图像白平衡处理方法、装置、存储介质及移动终端与流程

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处理方法、装置、存储介质及移动终端。

背景技术：

随着移动终端的快速发展，对通过移动终端摄像头拍摄的图像的质量要求也越来越高。然而，对于处于不同色温光源下的场景，摄像头内部的图像传感器所捕获图像的色彩与真实色彩通常具有一定偏差，因此，在实际应用中，图像传感器所得到的原始图像数据不能直接进行输出显示，而需要对原始图像数据进行白平衡处理，以将原始图像数据还原到具有真实色彩的图像后，才最终输出显示，使输出图像更接近人眼的视觉习惯。因此，有效的白平衡处理方式对摄像头拍摄的图像效果的好坏变得至关重要。

技术实现要素：

本申请实施例提供图像白平衡处理方法、装置、存储介质及移动终端，可以有效提高图像的质量，使图像更接近真实色彩。

第一方面，本申请实施例提供了一种图像白平衡处理方法，包括：

获取待处理的原始图像；

将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中；

根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。

第二方面，本申请实施例提供了一种图像白平衡处理装置，包括：

原始图像获取模块，用于获取待处理的原始图像；

原始图像输入模块，用于将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中；

目标图像确定模块，用于根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。

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本申请实施例第一方面所述的图像白平衡处理方法。

第四方面，本申请实施例提供了一种移动终端，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本申请实施例第一方面所述的图像白平衡处理方法。

本申请实施例中提供的图像白平衡处理方案，获取待处理的原始图像，并将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中，然后根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。通过采用上述技术方案，不仅可以简单、快速地对原始图像进行白平衡处理，而且还可以有针对性对输入的不同的原始图像进行相应的白平衡处理，可以有效提高图像的质量，使图像更接近真实色彩。

附图说明

图1为本申请实施例提供的一种图像白平衡处理方法的流程示意图；

图2为本申请实施例提供的另一种图像白平衡处理方法的流程示意图；

图3为本申请实施例提供的又一种图像白平衡处理方法的流程示意图；

图4为本申请实施例提供的一种图像白平衡处理装置的结构示意图；

图5为本申请实施例提供的一种移动终端的结构示意图；

图6为本申请实施例提供的另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。

自动白平衡(automaticwhitebalance，awb)算法对于相机成像效果至关重要。传统技术中，常用的自动白平衡算法通常为全局白平衡，也即全图使用一个白平衡系数，通过采集相机内图像传感器在不同色温下拍摄的白色物体的原始图像raw图像，然后基于raw图像分别计算r/g与b/g，并基于计算的r/g与b/g绘制色温曲线，最后将该色温曲线导入移动终端中。当移动终端中的相机处于打开状态时，无论相机处于拍摄预览状态，还是处于图像拍摄状态，实时检测拍摄预览图像或拍摄图像中的白色区块，并计算白色区块的r/g与b/g，并在导入移动终端的色温曲线中取与白色区块的r/g与b/g最接近的点作为色温点，将该色温点对应的r/g与b/g作为拍摄预览图像或拍摄图像的白平衡系数。

然而，上述全局白平衡算法中存在如下缺陷：一、对于混合色温的拍摄图像，使用全局白平衡算法无法很好地恢复图像白色；二、在检测图像的白色区块时，目前通常采用灰度世界近似法，无法准确地检测出图像中的白色区块，尤其上对于晚上拍摄的图像或混合色温的图像；第三、对于纯色物体的拍摄图像，采用全局白平衡算法进行白平衡处理后，容易导致纯色物体存在较大的颜色偏差。基于以上考虑，现提供如下图像白平衡处理的方案。

图1为本申请实施例提供的图像白平衡处理方法的流程示意图，该方法可以由图像白平衡处理装置执行，其中该装置可由软件和/或硬件实现，一般可集成在移动终端中。如图1所示，该方法包括：

步骤101、获取待处理的原始图像。

示例性的，本申请实施例中的移动终端可包括手机、平板电脑及摄像机等具有拍照功能的移动设备。

在本申请实施例中，当检测到移动终端的摄像头处于打开状态时，即当检测到移动终端的摄像头处于拍摄预览状态或拍摄图像时，获取摄像头采集的raw图像，此时，可将摄像头采集的raw图像作为待处理的原始图像。可选的，还可获取其他终端设备传输的raw图像或待进行白平衡处理的图像，并将其作为待处理的原始图像。当然，也可以直接从移动终端中存储的图像库中，获取需要进行白平衡处理的图像，作为待处理的原始图像。需要说明的是，本申请实施例对待处理的原始图像的来源或获取方式，不做限定。

