates to the field of image processing technologies, and in particular, to a method and system for calibrating image colors.
  • the color temperature (Colo(u)r Temperature) is a measure of the color of the light source in K (Kelvin). Color temperature has important applications in photography, video, and publishing. The color temperature of the source is determined by comparing its color to the theoretical thermal blackbody radiator. The Kelvin temperature of a hot black body radiator matching the color of the light source is the color temperature of that source, which is directly related to Planck's law of blackbody radiation.
  • the human eye is identified as white for the brightest object at any color temperature.
  • the photos taken by the camera at different color temperatures show different colors, such as the blue light under the D65 light source and the yellowish yellow light.
  • the indoor light source is often complicated, and the color temperature of incandescent lamps and fluorescent lamps is not very standard. Therefore, shooting a portrait indoors often results in an abnormal color tone, yellowish or bluish.
  • WB White Balance
  • AVB Automatic white balance
  • the present invention provides a method and system for calibrating image colors that can correct the gain of automatic white balance based on facial skin color to improve image quality.
  • the present invention provides a method of calibrating image colors, including:
  • Face recognition is performed on the image processed by the automatic white balance. If the recognition is successful, the face area is determined, and the red, green and blue RGB statistical values of the face area are calculated;
  • the image processed by the automatic white balance is white-balanced according to the corrected white balance gain of the three channels of red, green and blue RGB.
  • the method further includes the following features:
  • Calculating red, green and blue RGB statistics of the face region including:
  • the red, green and blue RGB values of all the pixels of the face region are summed and averaged to obtain a red, green and blue RGB average value of the face region.
  • the method further includes the following features:
  • the corrected white balance gain of the three channels of red, green and blue RGB required to correct the RGB statistics of the face region to the RGB values of the ideal face model, including:
  • the method further includes the following features:
  • the calculating a gain correction factor for each of the three channels of red, green, and blue RGB according to the brightness comparison result including:
  • the luminance value of the ideal face model is divided by the face region.
  • the quotient obtained from the luminance value is used as an index, and the power of the base and the exponential is used as a gain correction factor of the channel corresponding to the primary color;
  • the gain correction factor " R , the gain correction factor of the green channel" ⁇ , the gain correction factor ⁇ 3 ⁇ 4 of the blue channel are as follows:
  • the difference between the luminance maximum value and the luminance value of the ideal face model is divided by the quotient obtained by dividing the primary color component of the ideal face model by the corresponding primary color component value of the face region.
  • the gain correction factor o Q of the green channel and the gain correction factor of the blue channel are as follows:
  • the red component value of the face region, R is the red component value of the ideal face model
  • the green component value of the face region is the green component value of the ideal face model, S. It is the blue component value of the face region, A is the blue component value of the ideal face model, Y max is the brightness maximum value, and the Y dish is preset.
  • the method further includes the following features:
  • the face area is a rectangular area or a circular area containing a face image.
  • the present invention also provides a system for calibrating image colors, including:
  • a face recognition module configured to perform face recognition on an image subjected to automatic white balance processing, and if the recognition is successful, determine a face region, calculate a red, green and blue RGB statistical value of the face region; a gain calculation module, Set to calculate a corrected white balance gain of three channels of red, green, and blue RGB required to correct the RGB statistical value of the face region to the RGB value of the ideal face model; and a white balance processing module configured to be red and green The corrected white balance gain of the three channels of blue RGB re-white balances the image subjected to the automatic white balance processing.
  • the system further includes the following features:
  • the face recognition module calculates the red, green and blue RGB statistics of the face region by: summing the red, green and blue RGB values of all the pixels of the face region and averaging the average to obtain the face region Red, green and blue RGB average.
  • system further includes the following features:
  • the gain calculation module calculates the corrected white balance gain of the three channels of red, green and blue RGB required to correct the RGB statistics of the face region to the RGB values of the ideal face model by: RGB average according to the face region Calculating a brightness value of the face region;
  • system further includes the following features:
  • the gain calculation module calculates the gain correction factors of each of the three channels of red, green, and blue RGB according to the brightness comparison result as follows:
  • the luminance value of the ideal face model is divided by the face region.
  • the quotient obtained from the luminance value is used as an index, and the power of the base and the exponential is used as the gain correction factor of the channel corresponding to the primary color; the gain correction factor of the red channel, R , the gain correction factor of the green channel, ⁇ , blue
  • the gain correction factors for the channels are as follows:
  • the radiance of the ideal face model is used as the base, and the brightness is the most The difference between the difference between the large value and the brightness value of the ideal face model divided by the difference between the brightness maximum value and the brightness value of the face region is used as an index, and the base and the exponential constructed power are used as the channel corresponding to the primary color.
  • Gain correction factor; the gain correction factor of the red channel " R , the gain correction factor of the green channel” ⁇ , the gain correction factor of the blue channel are as follows:
  • the red component value of the face region which is the red component value of the ideal face model, G.
  • the green component value of the face region is the green component value of the ideal face model, S. It is the blue component value of the face region, A is the blue component value of the ideal face model, Y max is the brightness maximum value, and the Y dish is preset.
  • system further includes the following features:
  • the face area is a rectangular area or a circular area containing a face image.
  • a method and a system for calibrating an image color corrects an RGB statistical value of a face region to an ideal human face by performing face recognition on an image subjected to automatic white balance processing.
