[发明专利]一种自动白平衡校正方法、装置及计算机存储介质

说明书

本发明提供一种自动白平衡校正方法及装置。该方法包括：根据光源下白色像素点的色度分布特征，确定白色像素统计区域；统计待校正图像落入所述白色像素统计区域的像素点，计算白平衡增益；根据所述白平衡增益对待校正图像进行粗校正；将校正图像由RGB颜色空间转到YUV空间，并在YUV空间下选定白色像素点；计算YUV空间下白色像素点的平均色度及色偏误差；当色偏误差大于预设值，使用精细色偏校正增益对粗校正后的图像进行精细校正。本发明所需先验知识容易构建，算法简单易于硬件实现，校正效果好。

技术领域

本发明涉及图像、视频处理技术领域，尤其涉及一种自动白平衡校正方法、装置及计算机存储介质。

背景技术

人类视觉系统具有与光照条件几乎无关地感知彩色的能力，能够保证观察到的物体颜色不会因为光源的不同而发生变化。然而，数字成像设备在成像时，其感光元器件中所存储的能量不仅仅取决于被摄物体的表面颜色，还受到当时的外界光照情况、感光元器件的物理特性等诸多因素的影响。一般的，在高色温光源下所拍摄的图像，其中的白色物体偏蓝，而在低色温光源下所拍摄的图像，其中的白色物体偏红。对不同色温所引起的的色偏进行校正，从而使白色的物体呈现真正的白色，称之为白平衡处理。现有白平衡算法主要分为两大类，基于一定假设的白平衡算法和基于大量先验知识的白平衡算法。其中，基于一定假设的白平衡算法只利用图像本身的信息，不依赖于先验知识。此类经典的算法有，灰度世界算法，白色块算法等。这类算法原理简单，方便硬件实现，被广泛使用。但是当假设的前提条件不成立时，该类算法容易失效。另一类白平衡算法是基于大量先验知识的：通过学习在已知光源下，图像色度的分布，再根据未知光源下图像的色度分布来推测当前场景的光源。例如颜色相关性算法，色域映射算法，神经网络算法等。这一类算法的效果相对好，宜用于要求较高的场合。但是需要大量样本来构建先验知识，实现过程复杂，资源消耗大。

发明内容

有鉴于此，本发明提供一种自动白平衡校正方法、装置及计算机存储介质，用于解决现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

本发明实施例提供了一种自动白平衡校正方法，包括：

根据光源下白色像素点的色度分布特征，确定白色像素统计区域；

统计待校正图像落入所述白色像素统计区域的像素点，计算白平衡增益；

根据所述白平衡增益对待校正图像进行粗校正；

将校正图像由RGB颜色空间转到YUV空间，并在YUV空间下选定白色像素点；

计算YUV空间下白色像素点的平均色度及色偏误差；

当色偏误差大于预设值，使用精细色偏校正增益对粗校正后的图像进行精细校正。

进一步地，所述“统计待校正图像落入所述白色像素统计区域的像素点，计算白平衡增益”具体包括：

判断待校正图像的每个像素点的RGB分量是否满足公式

L1＜R＜L2,L1＜G＜L2,L1＜B＜L2，其中，L1,L2分别为白色像素的最小阈值与最大阈值；

若像素点满足上述公式，计算该像素点的R/G比值与B/G比值，并判断其是否落在白色像素统计区域；若落在白色像素统计区域，则判断该像素点为白色像素点；

将所有判断为白色像素的像素点的RGB分量累加，分别记为SumR,SumG,SumB，白平衡增益计算表达式如下所示：

其中，R_gain为R分量白平衡增益，B_gain为B分量白平衡增益。

进一步地，将校正图像由RGB颜色空间转到YUV空间，在YUV空间下将满足公式|U|+|V|+θ＜Y×T的像素点选定为白色像素点；其中，θ为偏置控制参数，T为斜率控制参数。