可选的，当检测到图像白平衡处理事件被触发时，获取待处理的原始图像。可以理解的是，为了在合适的时机对图像进行白平衡处理，可预先设置图像白平衡处理事件的触发条件。示例性的，为了满足用户对采集图像的视觉需求，可在检测到摄像头处于开启状态时，触发图像白平衡处理事件。可选的，当用户对移动终端中某图像的饱和度不满意时，可在检测到用户主动打开图像白平衡处理权限时，触发图像白平衡处理事件。可选的，为了使图像白平衡处理应用于更有价值的应用时机，以节省图像白平衡处理所带来的额外功耗，可对图像白平衡处理的应用时机和应用场景进行分析或调研等，设置合理的预设场景，在检测移动终端处于预设场景时，触发图像白平衡处理事件。需要说明的是，本申请实施例对图像白平衡处理事件被触发的具体表现形式不做限定。

步骤102、将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中。

在本申请实施例中，白平衡系数矩阵确定模型可以理解为在输入待处理的原始图像后，快速确定与该待处理的原始图像对应的白平衡系数矩阵的学习模型。白平衡系数矩阵确定模型可以是对采集的样本原始图像及对应的样本白平衡系数矩阵进行训练生成的学习模型,其中，样本白平衡系数矩阵包括将样本原始图像调整到最好效果的白平衡处理图像时的矩阵。可以理解的是，通过对样本原始图像及对应的样本白平衡系数矩阵，及两者间的对应关系进行学习，可以生成白平衡系数矩阵确定模型。

白平衡处理模型可以理解为输入待处理的原始图像后，快速确定与该待处理的原始图像对应的目标图像的学习模型，其中，与该待处理的原始图像对应的目标图像为对原始图像进行白平衡处理后的图像。白平衡处理模型可以是通过对采集的样本原始图像及将样本原始图像调整到最好效果的白平衡处理图像，进行训练生成的学习模型。可以理解的是，通过对样本原始图像及将样本原始图像调整到最好效果的白平衡处理图像，及两者间的对应关系进行学习，可以生成白平衡处理模型。白平衡处理模型是端对端的学习模型，即输入及输出均为图像的学习模型。

步骤103、根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。

可选的，根据所述白平衡系数矩阵确定模型的输出结果，确定与所述原始图像对应的目标图像，包括：根据所述白平衡系数矩阵确定模型的输出结果，确定与所述原始图像对应的白平衡系数矩阵；根据所述原始图像及所述白平衡系数矩阵，确定与所述原始图像对应的目标图像。示例性的，将待处理的原始图像输入至白平衡系数矩阵确定模型后，白平衡系数矩阵确定模型对该原始图像进行分析，并根据分析结果确定与待处理的原始图像对应的白平衡系数矩阵，然后可基于白平衡系数矩阵对待处理的原始图像进行白平衡处理，生成与原始图像对应的目标图像。可选的，根据所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像，包括：确定所述白平衡处理模型的输出图像；将所述输出图像作为与所述原始图像对应的目标图像。示例性的，将待处理的原始图像输入至白平衡处理模型后，白平衡处理模型对原始图像进行分析，并根据分析结果对该原始图像进行白平衡处理，得到对原始图像进行白平衡处理后的目标图像，并输出。可以理解的是，将待处理的原始图像输入白平衡处理模型后，白平衡处理模型经分析后，直接输出图像，则可将该输出图像作为与原始图像对应的目标图像。

本申请实施例中提供的图像白平衡处理方法，获取待处理的原始图像，并将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中，然后根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。通过采用上述技术方案，不仅可以简单、快速地对原始图像进行白平衡处理，而且还可以有针对性对输入的不同的原始图像进行相应的白平衡处理，可以有效提高图像的质量，使图像更接近真实色彩。