  • FIG. 1 is a flow chart of a method for calibrating an image color according to an embodiment of the present invention
  • FIG. 2 is a schematic structural diagram of a system for calibrating image colors according to an embodiment of the present invention.
  • an embodiment of the present invention provides a method for calibrating an image color, the method comprising:
  • S30 Perform white balance processing on the image subjected to the automatic white balance processing according to the corrected white balance gain of the three channels of red, green and blue RGB.
  • the method also includes the following features:
  • the face area is a rectangular area or a circular area including a face image
  • the calculating the red, green, and blue RGB statistics of the face region includes: summing the red, green, and blue RGB values of all the pixels of the face region, and averaging the red, green, and blue colors of the face region. RGB average value;
  • the corrected white balance gain of the three channels of red, green, and blue RGB required to correct the RGB statistics of the face region to the RGB values of the ideal face model includes:
  • step (c) comparing the brightness value of the face area with the brightness value of the ideal face model, and calculating the gain correction factor of each of the three channels of red, green and blue RGB according to the brightness comparison result, which will be red
  • the current white balance gain of each channel of the green-blue RGB is multiplied by the gain correction factor of the channel to obtain the corrected white balance gain of the channel;
  • the brightness value of the face area When the brightness value of the ideal face model is greater than or equal to the quotient obtained by dividing the primary color component of the ideal face model by the corresponding primary color component value of the face region, the luminance value of the ideal face model is divided by the face region.
  • the quotient obtained from the luminance value is used as an index, and the power of the base and the exponential is used as the gain correction factor of the channel corresponding to the primary color; the gain correction factor of the red channel, R , the gain correction factor of the green channel, ⁇ , blue
  • the gain correction factors for the channels are as follows:
  • the difference between the luminance maximum value and the luminance value of the ideal face model is divided by the quotient obtained by dividing the primary color component of the ideal face model by the corresponding primary color component value of the face region.
  • the gain correction factor of the channel and the gain correction factor of the blue channel are as follows:
  • Y max is the maximum brightness value
  • Y max is generally preset to 255.
  • the white balance gain is now corrected using the above method of the embodiment of the invention:
  • the embodiment of the present invention provides a system for calibrating the color of an image, and the system includes:
  • the face recognition module 201 is configured to perform face recognition on the image subjected to the automatic white balance processing, and if the recognition is successful, determine a face region, and calculate a red, green and blue RGB statistical value of the face region;
  • the gain calculation module 202 is configured to calculate a corrected white balance gain of three channels of red, green and blue RGB required to correct the RGB statistical value of the face region to the RGB value of the ideal face model; the white balance processing module 203, It is arranged to perform white balance processing on the image subjected to the automatic white balance processing according to the corrected white balance gain of the three channels of red, green and blue RGB.
  • the system also includes the following features:
  • the face area is a rectangular area or a circular area including a face image.
  • the face recognition module calculates the red, green, and blue RGB statistics of the face region by: summing the red, green, and blue RGB values of all the pixels of the face region and averaging the image to obtain the face. The red, green and blue RGB average of the area.
  • the gain calculation module calculates the corrected white balance gain of the three channels of red, green, and blue RGB required to correct the RGB statistical value of the face region to the RGB value of the ideal face model as follows:
  • the gain calculation module calculates the gain correction factors of each of the three channels of red, green, and blue RGB according to the brightness comparison result as follows:
  • the luminance value of the ideal face model is divided by the face region.
  • the quotient obtained from the luminance value is used as an index, and the power of the base and the exponential is used as the gain correction factor of the channel corresponding to the primary color; the gain correction factor of the red channel, R , the gain correction factor of the green channel, ⁇ , blue
  • the gain correction factors for the channels are as follows:
  • the difference between the luminance maximum value and the luminance value of the ideal face model is divided by the quotient obtained by dividing the primary color component of the ideal face model by the corresponding primary color component value of the face region.
  • a quotient obtained by the difference between the luminance maximum value and the luminance value of the face region as an index, and the base and the exponential constructed power are used as the channel corresponding to the primary color Gain correction factor;
  • the gain correction factor of the red channel " R , the gain correction factor of the green channel" ⁇ , the gain correction factor of the blue channel are as follows:
  • the red component value of the face region which is the red component value of the ideal face model, G.
  • the green component value of the face region is the green component value of the ideal face model, S. It is the blue component value of the face region, A is the blue component value of the ideal face model, Y max is the brightness maximum value, and the Y dish is preset.
  • the method and system for calibrating the color of an image provided by the above embodiment by performing face recognition on the image subjected to the automatic white balance processing, calculating the RGB value required to correct the RGB statistical value of the face region to the RGB value of the ideal face model
  • the corrected white balance gain of the three channels of red, green and blue RGB the image is re-white balanced according to the corrected white balance gain, and the above method and system can make the color of the processed image appear closer to the human eye.
  • the color that improves the image quality is calculating the RGB value required to correct the RGB statistical value of the face region to the RGB value of the ideal face model.
  • each module/unit in the foregoing embodiment may be implemented in the form of hardware, or may use software functions.
  • the form of the module is implemented. The invention is not limited to any specific form of combination of hardware and software.
  • the embodiment of the invention can make the color of the processed image appear closer to the color seen by the human eye and improve the image quality.

