色彩校正方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种色彩校正方法及装置、电子设备和存储介质。


背景技术：

2.摄影和医学美容等领域，需要准确还原皮肤图像的肤色，这要求基于在不同的光源照射下拍摄的皮肤图像，获得还原度较高的肤色的皮肤图像。这此过程中，对光源的估计(有时也称色温估计)十分重要。
3.在相关技术中，估计光源通常有两类方法，一是根据灰区估计，二是根据肤色区估计。灰区估计方法的稳定性较好，色彩还原准确度较高，但难以获得准确的灰区检测结果，影响整体准确度。肤色区检测的可靠性比较高，但因肤色存在多样性，相关技术中的基于肤色块标定的方法准确度不高。


技术实现要素：

4.本公开提出了一种色彩校正方法及装置、电子设备和存储介质。
5.根据本公开的一方面，提供了一种色彩校正方法，包括：通过具有多个色彩通道的图像传感器，获取第一皮肤图像的多个色彩通道的色彩数据；根据所述图像传感器的特征响应参数，以及所述多个色彩通道的色彩数据，获得所述第一皮肤图像的特征光谱响应值，所述特征响应参数用于表示图像传感器的多个色彩通道的光谱响应信息与所述图像传感器获取的所述色彩数据之间的关系参数，所述光谱响应信息为所述图像传感器的固有信息，用于表示所述图像传感器的多个色彩通道对于光源的光谱的响应信息；根据所述特征光谱响应值和所述第一皮肤图像，获得色彩校正后的第二皮肤图像。
6.根据本公开的实施例的色彩校正方法，可利用多个皮肤样本光谱数据标定图像传感器的特征响应参数，获得准确的特征光谱响应值，即，在光源照射下的呈现的光谱的特征，进而可提升估计光源的准确度，并可基于估计的光源来进行色彩校正，可提高色彩校正的准确度，获得准确度较高的第二皮肤图像。
7.在一种可能的实现方式中，所述根据所述特征光谱响应值和所述第一皮肤图像，获得色彩校正后的第二皮肤图像，包括：根据所述特征光谱响应值对所述第一皮肤图像进行光源估计，获得所述第一皮肤图像的光源置信度，所述光源置信度表示为拍摄所述第一皮肤图像时的至少一种光源的置信度；根据所述光源置信度，确定白平衡增益和色彩校正矩阵；根据所述白平衡增益和所述色彩校正矩阵，对所述第一皮肤图像进行色彩校正，获得所述第二皮肤图像。
8.通过这种方式，可基于特征光谱响应值确定光源的置信度，进而确定拍摄时的光源，进而可基于光源来进行色彩校正，提升校正的准确性。
9.在一种可能的实现方式中，所述通过具有多个色彩通道的图像传感器，获取第一皮肤图像的多个色彩通道的色彩数据，包括：检测待处理图像中的皮肤区域，获得所述第一
皮肤图像；确定所述第一皮肤图像的多个色彩通道的色彩数据。
10.通过这种方式，可在任意图像中获取皮肤所在区域的图像，并确定该图像的多个色彩通道的色彩数据。
11.在一种可能的实现方式中，所述根据所述图像传感器的特征响应参数，以及所述多个色彩通道的色彩数据，获得所述第一皮肤图像的特征光谱响应值，包括以下中的一种：确定所述多个色彩通道的色彩数据的均值，并根据所述色彩数据的均值以及所述特征响应参数，确定所述特征光谱响应值；或者根据所述多个色彩通道的色彩数据以及所述特征响应参数，确定所述第一皮肤图像多个像素点的特征光谱响应信息，并根据所述多个像素点的特征光谱响应信息确定所述第一皮肤图像的特征光谱响应值。
12.通过这种方式，可通过两种方式获取特征光谱响应值，提升了计算灵活性。
13.在一种可能的实现方式中，所述方法还包括：获取皮肤样本光谱数据的特征信息；根据所述图像传感器的光谱响应信息，以及所述特征信息，获得所述图像传感器的光谱响应信息和所述特征信息之间的特征响应参数。
14.通过这种方式，可获得表示光谱响应信息和特征信息之间的关系的特征响应参数，为光源估计和色彩校正提供数据基础。
15.在一种可能的实现方式中，所述获取皮肤样本光谱数据的特征信息，包括：对所述皮肤样本光谱数据的预设区间按照预设的采样间隔进行采样，获得第一光谱采样数据；对所述第一光谱采样数据进行成分分析，获得所述特征信息。
16.通过这种方式，可通过采样来降低运算压力，并通过成分分析来获得有代表性的成分，提升特征信息的准确性。
17.在一种可能的实现方式中，所述根据所述图像传感器的光谱响应信息，以及所述特征信息，获得所述图像传感器的光谱响应信息和所述特征信息之间的特征响应参数，包括：获取所述图像传感器的光谱响应信息；对所述光谱响应信息的预设区间按照预设的采样间隔进行采样，获得第二光谱采样数据；对多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行拟合处理，获得所述特征响应参数。