在一些实施例中，根据所述原始图像及所述白平衡系数矩阵，确定与所述原始图像对应的目标图像，包括：获取所述原始图像中每个像素点的第一rgb分量值；针对所述原始图像中所有像素点，将每个像素点的第一rgb分量值与所述白平衡系数矩阵中对应位置的白平衡系数的乘积，作为与原始图像所述像素点对应的目标图像的像素点的第二rgb分量值。这样设置的好处在于，可针对待处理的原始图像中每个像素点确定一个独立的白平衡系数，并基于白平衡系数矩阵对原始图像中每个像素点进行白平衡处理，可以解决基于全局白平衡算法进行白平衡处理时，容易导致纯色物体的颜色偏差较大，混合色温下无法准确地检测出白色区块的技术问题，能够有效提高图像的质量，使图像更接近真实色彩。

示例性的，获取原始图像中每个像素点的第一rgb分量值，并针对原始图像中所有的像素点，将每个像素点的第一rgb分量值乘以与白平衡系数矩阵中对应位置的白平衡系数，并将乘积后的结果作为与原始图像所述像素点对应的目标图像素点的第二rgb分量值，即将乘积后的结果作为对原始图像进行白平衡处理后的像素点的第二rgb分量值。示例性的，获取原始图像中第一个像素点(原始图像中第一行第一列的像素点)的第一rgb分量值，则将白平衡系数矩阵中第一行第一列的白平衡系数与该第一个像素点的第一rgb分量值的乘积，作为对原始图像进行白平衡处理后的目标图像中的第一个像素点(目标图像中第一行第一列的像素点)的第二rgb分量值。依次类推，基于白平衡系数矩阵，对原始图像中每个像素点做类似的处理操作，从而得到对原始图像进行白平衡处理后的目标图像。

图2为本申请实施例提供的图像白平衡处理方法的流程示意图，如图2所示，该方法包括：

步骤201、通过摄像头采集标准色卡在不同色温下的第一样本原始图像。

在本申请实施例中，标准色卡为白色色卡，通过摄像头采集标准色卡在不同色温下的图像，作为第一样本原始图像。示例性的，通过摄像头采集标准色卡在不同色温下的raw图像，作为第一样本原始图像。不同色温可通过人造光源来实现，示例性的，在实验室环境下，通过不同类型的光源营造不同的色温环境。例如，利用蜡烛作为光源可营造出2000k的色温环境，利用高压钠灯作为光源可营造出1950-2250k的色温环境，利用钨丝灯做为光源可营造出2700k的色温环境，利用卤素灯作为光源可营造出3000k的色温环境，利用暖色荧光灯作为光源可营造出4000k-4600k的色温环境等。可通过不同类型的光源提供一系列色温值连续的拍摄环境。利用摄像头在不同色温下拍摄标准色卡，得到每一色温下的色卡图像，从而获得标准色卡在不同色温下的第一样本原始图像。

步骤202、对所述第一样本原始图像进行白平衡处理，得到与所述第一样本原始图像对应的第一样本目标图像。

在本申请实施例中，可利用现有白平衡处理方法对第一样本原始图像进行白平衡处理，得到与第一样本原始图像对应的第一样本目标图像。可选的，将第一样本原始图像输入至isp(imagesignalprocessor，图像信号处理器)工具中，手动对第一样本原始图像进行白平衡调节，将调节至白平衡效果最好的图像作为与第一样本原始图像对应的第一样本目标图像。其中，对第一样本原始图像进行白平衡调节时，是否调节至白平衡效果最好的图像可通过人眼的第一直观感觉进行确认，还可以通过图像质量评估标准进行评估，直至获取白平衡效果最好的图像。

步骤203、根据所述第一样本原始图像和所述第一样本目标图像，确定将所述第一样本原始图像变化为所述第一样本目标图像对应的样本白平衡系数矩阵。

在本申请实施例中，根据第一样本原始图像和与第一样本原始图像对应的第一样本目标图像，确定将第一样本原始图像变化为第一样本目标图像时，对应的样本白平衡系数矩阵，即确定对第一样本原始图像进行白平衡处理得到第一样本目标图像时，白平衡处理过程中采用的白平衡系数矩阵。

可选的，根据所述第一样本原始图像和所述第一样本目标图像，确定将所述第一样本原始图像变化为所述第一样本目标图像对应的样本白平衡系数矩阵，包括：获取所述第一样本原始图像中每个像素点的第三rgb分量值及所述第一样本目标图像中每个像素点的第四rgb分量值；针对所有像素点，将每个像素点对应的第四rgb分量值与第三rgb分量值的比值，作为样本白平衡系数矩阵中所述像素点对应的白平衡系数。这样设置的好处在于，可以准确地确定出不同色温环境下对标准色卡的原始图像进行白平衡处理时，对应的白平衡系数矩阵。