Landscapes

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

Abstract

一种校准图像色彩的方法，包括：对经过自动白平衡处理的图像进行人脸识别，如果识别成功，则确定人脸区域，计算所述人脸区域的红绿蓝RGB 统计值；计算将人脸区域的RGB统计值校正为理想人脸模型的RGB值所需要的红绿蓝RGB三个通道的校正后的白平衡增益；根据红绿蓝RGB三个通道的校正后的白平衡增益对所述经过自动白平衡处理的图像重新进行白平衡处理。本发明实施例还公开了一种校准图像色彩的***。

Description

一种校准图像色彩的方法和***
技术领域
本发明涉及图像处理技术领域， 尤其涉及的是一种校准图像色彩的方法 和***。
背景技术
色温（ Colo(u)r Temperature )是表示光源光色的尺度，单位为 K(开尔文）。 色温在摄影、 录像、 出版等领域具有重要应用。 光源的色温是通过对比它的 色彩和理论的热黑体辐射体来确定的。 热黑体辐射体与光源的色彩相匹配时 的开尔文温度就是那个光源的色温， 它直接和普朗克黑体辐射定律相联系。
人眼在任何色温下对最亮物体都鉴别为白色。 而相机在不同色温下拍出 的照片表现为不同的色彩，如 D65光源下的照片偏蓝，而 Α光下的照片偏黄。 室内的光源往往比较复杂， 不论是白炽灯、 荧光灯色温都不是十分标准。 所 以在室内拍摄人像往往会导致人物的肌肤色调不正常， 偏黄或者偏蓝。
白平衡（ White Balance , WB )的本质是让白色的物体在任何颜色的光源 下都显示为白色。 这一点对人眼来说很容易办到， 因为人眼有自适应的能力， 但相机就不同了， 相机拍摄出的白色物体会带上光源的颜色。 自动白平衡 ( Automatic white balance , AWB )要做的就是通过色彩校正使拍摄出的图像 的色彩变成人眼看到的正常色彩。从感光芯片读取出来的照片称为原始图片， 对原始图片进行自动白平衡色彩校正，就是在原始图片的红绿蓝 RGB三个通 道上分别乘对应的增益 Gr、 Gg、 Gb, 达到白平衡效果。
对于混合光源场合自动白平衡的效果通常还是与人眼看到的正常色彩存 在差异。 发明内容
本发明提供一种校准图像色彩的方法和***， 能够基于人脸肤色校正自 动白平衡的增益， 提高图像质量。 本发明提供了一种校准图像色彩的方法， 包括：
对经过自动白平衡处理的图像进行人脸识别， 如果识别成功， 则确定人 脸区域， 计算所述人脸区域的红绿蓝 RGB统计值；
计算将人脸区域的 RGB统计值校正为理想人脸模型的 RGB值所需要的 红绿蓝 RGB三个通道的校正后的白平衡增益； 以及
根据红绿蓝 RGB 三个通道的校正后的白平衡增益对所述经过自动白平 衡处理的图像重新进行白平衡处理。
可选地， 该方法还包括下述特点：
计算所述人脸区域的红绿蓝 RGB统计值， 包括：
对所述人脸区域的全部像素的红绿蓝 RGB值求和后取平均值，得到所述 人脸区域的红绿蓝 RGB平均值。
可选地， 该方法还包括下述特点：
计算将人脸区域的 RGB统计值校正为理想人脸模型的 RGB值所需要的 红绿蓝 RGB三个通道的校正后的白平衡增益， 包括：
根据人脸区域的 RGB平均值计算所述人脸区域的亮度值；
根据理想人脸模型 RGB值计算理想人脸模型的亮度值； 以及
将所述人脸区域的亮度值和理想人脸模型的亮度值进行比较， 根据亮度 比较结果分别计算红绿蓝 RGB三个通道中每一个通道的增益校正因子，将红 绿蓝 RGB每一个通道的当前白平衡增益与所述通道的增益校正因子相乘得 到所述通道的校正后的白平衡增益。
可选地， 该方法还包括下述特点：
所述根据亮度比较结果分别计算红绿蓝 RGB 三个通道中每一个通道的 增益校正因子， 包括：
当人脸区域的亮度值 。大于或等于理想人脸模型的亮度值 时， 将理想 人脸模型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将 理想人脸模型的亮度值除以人脸区域的亮度值所得的商作为指数， 以所述底 数和所述指数构造的幂作为所述基色对应的通道的增益校正因子； 红色通道 的增益校正因子《R、 绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 <¾依次如下：
¾ = (W ^) ;
aa= 。严)；
= 当人脸区域的亮度值 。小于理想人脸模型的亮度值 时， 将理想人脸模 型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将亮度最 大值与理想人脸模型的亮度值的差除以亮度最大值与人脸区域的亮度值的差 所得的商作为指数， 以所述底数和所述指数构造的幂作为所述基色对应的通 道的增益校正因子； 红色通道的增益校正因子《R、 绿色通道的增益校正因子 oQ、 蓝色通道的增益校正因子 依次如下：
aR = 严腿 u ；
Figure imgf000005_0001
其中， 为人脸区域的红色分量值， R,为理想人脸模型的红色分量值，
G。为人脸区域的绿色分量值， 为理想人脸模型的绿色分量值， S。为人脸区 域的蓝色分量值， A为理想人脸模型的蓝色分量值， Ymax为亮度最大值， 所述 Y皿预先设定。
可选地， 该方法还包括下述特点：
所述人脸区域为包含人脸图像的矩形区域或圓形区域。 本发明还提供了一种校准图像色彩的***， 包括：
人脸识别模块， 其设置成对经过自动白平衡处理的图像进行人脸识别， 如果识别成功， 则确定人脸区域， 计算所述人脸区域的红绿蓝 RGB统计值； 增益计算模块，其设置成计算将人脸区域的 RGB统计值校正为理想人脸 模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增益； 以及 白平衡处理模块，其设置成根据红绿蓝 RGB三个通道的校正后的白平衡 增益对所述经过自动白平衡处理的图像重新进行白平衡处理。 可选地， 该***还包括下述特点：
人脸识别模块通过如下方式计算所述人脸区域的红绿蓝 RGB统计值： 对所述人脸区域的全部像素的红绿蓝 RGB值求和后取平均值，得到所述 人脸区域的红绿蓝 RGB平均值。
可选地， 该***还包括下述特点：
增益计算模块通过如下方式计算将人脸区域的 RGB 统计值校正为理想 人脸模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增益： 根据人脸区域的 RGB平均值计算所述人脸区域的亮度值；
根据理想人脸模型 RGB值计算理想人脸模型的亮度值； 以及
将所述人脸区域的亮度值和理想人脸模型的亮度值进行比较， 根据亮度 比较结果分别计算红绿蓝 RGB三个通道中每一个通道的增益校正因子，将红 绿蓝 RGB每一个通道的当前白平衡增益与所述通道的增益校正因子相乘得 到所述通道的校正后的白平衡增益。
可选地， 该***还包括下述特点：
增益计算模块通过如下方式所述根据亮度比较结果分别计算红绿蓝 RGB 三个通道中每一个通道的增益校正因子：