18.通过这种方式，可通过将图像传感器固有的光谱响应信息进行采样，以减小运算压力，并将实际测量并提取的特征信息与第二光谱采样数据进行拟合，提升特征响应参数的准确性。
19.在一种可能的实现方式中，所述对多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行拟合处理，获得所述特征响应参数，包括以下中的一种：通过所述多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行回归分析，获得所述特征响应参数；或者通过所述多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据对神经网络进行训练，将训练后的神经网络的网络参数确定为所述特征响应参数。
20.通过这种方式，可通过多种方式来获得特征响应参数，提升运算的灵活性。
21.根据本公开的一方面，提供了一种色彩校正装置，包括：色彩数据获取模块，用于通过具有多个色彩通道的图像传感器，获取第一皮肤图像的多个色彩通道的色彩数据；特征光谱响应值获得模块，用于根据所述图像传感器的特征响应参数，以及所述多个色彩通道的色彩数据，获得所述第一皮肤图像的特征光谱响应值，所述特征响应参数用于表示图像传感器的多个色彩通道的光谱响应信息与所述图像传感器获取的所述色彩数据之间的
关系参数，所述光谱响应信息为所述图像传感器的固有信息，用于表示所述图像传感器的多个色彩通道对于光源的光谱的响应信息；色彩校正模块，用于根据所述特征光谱响应值和所述第一皮肤图像，获得色彩校正后的第二皮肤图像。
22.在一种可能的实现方式中，所述色彩校正模块进一步用于：根据所述特征光谱响应值对所述第一皮肤图像进行光源估计，获得所述第一皮肤图像的光源置信度，所述光源置信度表示为拍摄所述第一皮肤图像时的至少一种光源的置信度；根据所述光源置信度，确定白平衡增益和色彩校正矩阵；根据所述白平衡增益和所述色彩校正矩阵，对所述第一皮肤图像进行色彩校正，获得所述第二皮肤图像。
23.在一种可能的实现方式中，所述色彩数据获取模块进一步用于：检测待处理图像中的皮肤区域，获得所述第一皮肤图像；确定所述第一皮肤图像的多个色彩通道的色彩数据。
24.在一种可能的实现方式中，所述特征光谱响应值获得模块进一步用于：确定所述多个色彩通道的色彩数据的均值，并根据所述色彩数据的均值以及所述特征响应参数，确定所述特征光谱响应值；或者根据所述多个色彩通道的色彩数据以及所述特征响应参数，确定所述第一皮肤图像多个像素点的特征光谱响应信息，并根据所述多个像素点的特征光谱响应信息确定所述第一皮肤图像的特征光谱响应值。
25.在一种可能的实现方式中，所述装置还包括：特征响应参数获得模块，用于：获取皮肤样本光谱数据的特征信息；根据所述图像传感器的光谱响应信息，以及所述特征信息，获得所述图像传感器的光谱响应信息和所述特征信息之间的特征响应参数。
26.在一种可能的实现方式中，所述特征响应参数获得模块进一步用于：对所述皮肤样本光谱数据的预设区间按照预设的采样间隔进行采样，获得第一光谱采样数据；对所述第一光谱采样数据进行成分分析，获得所述特征信息。
27.在一种可能的实现方式中，所述特征响应参数获得模块进一步用于：获取所述图像传感器的光谱响应信息；对所述光谱响应信息的预设区间按照预设的采样间隔进行采样，获得第二光谱采样数据；对多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行拟合处理，获得所述特征响应参数。
28.在一种可能的实现方式中，所述特征响应参数获得模块进一步用于：通过所述多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行回归分析，获得所述特征响应参数；或者通过所述多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据对神经网络进行训练，将训练后的神经网络的网络参数确定为所述特征响应参数。
29.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
30.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
31.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
32.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