示例性的，分别获取第一样本原始图像中每个像素点的第三rgb分量值及第一样本目标图像中每个像素点的第四rgb分量值，对于每个像素点，分别计算对应像素点的第四rgb分量值与第三rgb分量值的比值，并将该比值作为该像素点的白平衡系数矩阵。示例性的，获取第一样本原始图像中第一个像素点(第一样本原始图像中第一行第一列的像素点)的第三rgb分量值，及第一样本目标图像中第一个像素点(第一样本目标图像中第一行第一列的像素点)的第四rgb分量值，并将该第四rgb分量值与该第三rgb分量值的比值，作为白平衡系数矩阵中第一行第一列的白平衡系数。按照上述方式，依次类推，分别确定白平衡系数矩阵中各个元素的白平衡系数。

步骤204、根据所述样本白平衡系数矩阵对所述第一样本原始图像进行标记，得到第一训练样本集。

示例性的，根据得到的每个样本白平衡系数矩阵分别对对应的第一样本原始图像进行标记，并将标记好对应样本白平衡系数矩阵的第一样本原始图像，作为白平衡系数矩阵确定模型的训练样本集，即第一训练样本集。

步骤205、利用所述第一训练样本集对第一预设机器学习模型进行训练，得到白平衡系数矩阵确定模型。

示例性的，利用第一训练样本集对第一预设机器学习模型进行训练，生成白平衡系数矩阵确定模型。其中，第一预设机器学习模型可以包括卷积神经网络模型或长短时记忆网络模型等机器学习模型。本申请实施例对第一预设机器学习模型不做限定。

步骤206、获取待处理的原始图像。

步骤207、将所述原始图像输入至预先训练的白平衡系数矩阵确定模型中。

步骤208、根据所述白平衡系数矩阵确定模型的输出结果，确定与所述原始图像对应的白平衡系数矩阵。

步骤209、根据所述原始图像及所述白平衡系数矩阵，确定与所述原始图像对应的目标图像。

示例性的，获取所述原始图像中每个像素点的第一rgb分量值，针对所述原始图像中所有像素点，将每个像素点的第一rgb分量值与所述白平衡系数矩阵中对应位置的白平衡系数的乘积，作为与原始图像所述像素点对应的目标图像的像素点的第二rgb分量值。

其中，在获取待处理的原始图像之前，获取白平衡系数矩阵确定模型。需要说明的是，可以是移动终端获取上述第一训练样本集，利用第一训练样本集对预设机器学习模型进行训练，直接生成白平衡系数矩阵确定模型。还可以是移动终端直接调用其他移动终端训练生成的白平衡系数矩阵确定模型，例如，在出厂前利用一个移动终端获取第一训练样本集并生成白平衡系数矩阵确定模型，然后将该白平衡系数矩阵确定模型存储到与其他移动终端中，供其他移动终端直接使用。或者，服务器获取大量的第一样本原始图像及与第一样本原始图像对应的白平衡系数矩阵，并根据对应的白平衡系数矩阵对第一样本原始图像进行标记，得到第一训练样本集。服务器对基于第一预设机器学习模型对第一训练样本集进行训练，得到白平衡系数矩阵确定模型。当移动终端需要进行图像白平衡处理时，从服务器调用已训练好的白平衡系数矩阵确定模型。

在本申请实施例中，通过白平衡系数矩阵确定模型确定出与待处理的原始图像对应的白平衡系数矩阵，不仅可以用于对待处理的原始图像进行白平衡处理，还可以将白平衡系数矩阵提供给用户，使用户将白平衡系数矩阵用作他用，当然，如果用户对基于白平衡系数矩阵对待处理的原始图像进行白平衡处理后的目标图像不满意时，还可以对该白平衡系数矩阵进行调整，以调整对原始图像进行白平衡处理的效果，或者得到不同效果的白平衡处理后的图像。