当人脸区域的亮度值 。大于或等于理想人脸模型的亮度值 时， 将理想 人脸模型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将 理想人脸模型的亮度值除以人脸区域的亮度值所得的商作为指数， 以所述底 数和所述指数构造的幂作为该基色对应的通道的增益校正因子； 红色通道的 增益校正因子《R、 绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 依次如下：
¾ = (W ^) ;
aa= 。严)；
=„ w ;
当人脸区域的亮度值 。小于理想人脸模型的亮度值 时， 将理想人脸模 型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将亮度最 大值与理想人脸模型的亮度值的差除以亮度最大值与人脸区域的亮度值的差 所得的商作为指数， 以所述底数和所述指数构造的幂作为该基色对应的通道 的增益校正因子；红色通道的增益校正因子《R、绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 依次如下：
aR = 严腿 u ；
Figure imgf000007_0001
其中， 为人脸区域的红色分量值， R,为理想人脸模型的红色分量值， G。为人脸区域的绿色分量值， 为理想人脸模型的绿色分量值， S。为人脸区 域的蓝色分量值， A为理想人脸模型的蓝色分量值， Ymax为亮度最大值， 所述 Y皿预先设定。
可选地， 该***还包括下述特点：
所述人脸区域为包含人脸图像的矩形区域或圓形区域。
与相关技术相比，本发明实施例提供的一种校准图像色彩的方法和***， 通过对经过自动白平衡处理的图像进行人脸识别，计算将人脸区域的 RGB统 计值校正为理想人脸模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后 的白平衡增益， 根据校正后的白平衡增益对所述图像重新进行白平衡处理， 本发明实施例能够使处理后的图像呈现的色彩更接近人眼看到的色彩， 提高 图像质量。 附图概述
图 1为本发明实施例的一种校准图像色彩的方法的流程图；
图 2 为本发明实施例的一种校准图像色彩的***的结构示意图。
本发明的较佳实施方式
下文中将结合附图对本发明的实施例进行详细说明。 需要说明的是， 在 不冲突的情况下， 本申请中的实施例及实施例中的特征可以相互任意组合。 如图 1所示， 本发明实施例提供了一种校准图像色彩的方法， 该方法包 括：
S10, 对经过自动白平衡处理的图像进行人脸识别， 如果识别成功， 则确 定人脸区域， 计算所述人脸区域的红绿蓝 RGB统计值；
S20,计算将人脸区域的 RGB统计值校正为理想人脸模型的 RGB值所需 要的红绿蓝 RGB三个通道的校正后的白平衡增益；
S30, 根据红绿蓝 RGB三个通道的校正后的白平衡增益对所述经过自动 白平衡处理的图像重新进行白平衡处理。
该方法还包括下述特征：
其中， 所述人脸区域为包含人脸图像的矩形区域或圓形区域；
其中， 计算所述人脸区域的红绿蓝 RGB统计值， 包括： 对所述人脸区域 的全部像素的红绿蓝 RGB值求和后取平均值， 得到所述人脸区域的红绿蓝 RGB平均值；
其中， 计算将人脸区域的 RGB统计值校正为理想人脸模型的 RGB值所 需要的红绿蓝 RGB三个通道的校正后的白平衡增益， 包括：
( a )根据人脸区域的 RGB平均值计算所述人脸区域的亮度值 Y。；
( b )根据理想人脸模型 RGB值计算理想人脸模型的亮度值 X；
( c )将所述人脸区域的亮度值和理想人脸模型的亮度值进行比较， 根据 亮度比较结果分别计算红绿蓝 RGB三个通道的校正后的白平衡增益；
其中， 一种根据红绿蓝 RGB值计算亮度值 Y的常用算法如公式（ 1 )所 示： Y=kr*R + (l_kr_kb)*G + kb*B; (1) 其中， =0.299, =0.114 ； R代表红色分量值， G代表绿色分量值， B 代表蓝色分量值；
因此， 步骤（a)、 步骤（b ) 中：
Y0=kr*R0+(l-kr-kb)*G0+kb*B0 (1-1)
Y,=kr *R,+(l-kr -kb)*G,+kb *Βλ ( 1-1 ) 其中， 为人脸区域的红色分量值， 为理想人脸模型的红色分量值， G0 为人脸区域的绿色分量值， 为理想人脸模型的绿色分量值， S。为人脸区域 的蓝色分量值， 为理想人脸模型的蓝色分量值。
步骤（c )中， 将所述人脸区域的亮度值和理想人脸模型的亮度值进行比 较，根据亮度比较结果分别计算红绿蓝 RGB三个通道中每一个通道的增益校 正因子，将红绿蓝 RGB每一个通道的当前白平衡增益与该通道的增益校正因 子相乘得到该通道的校正后的白平衡增益；
其中， 当人脸区域的亮度值 。大于或等于理想人脸模型的亮度值 时， 将理想人脸模型的基色分量除以人脸区域的对应基色分量值所得的商作为底 数， 将理想人脸模型的亮度值除以人脸区域的亮度值所得的商作为指数， 以 所述底数和所述指数构造的幂作为该基色对应的通道的增益校正因子； 红色 通道的增益校正因子《R、 绿色通道的增益校正因子《σ、 蓝色通道的增益校正 因子 依次如下：
¾ = (W ^) ;
aa= 。严)；
=„ w ;
当人脸区域的亮度值 。小于理想人脸模型的亮度值 时， 将理想人脸模 型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将亮度最 大值与理想人脸模型的亮度值的差除以亮度最大值与人脸区域的亮度值的差 所得的商作为指数， 以所述底数和所述指数构造的幂作为该基色对应的通道 的增益校正因子；红色通道的增益校正因子《R、绿色通道的增益校正因子 、 蓝色通道的增益校正因子 依次如下：
aR = 严腿 u ；
Figure imgf000009_0001
其中， Ymax为亮度最大值， Ymax—般预设为 255。 下面对如何根据理想人脸模型的 RGB值计算红绿蓝 RGB三个通道的校 正后的白平衡增益， 举两个例子： 例 1, 假设经过自动白平衡处理后的图像整体发蓝， 当前 RGB增益分别 为： G«=3.48, G =l, G»=2.07, 理想人脸模型的 RGB值分别为： = 172.5, Gi= 117.3, B、= 99.3; 通过仿真得知，如果将 G«修正为 3.8, G修正为 1, G« 修正为 1.8, 则图像色彩逼近人眼看到的正常色彩， 因此， 可以看出自动白平 衡处理的图像里面蓝色通道增益 G«较高，红色通道增益 G«较小导致画面整体 偏蓝。 现在釆用本发明实施例的上述方法对白平衡增益进行校正：
( a )对经过自动白平衡处理的发蓝的图像识别人脸区域， 计算出的人脸 区域的 RGB统计值分别为： =137.4, G0 =114.4, B0 =115.6;
计算人脸区域的亮度值。：
Y0 =0.114*137.4+(1-0.114-0.299)*114.4+0.299*115.6=185.792 计算理想人脸模型的亮度值 ：
=0.114*172.5+(1-0.114-0.299)*117.3+0.299*99.3 =118.2108
(b)人脸区域的亮度值。大于理想人脸模型的亮度值 计算每个通道的 新的白平衡增益： GR = (Rl/R0)^,r")*GR =(172.5/137.4)(1182謹 S5792)*3.48 =4.02
GG= (G1/G0 l/7°)*GG = (117.3/114.4)(n82108/185792)*l=1.016
Figure imgf000010_0001
(C)根据红绿蓝 RGB三个通道的新的白平衡增益 '、 GG 、 (¾ '对所述 发蓝的图像重新进行白平衡处理， 可以看出， 红色通道新的白平衡增益比原 来有所提高， 蓝色通道新的白平衡增益比原来有所降低， 因此， 重新经过白 平衡处理后的照片， 色彩更接近人眼看到的。 例 2, 假设经过自动白平衡处理后的图像整体发黄， 当前 RGB增益分别 为： G«=3.963, G =l, G»=1.518,理想人脸模型的 RGB值分别为： = 172.5, Gi= 117.3, B、= 99.3; 通过仿真得知，如果将 G«修正为 3.8, G修正为 1, G« 修正为 1.8, 则图像色彩逼近人眼看到的正常色彩， 因此， 可以看出自动白平 衡处理的图像蓝色通道增益较小导致画面整体偏黄， 现在釆用上述的方法对 白平衡增益进行校正： ( a )对该经过自动白平衡处理的发黄的图像识别人脸区域， 计算出的人 脸区域的 RGB统计值分别为： =174.1761, G0 =118.649, B0 =82.4667;
计算人脸区域的亮度值。：
70 = 0.114*174.1761+(1-0.114-0.299)* 118.649+0.299*82.4667=114.160
计算理想人脸模型的亮度值 ：
=0.114*172.5+(1-0.114-0.299)*117.3+0.299*99.3 =118.2108
(b)人脸区域的亮度值。小于理想人脸模型的亮度值 计算每个通道 的新的白平衡增益， 其中， Ymax=255;
GR =(172.5/174.1761)((255-118-2108)/(255-114160))* 3.963
=3.926；
Ga= ( /Go W)*GG=(117.3/118.649)((255-11S )/(255-114160))*1
=0.989;
Gs =( ι / = (99.3/82.4667) * 1.518
=1.818;
(c)根据红绿蓝 RGB三个通道的新的白平衡增益 '、 GG、 (¾ '对所述 发蓝的图像重新进行白平衡处理， 可以看出， 蓝色通道新的白平衡增益比原 来有所提高， 因此， 重新经过白平衡处理后的照片， 色彩更接近人眼看到的。 如图 2所示， 本发明实施例提供了一种校准图像色彩的***， 该***包 括：
人脸识别模块 201, 其设置成对经过自动白平衡处理的图像进行人脸识 另 |J, 如果识别成功， 则确定人脸区域， 计算所述人脸区域的红绿蓝 RGB统计 值；
增益计算模块 202, 其设置成计算将人脸区域的 RGB统计值校正为理想 人脸模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增益； 白平衡处理模块 203, 其设置成根据红绿蓝 RGB三个通道的校正后的白 平衡增益对所述经过自动白平衡处理的图像重新进行白平衡处理。
该***还包括下述特征： 其中， 所述人脸区域为包含人脸图像的矩形区域或圓形区域。
其中，人脸识别模块通过如下方式计算所述人脸区域的红绿蓝 RGB统计 值： 对所述人脸区域的全部像素的红绿蓝 RGB值求和后取平均值，得到所述 人脸区域的红绿蓝 RGB平均值。
其中，增益计算模块通过如下方式计算将人脸区域的 RGB统计值校正为 理想人脸模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增 益：
( a )根据人脸区域的 RGB平均值计算所述人脸区域的亮度值；
( b )根据理想人脸模型 RGB值计算理想人脸模型的亮度值；
( c )将所述人脸区域的亮度值和理想人脸模型的亮度值进行比较， 根据 亮度比较结果分别计算红绿蓝 RGB三个通道中每一个通道的增益校正因子， 将红绿蓝 RGB每一个通道的当前白平衡增益与该通道的增益校正因子相乘 得到该通道的校正后的白平衡增益。
其中， 增益计算模块通过如下方式所述根据亮度比较结果分别计算红绿 蓝 RGB三个通道中每一个通道的增益校正因子：
当人脸区域的亮度值 。大于或等于理想人脸模型的亮度值 时， 将理想 人脸模型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将 理想人脸模型的亮度值除以人脸区域的亮度值所得的商作为指数， 以所述底 数和所述指数构造的幂作为该基色对应的通道的增益校正因子； 红色通道的 增益校正因子《R、 绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 依次如下：
¾ = (W ^) ;
aa= 。严)；
当人脸区域的亮度值 。小于理想人脸模型的亮度值 J时， 将理想人脸模 型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将亮度最 大值与理想人脸模型的亮度值的差除以亮度最大值与人脸区域的亮度值的差 所得的商作为指数， 以所述底数和所述指数构造的幂作为该基色对应的通道 的增益校正因子；红色通道的增益校正因子《R、绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 依次如下：
aR = 严腿 u ；
Figure imgf000013_0001
其中， 为人脸区域的红色分量值， R,为理想人脸模型的红色分量值， G。为人脸区域的绿色分量值， 为理想人脸模型的绿色分量值， S。为人脸区 域的蓝色分量值， A为理想人脸模型的蓝色分量值， Ymax为亮度最大值， 所述 Y皿预先设定。 上述实施例提供的一种校准图像色彩的方法和***， 通过对经过自动白 平衡处理的图像进行人脸识别，计算将人脸区域的 RGB统计值校正为理想人 脸模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增益， 根 据校正后的白平衡增益对所述图像重新进行白平衡处理， 上述方法和***能 够使处理后的图像呈现的色彩更接近人眼看到的色彩， 提高图像质量。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序 来指令相关硬件完成， 所述程序可以存储于计算机可读存储介质中， 如只读 存储器、 磁盘或光盘等。 可选地， 上述实施例的全部或部分步骤也可以使用 一个或多个集成电路来实现， 相应地， 上述实施例中的各模块 /单元可以釆用 硬件的形式实现， 也可以釆用软件功能模块的形式实现。 本发明不限制于任 何特定形式的硬件和软件的结合。
需要说明的是， 本发明还可有其他多种实施例， 在不背离本发明精神及 和变形， 但这些相应的改变和变形都应属于本发明所附的权利要求的保护范
工业实用性
本发明实施例能够使处理后的图像呈现的色彩更接近人眼看到的色彩, 提高图像质量。