本申请实施例提供的图像白平衡处理方法，获取待处理的原始图像，并将原始图像输入至预先训练的白平衡系数矩阵确定模型中，根据所述白平衡系数矩阵确定模型的输出结果，确定与所述原始图像对应的白平衡系数矩阵，然后根据所述原始图像及所述白平衡系数矩阵，确定与所述原始图像对应的目标图像，其中，白平衡系数矩阵确定模型是基于标记好白平衡系数矩阵的第一样本原始图像进行训练生成的。通过采用上述技术方案，可以有效利用不同色温下采集的标准色卡的第一样本原始图像，及对第一样本原始图像进行白平衡处理时的白平衡系数矩阵，进行白平衡系数矩阵确定模型的训练学习，可以有效提高白平衡系数矩阵确定模型的精确性，同时利用白平衡系数矩阵确定模型可准确地确定出与待处理的原始图像匹配的白平衡系数矩阵，对原始图像进行白平衡处理，能够有效提供图像质量。

图3为本申请实施例提供的图像白平衡处理方法的流程示意图，如图3所示，该方法包括：

步骤301、通过摄像头采集标准色卡在不同色温下的第二样本原始图像。

在本申请实施例中，标准色卡为白色色卡，通过摄像头采集标准色卡在不同色温下的图像，作为第二样本原始图像。示例性的，通过摄像头采集标准色卡在不同色温下的raw图像，作为第二样本原始图像。不同色温可通过人造光源来实现，示例性的，在实验室环境下，通过不同类型的光源营造不同的色温环境。例如，利用蜡烛作为光源可营造出2000k的色温环境，利用高压钠灯作为光源可营造出1950-2250k的色温环境，利用钨丝灯做为光源可营造出2700k的色温环境，利用卤素灯作为光源可营造出3000k的色温环境，利用暖色荧光灯作为光源可营造出4000k-4600k的色温环境等。可通过不同类型的光源提供一系列色温值连续的拍摄环境。利用摄像头在不同色温下拍摄标准色卡，得到每一色温下的色卡图像，从而获得标准色卡在不同色温下的第二样本原始图像。

需要说明的是，采集第二样本原始图像时对应的色温取值与采集第一样本原始图像时对应的色温取值可以相同，也可以不同。第二样本原始图像与第一样本原始图像可以完全相同，也可以不同，本申请实施例对此不做限定。

步骤302、对所述第二样本原始图像进行白平衡处理，得到与所述第二样本原始图像对应的第二样本目标图像。

在本申请实施例中，可利用现有白平衡处理方法对第二样本原始图像进行白平衡处理，得到与第二样本原始图像对应的第二样本目标图像。可选的，将第二样本原始图像输入至isp(imagesignalprocessor，图像信号处理器)工具中，手动对第二样本原始图像进行白平衡调节，将调节至白平衡效果最好的图像作为与第二样本原始图像对应的第二样本目标图像。其中，对第二样本原始图像进行白平衡调节时，是否调节至白平衡效果最好的图像可通过人眼的第一直观感觉进行确认，还可以通过图像质量评估标准进行评估，直至获取白平衡效果最好的图像。

需要说明的是，本申请实施例对第二样本原始图像进行白平衡处理的方式与上述实施例中对第一样本原始图像进行白平衡处理的方式可以相同，也可以不同，本申请实施例对第一样本原始图像和第二样本原始图像进行白平衡处理的具体方式不做限定。

步骤303、将所述第二样本原始图像和所述第二样本目标图像作为第二训练样本集。

将第二样本原始图像及与第二样本原始图像对应的第二样本目标图像作为白平衡处理模型的训练样本集，即第二训练样本集。

步骤304、利用所述第二训练样本集对第二预设机器学习模型进行训练，得到白平衡处理模型。

示例性的，利用第二训练样本集对第二预设机器学习模型进行训练，生成白平衡处理模型。其中，第二预设机器学习模型可以包括卷积神经网络模型或长短时记忆网络模型等机器学习模型，还可以包括朴素贝叶斯模型。需要说明的是，本申请实施例对第二预设机器学习模型不做限定，其中，第二预设机器学习模型与第一预设机器学习模型可以相同，也可以不同。