Claims

权 利 要 求 书
1、 一种校准图像色彩的方法， 包括：
对经过自动白平衡处理的图像进行人脸识别， 如果识别成功， 则确定人 脸区域， 计算所述人脸区域的红绿蓝 RGB统计值；
计算将人脸区域的 RGB统计值校正为理想人脸模型的 RGB值所需要的 红绿蓝 RGB三个通道的校正后的白平衡增益； 以及
根据红绿蓝 RGB 三个通道的校正后的白平衡增益对所述经过自动白平 衡处理的图像重新进行白平衡处理。
2、 如权利要求 1所述的方法， 其中：
计算所述人脸区域的红绿蓝 RGB统计值， 包括：
对所述人脸区域的全部像素的红绿蓝 RGB值求和后取平均值，得到所述 人脸区域的红绿蓝 RGB平均值。
3、 如权利要求 2所述的方法， 其中：
计算将人脸区域的 RGB统计值校正为理想人脸模型的 RGB值所需要的 红绿蓝 RGB三个通道的校正后的白平衡增益， 包括：
根据人脸区域的 RGB平均值计算所述人脸区域的亮度值；
根据理想人脸模型 RGB值计算理想人脸模型的亮度值； 以及
将所述人脸区域的亮度值和理想人脸模型的亮度值进行比较， 根据亮度 比较结果分别计算红绿蓝 RGB三个通道中每一个通道的增益校正因子，将红 绿蓝 RGB每一个通道的当前白平衡增益与所述通道的增益校正因子相乘得 到所述通道的校正后的白平衡增益。
4、 如权利要求 3所述的方法， 其中：
所述根据亮度比较结果分别计算红绿蓝 RGB 三个通道中每一个通道的 增益校正因子， 包括：
当人脸区域的亮度值 。大于或等于理想人脸模型的亮度值 时， 将理想 人脸模型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将 理想人脸模型的亮度值除以人脸区域的亮度值所得的商作为指数， 以所述底 数和所述指数构造的幂作为所述基色对应的通道的增益校正因子； 红色通道 的增益校正因子《R、 绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 <¾依次如下：
¾ = (W ^) ;
aa= 。严)；
当人脸区域的亮度值 。小于理想人脸模型的亮度值 时， 将理想人脸模 型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将亮度最 大值与理想人脸模型的亮度值的差除以亮度最大值与人脸区域的亮度值的差 所得的商作为指数， 以所述底数和所述指数构造的幂作为所述基色对应的通 道的增益校正因子； 红色通道的增益校正因子《R、 绿色通道的增益校正因子 oQ、 蓝色通道的增益校正因子 依次如下：
aR = ( /T^uu ；
Figure imgf000015_0001
其中， 为人脸区域的红色分量值， R,为理想人脸模型的红色分量值， G。为人脸区域的绿色分量值， 为理想人脸模型的绿色分量值， S。为人脸区 域的蓝色分量值， A为理想人脸模型的蓝色分量值， Ymax为亮度最大值， 所述 Y皿预先设定。
5、 如权利要求 1所述的方法， 其中：
所述人脸区域为包含人脸图像的矩形区域或圓形区域。
6、 一种校准图像色彩的***， 包括：
人脸识别模块， 其设置成对经过自动白平衡处理的图像进行人脸识别， 如果识别成功， 则确定人脸区域， 计算所述人脸区域的红绿蓝 RGB统计值； 增益计算模块，其设置成计算将人脸区域的 RGB统计值校正为理想人脸 模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增益； 以及 白平衡处理模块，其设置成根据红绿蓝 RGB三个通道的校正后的白平衡 增益对所述经过自动白平衡处理的图像重新进行白平衡处理。
7、 如权利要求 6所述的***， 其中：
人脸识别模块通过如下方式计算所述人脸区域的红绿蓝 RGB统计值： 对所述人脸区域的全部像素的红绿蓝 RGB值求和后取平均值，得到所述 人脸区域的红绿蓝 RGB平均值。
8、 如权利要求 7所述的***， 其中：
增益计算模块通过如下方式计算将人脸区域的 RGB 统计值校正为理想 人脸模型的 RGB值所需要的红绿蓝 RGB三个通道的校正后的白平衡增益： 根据人脸区域的 RGB平均值计算所述人脸区域的亮度值；
根据理想人脸模型 RGB值计算理想人脸模型的亮度值； 以及
将所述人脸区域的亮度值和理想人脸模型的亮度值进行比较， 根据亮度 比较结果分别计算红绿蓝 RGB三个通道中每一个通道的增益校正因子，将红 绿蓝 RGB每一个通道的当前白平衡增益与所述通道的增益校正因子相乘得 到所述通道的校正后的白平衡增益。
9、 如权利要求 7所述的***， 其中：
增益计算模块通过如下方式所述根据亮度比较结果分别计算红绿蓝 RGB 三个通道中每一个通道的增益校正因子：
当人脸区域的亮度值 。大于或等于理想人脸模型的亮度值 时， 将理想 人脸模型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将 理想人脸模型的亮度值除以人脸区域的亮度值所得的商作为指数， 以所述底 数和所述指数构造的幂作为所述基色对应的通道的增益校正因子； 红色通道 的增益校正因子《R、 绿色通道的增益校正因子《σ、 蓝色通道的增益校正因子 依次如下： 当人脸区域的亮度值 。小于理想人脸模型的亮度值 时， 将理想人脸模 型的基色分量除以人脸区域的对应基色分量值所得的商作为底数， 将亮度最 大值与理想人脸模型的亮度值的差除以亮度最大值与人脸区域的亮度值的差 所得的商作为指数， 以所述底数和所述指数构造的幂作为所述基色对应的通 道的增益校正因子； 红色通道的增益校正因子《R、 绿色通道的增益校正因子 oQ、 蓝色通道的增益校正因子 依次如下：
aR = 严腿 u ；
aG= ( /G H - w) ;
Figure imgf000017_0001
其中， 为人脸区域的红色分量值， R,为理想人脸模型的红色分量值， G。为人脸区域的绿色分量值， 为理想人脸模型的绿色分量值， S。为人脸区 域的蓝色分量值， A为理想人脸模型的蓝色分量值， Ymax为亮度最大值， 所述
10、 如权利要求 6所述的***， 其中：
所述人脸区域为包含人脸图像的矩形区域或圓形区域。
PCT/CN2014/077684 2014-01-22 2014-05-16 一种校准图像色彩的方法和*** WO2015109693A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410030720.2A CN104796683B (zh) 2014-01-22 2014-01-22 一种校准图像色彩的方法和***
CN201410030720.2 2014-01-22

Publications (1)

Publication Number Publication Date
WO2015109693A1 true WO2015109693A1 (zh) 2015-07-30

Family

ID=53561161

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/077684 WO2015109693A1 (zh) 2014-01-22 2014-05-16 一种校准图像色彩的方法和***

Country Status (2)

Country Link
CN (1) CN104796683B (zh)
WO (1) WO2015109693A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109614927A (zh) * 2018-12-10 2019-04-12 河南理工大学 基于前后帧差异及特征降维的微表情识别
CN110392245A (zh) * 2018-04-20 2019-10-29 瑞昱半导体股份有限公司 基于肤色信息的白平衡校正方法及其图像处理装置
US10719729B2 (en) 2018-06-06 2020-07-21 Perfect Corp. Systems and methods for generating skin tone profiles
CN113542708A (zh) * 2021-07-23 2021-10-22 深圳市火乐科技发展有限公司 投影面参数确认方法、装置、存储介质及投影设备
CN114071107A (zh) * 2020-08-10 2022-02-18 合肥君正科技有限公司 基于融合聚类分析与色温曲线的自动白平衡方法及装置
CN114598852A (zh) * 2022-03-07 2022-06-07 杭州国芯科技股份有限公司 摄像机人脸区域白平衡的优化方法
CN117649661A (zh) * 2024-01-30 2024-03-05 青岛超瑞纳米新材料科技有限公司 一种碳纳米管制备状态图像处理方法

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107360409B (zh) * 2016-05-09 2019-03-12 宁波舜宇光电信息有限公司 用于环视摄像模组的白平衡测试方法和自动调整方法
CN105894458A (zh) * 2015-12-08 2016-08-24 乐视移动智能信息技术（北京）有限公司 一种具有人脸的图像处理方法和装置
CN106885217A (zh) * 2015-12-16 2017-06-23 东莞东聚电子电讯制品有限公司 Led灯的rgb全自动白平衡调节方法
CN105915875B (zh) * 2016-06-01 2017-10-13 广东欧珀移动通信有限公司 白平衡校准方法和装置及其校准参数获得方法和装置
CN106096588A (zh) * 2016-07-06 2016-11-09 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106101547A (zh) * 2016-07-06 2016-11-09 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106060402A (zh) * 2016-07-06 2016-10-26 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106210517A (zh) * 2016-07-06 2016-12-07 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN107644437B (zh) * 2016-07-21 2021-01-26 宁波舜宇光电信息有限公司 基于分块的偏色检测***及其方法
CN106682424A (zh) 2016-12-28 2017-05-17 上海联影医疗科技有限公司 医学图像的调节方法及其***
CN108024107B (zh) * 2017-12-06 2020-05-12 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN107993214B (zh) * 2017-12-25 2018-10-12 北京航空航天大学 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强***
CN110570476A (zh) * 2018-06-06 2019-12-13 英属开曼群岛商玩美股份有限公司 执行于计算设备的***、方法及存储媒体
CN109255331B (zh) * 2018-09-18 2019-08-09 北京达佳互联信息技术有限公司 图片处理方法、装置、电子设备及存储介质
CN110012277B (zh) * 2019-04-09 2021-06-25 成都品果科技有限公司 一种针对人像图像的自动白平衡方法及装置
CN110211535B (zh) * 2019-05-28 2020-08-18 易诚高科（大连）科技有限公司 一种针对OLED屏DeMURA的多通道融合方法
CN114339187B (zh) * 2020-09-30 2024-06-14 北京小米移动软件有限公司 图像处理方法、图像处理装置及存储介质
CN112712475B (zh) * 2020-12-17 2022-11-15 珠海格力电器股份有限公司 图像色差补偿方法、装置、电子设备和存储介质
CN113191988B (zh) * 2021-05-31 2023-03-31 浙江大华技术股份有限公司 亮度矫正方法及装置、存储介质、电子装置
CN115348433A (zh) * 2022-08-04 2022-11-15 歌尔科技有限公司 图像处理方法、装置及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6069972A (en) * 1998-06-02 2000-05-30 Intel Corporation Global white point detection and white balance for color images
JP2001148863A (ja) * 1999-11-19 2001-05-29 Victor Co Of Japan Ltd ホワイトバランス調整方法及び調整装置
CN1663287A (zh) * 2002-06-25 2005-08-31 皇家飞利浦电子股份有限公司 使用脸部颜色作为参考信号来白平衡图像的方法和***
CN101022564A (zh) * 2007-03-26 2007-08-22 北京中星微电子有限公司 一种调整图像色彩的方法、装置及计算机