步骤305、获取待处理的原始图像。

步骤306、将所述原始图像输入至预先训练的白平衡处理模型中。

步骤307、确定所述白平衡处理模型的输出图像。

步骤308、将所述输出图像作为与所述原始图像对应的目标图像。

其中，在获取待处理的原始图像之前，获取白平衡处理模型。需要说明的是，可以是移动终端获取上述第二训练样本集，利用第二训练样本集对第二预设机器学习模型进行训练，直接生成白平衡处理模型。还可以是移动终端直接调用其他移动终端训练生成的白平衡处理模型，例如，在出厂前利用一个移动终端获取第二训练样本集并生成白平衡处理模型，然后将该白平衡处理模型存储到与其他移动终端中，供其他移动终端直接使用。或者，服务器获取大量的第二样本原始图像及对第二样本原始图像进行白平衡处理后的第二样本目标图像，得到第二训练样本集。服务器对基于第二预设机器学习模型对第二训练样本集进行训练，得到白平衡处理模型。当移动终端需要进行图像白平衡处理时，从服务器调用已训练好的白平衡处理模型。

本申请实施例提供的图像白平衡处理方法，获取待处理的原始图像，并将原始图像输入至预先训练的白平衡处理模型中，将所述白平衡处理模型的输出图像，作为与所述原始图像对应的目标图像，其中，白平衡处理模型是基于第二样本原始图像及对第二样本原始图像进行白平衡处理后的第二样本目标图像进行训练生成的。通过采用上述技术方案，可以有效利用不同色温下采集的标准色卡的第二样本原始图像，及对第二样本原始图像进行白平衡处理后的第二样本目标图像，进行白平衡处理模型的训练学习，可以有效提高白平衡处理模型的精确性，同时利用白平衡处理模型可准确、快速地对待处理的原始图像进行白平衡处理，能够有效提高图像质量。

图4为本申请实施例提供的一种图像白平衡处理装置的结构示意图，该装置可由软件和/或硬件实现，一般集成在移动终端中，可通过执行图像白平衡处理方法来对图像进行白平衡处理。如图4所示，该装置包括：

原始图像获取模块401，用于获取待处理的原始图像；

原始图像输入模块402，用于将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中；

目标图像确定模块403，用于根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。

本申请实施例中提供的图像白平衡处理装置，获取待处理的原始图像，并将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中，然后根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。通过采用上述技术方案，不仅可以简单、快速地对原始图像进行白平衡处理，而且还可以有针对性对输入的不同的原始图像进行相应的白平衡处理，可以有效提高图像的质量，使图像更接近真实色彩。

可选的，所述目标图像确定模块，包括：

白平衡系数矩阵确定单元，用于根据所述白平衡系数矩阵确定模型的输出结果，确定与所述原始图像对应的白平衡系数矩阵；

目标图像确定单元，用于根据所述原始图像及所述白平衡系数矩阵，确定与所述原始图像对应的目标图像。

可选的，所述目标图像确定单元，用于：

获取所述原始图像中每个像素点的第一rgb分量值；

针对所述原始图像中所有像素点，将每个像素点的第一rgb分量值与所述白平衡系数矩阵中对应位置的白平衡系数的乘积，作为与原始图像所述像素点对应的目标图像的像素点的第二rgb分量值。

可选的，所述装置还包括：

矩阵确定模型获取模块，用于在获取待处理的原始图像之前，获取白平衡系数矩阵确定模型；

其中，所述白平衡系数矩阵确定模型由如下方式得到：

通过摄像头采集标准色卡在不同色温下的第一样本原始图像；其中，所述标准色卡为白色色卡；

对所述第一样本原始图像进行白平衡处理，得到与所述第一样本原始图像对应的第一样本目标图像；

根据所述第一样本原始图像和所述第一样本目标图像，确定将所述第一样本原始图像变化为所述第一样本目标图像对应的样本白平衡系数矩阵；

根据所述样本白平衡系数矩阵对所述第一样本原始图像进行标记，得到第一训练样本集；

利用所述第一训练样本集对第一预设机器学习模型进行训练，得到白平衡系数矩阵确定模型。

可选的，根据所述第一样本原始图像和所述第一样本目标图像，确定将所述第一样本原始图像变化为所述第一样本目标图像对应的样本白平衡系数矩阵，包括：

获取所述第一样本原始图像中每个像素点的第三rgb分量值及所述第一样本目标图像中每个像素点的第四rgb分量值；

针对所有像素点，将每个像素点对应的第四rgb分量值与第三rgb分量值的比值，作为样本白平衡系数矩阵中所述像素点对应的白平衡系数。

可选的，所述目标图像确定模块，用于：

确定所述白平衡处理模型的输出图像；

将所述输出图像作为与所述原始图像对应的目标图像。

可选的，所述装置还包括：

白平衡处理模型获取模块，用于在获取待处理的原始图像之前，获取所述白平衡处理模型；

其中，所述白平衡处理模型由如下方式得到：

通过摄像头采集标准色卡在不同色温下的第二样本原始图像；

对所述第二样本原始图像进行白平衡处理，得到与所述第二样本原始图像对应的第二样本目标图像；

将所述第二样本原始图像和所述第二样本目标图像作为第二训练样本集；

利用所述第二训练样本集对第二预设机器学习模型进行训练，得到白平衡处理模型。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行图像白平衡处理方法，该方法包括：

获取待处理的原始图像；

将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中；

根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

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处理操作，还可以执行本申请任意实施例所提供的图像白平衡处理方法中的相关操作。

本申请实施例提供了一种移动终端，该移动终端中可集成本申请实施例提供的图像白平衡处理装置。图5为本申请实施例提供的一种移动终端的结构示意图。移动终端500可以包括：存储器501，处理器502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502执行所述计算机程序时实现如本申请实施例所述的图像白平衡处理方法。

本申请实施例提供的移动终端，不仅可以简单、快速地对原始图像进行白平衡处理，而且还可以有针对性对输入的不同的原始图像进行相应的白平衡处理，可以有效提高图像的质量，使图像更接近真实色彩。

图6为本申请实施例提供的另一种移动终端的结构示意图，该移动终端可以包括：壳体(图中未示出)、存储器601、中央处理器(centralprocessingunit，cpu)602(又称处理器，以下简称cpu)、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cpu602和所述存储器601设置在所述电路板上；所述电源电路，用于为所述移动终端的各个电路或器件供电；所述存储器601，用于存储可执行程序代码；所述cpu602通过读取所述存储器601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计算机程序，以实现以下步骤：

获取待处理的原始图像；

将所述原始图像输入至预先训练的白平衡系数矩阵确定模型或白平衡处理模型中；

根据所述白平衡系数矩阵确定模型或所述白平衡处理模型的输出结果，确定与所述原始图像对应的目标图像。

所述移动终端还包括：外设接口603、rf(radiofrequency，射频)电路605、音频电路606、扬声器611、电源管理芯片608、输入/输出(i/o)子系统609、其他输入/控制设备610、触摸屏612、其他输入/控制设备610以及外部端口604，这些部件通过一个或多个通信总线或信号线607来通信。

应该理解的是，图示移动终端600仅仅是移动终端的一个范例，并且移动终端600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图像白平衡处理的移动终端进行详细的描述，该移动终端以手机为例。

存储器601，所述存储器601可以被cpu602、外设接口603等访问，所述存储器601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603，所述外设接口603可以将设备的输入和输出外设连接到cpu602和存储器601。

i/o子系统609，所述i/o子系统609可以将设备上的输入输出外设，例如触摸屏612和其他输入/控制设备610，连接到外设接口603。i/o子系统609可以包括显示控制器6091和用于控制其他输入/控制设备610的一个或多个输入控制器6092。其中，一个或多个输入控制器6092从其他输入/控制设备610接收电信号或者向其他输入/控制设备610发送电信号，其他输入/控制设备610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6092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。

触摸屏612，所述触摸屏612是用户移动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。

i/o子系统609中的显示控制器6091从触摸屏612接收电信号或者向触摸屏612发送电信号。触摸屏612检测触摸屏上的接触，显示控制器6091将检测到的接触转换为与显示在触摸屏612上的用户界面对象的交互，即实现人机交互，显示在触摸屏612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605，主要用于建立手机与无线网络(即网络侧)的通信，实现手机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。具体地，rf电路605接收并发送rf信号，rf信号也称为电磁信号，rf电路605将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。rf电路605可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、rf收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、codec(coder-decoder，编译码器)芯片组、用户标识模块(subscriberidentitymodule，sim)等等。

音频电路606，主要用于从外设接口603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611。

扬声器611，用于将手机通过rf电路605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608，用于为cpu602、i/o子系统及外设接口所连接的硬件进行供电及电源管理。

上述实施例中提供的图像白平衡处理装置、存储介质及移动终端可执行本申请任意实施例所提供的图像白平衡处理方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的图像白平衡处理方法。

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。