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5113514B2 (ja) * 2007-12-27 2013-01-09 キヤノン株式会社 ホワイトバランス制御装置およびホワイトバランス制御方法
JP2009165036A (ja) * 2008-01-09 2009-07-23 Sharp Corp 映像処理装置及びコンピュータプログラム
CN103501430B (zh) * 2013-09-29 2016-04-13 京东方科技集团股份有限公司 液晶显示器的自动白平衡调整方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6069972A (en) * 1998-06-02 2000-05-30 Intel Corporation Global white point detection and white balance for color images
JP2001148863A (ja) * 1999-11-19 2001-05-29 Victor Co Of Japan Ltd ホワイトバランス調整方法及び調整装置
CN1663287A (zh) * 2002-06-25 2005-08-31 皇家飞利浦电子股份有限公司 使用脸部颜色作为参考信号来白平衡图像的方法和***
CN101022564A (zh) * 2007-03-26 2007-08-22 北京中星微电子有限公司 一种调整图像色彩的方法、装置及计算机

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110392245A (zh) * 2018-04-20 2019-10-29 瑞昱半导体股份有限公司 基于肤色信息的白平衡校正方法及其图像处理装置
US10719729B2 (en) 2018-06-06 2020-07-21 Perfect Corp. Systems and methods for generating skin tone profiles
CN109614927A (zh) * 2018-12-10 2019-04-12 河南理工大学 基于前后帧差异及特征降维的微表情识别
CN114071107A (zh) * 2020-08-10 2022-02-18 合肥君正科技有限公司 基于融合聚类分析与色温曲线的自动白平衡方法及装置
CN114071107B (zh) * 2020-08-10 2023-10-31 合肥君正科技有限公司 基于融合聚类分析与色温曲线的自动白平衡方法及装置
CN113542708A (zh) * 2021-07-23 2021-10-22 深圳市火乐科技发展有限公司 投影面参数确认方法、装置、存储介质及投影设备
CN114598852A (zh) * 2022-03-07 2022-06-07 杭州国芯科技股份有限公司 摄像机人脸区域白平衡的优化方法
CN114598852B (zh) * 2022-03-07 2023-06-09 杭州国芯科技股份有限公司 摄像机人脸区域白平衡的优化方法
CN117649661A (zh) * 2024-01-30 2024-03-05 青岛超瑞纳米新材料科技有限公司 一种碳纳米管制备状态图像处理方法
CN117649661B (zh) * 2024-01-30 2024-04-12 青岛超瑞纳米新材料科技有限公司 一种碳纳米管制备状态图像处理方法

Also Published As

Publication number Publication date
CN104796683A (zh) 2015-07-22
CN104796683B (zh) 2018-08-14

Similar Documents

Publication Publication Date Title
WO2015109693A1 (zh) 一种校准图像色彩的方法和***
US11277595B2 (en) White balance method for image and terminal device
KR100879484B1 (ko) 자동 화이트 밸런스 방법 및 장치
WO2021223185A1 (zh) 相机及其对齐方法和装置、云台
JP2012100362A (ja) オートホワイトバランスを備える画像処理装置
JP6563751B2 (ja) 画像処理装置及び画像処理方法
CN109587466B (zh) 颜色阴影校正的方法和装置
US11889202B2 (en) Image processing apparatus, image processing method, and storage medium
TWI523542B (zh) 白平衡補償方法及其電子裝置
TW201830337A (zh) 對圖像執行自動白平衡的方法和設備
TWI524760B (zh) 照相機陣列校正方法
US9131200B2 (en) White balance adjusting method with scene detection and device thereof
US20180176528A1 (en) Light locus generation for automatic white balance
WO2016184153A1 (zh) 一种防偏色方法、终端及计算机存储介质
JP6346431B2 (ja) 画像処理装置及び画像処理方法
WO2018209984A1 (zh) 图像处理方法和装置
KR101143834B1 (ko) 화이트 밸런스 보정 장치 및 방법
CN116233381A (zh) 一种颜色校正方法、装置、电子设备和存储介质
TW201738841A (zh) 動態調整混色光源白平衡的方法
JP6276564B2 (ja) 画像処理装置及び画像処理方法
US20230421916A1 (en) White balance coefficient correction method and electronic device
TWI700934B (zh) 影像調整方法以及相關的影像處理電路
CN115514947B (zh) 一种ai自动白平衡的算法和电子设备
JP6774004B2 (ja) 変化度合い導出装置、変化度合い導出方法及びプログラム
Chen et al. An automatic white balance algorithm based on an improved method of specular reflection

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14880269

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14880269

Country of ref document: EP

Kind code of ref document: A1