33.图1示出根据本公开实施例的色彩校正方法的流程图；
34.图2a、图2b、图2c和图2d示出根据本公开实施例的色彩校正方法的应用示意图；
35.图3示出根据本公开实施例的色彩校正装置的框图；
36.图4示出根据本公开实施例的一种电子设备的框图；
37.图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
38.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
39.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
40.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
41.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
42.图1示出根据本公开实施例的色彩校正方法的流程图，如图1所示，所述方法包括：
43.在步骤s11中，通过具有多个色彩通道的图像传感器，获取第一皮肤图像的多个色彩通道的色彩数据；
44.在步骤s12中，根据所述图像传感器的特征响应参数，以及所述多个色彩通道的色彩数据，获得所述第一皮肤图像的特征光谱响应值，所述特征响应参数用于表示图像传感器的多个色彩通道的光谱响应信息与所述图像传感器获取的所述色彩数据之间的关系参数，所述光谱响应信息为所述图像传感器的固有信息，用于表示所述图像传感器的多个色彩通道对于光源的光谱的响应信息；
45.在步骤s13中，根据所述特征光谱响应值和所述第一皮肤图像，获得色彩校正后的第二皮肤图像。
46.根据本公开的实施例的色彩校正方法，可利用多个皮肤样本光谱数据标定图像传感器的特征响应参数，获得准确的特征光谱响应值，即，在光源照射下的呈现的光谱的特征，进而可提升估计光源的准确度，并可基于估计的光源来进行色彩校正，可提高色彩校正的准确度，获得准确度较高的第二皮肤图像。
47.在一种可能的实现方式中，针对相关技术中对肤色的还原度不高的情况，本公开通过多个样本来标定图像传感器的各色彩通道的光谱响应信息和光谱样本的光谱特征之间的特征响应参数，并可通过标定好的图像传感器测得图像中多个色彩通道的色彩数据的
多个均值以及特征响应参数，即可确定该图像的特征光谱响应值，特征光谱响应值可表示在各种光源照射下响应出的光谱特征，因此，可通过特征光谱响应值来估计光源，进而基于估计的光源来进行色彩校正。
48.在一种可能的实现方式中，利用上述方法，可估计对皮肤进行照射的光源，并进行色彩校正，以还原准确的肤色，获得第二皮肤图像。肤色通常由真黑素(eumelanin)、褐黑素(pheomelanin)等色素决定。这些色素有其特定的吸收光谱，因此，处理相关技术中使用的r、g、b三个色彩通道之外，还可通过更多色彩通道(例如，c(青色cyan)通道、m(品红magenta)通道、y(黄色yellow)通道)，来逼近皮肤光谱特征，进而准确地估计光源，以及还原肤色。本公开对“多个色彩通道”的具体数量及色彩类型不做限制。
49.在一种可能的实现方式中，在步骤s11中，可首先获取第一皮肤图像中上述多个色彩通道的色彩数据。在示例中，如使用三通道(rgb通道)的传感器进行获取，则获取到的图像中每个像素点具有rgb(即，红色red、绿色greed和蓝色blue)三个色彩通道的色彩数据，如果使用更多通道(例如，rgbcmy六个通道)的传感器进行获取，则获取到的图像中每个像素点具有rgbcmy六个色彩通道的色彩数据。在示例中，为准确还原肤色，可使用具有rgbcmy六个色彩通道的cmos(complementary metal oxide semiconductor，互补金属氧化物半导体)传感器作为所述图像传感器进行检测，可获得图像中各像素点的rgbcmy六个色彩通道的色彩数据。本公开对图像传感器的类型不做限制。
50.在一种可能的实现方式中，步骤s11可包括：检测待处理图像中的皮肤区域，获得所述第一皮肤图像；确定所述第一皮肤图像的多个色彩通道的色彩数据。
51.在一种可能的实现方式中，如果获取的图像是包括皮肤部位的普通图像(即，不仅包括皮肤部位，还包括其他事物)，可首先在待处理图像中获取第一皮肤图像。例如，待处理图像为包括人脸区域的图像，可对待处理图像进行检测，获取人脸区域的图像，即，包括人脸部皮肤的第一皮肤图像。在示例中，可将人脸区域进行截图，获得第一皮肤图像，也可不进行截图，直接将人脸所在的区域作为第一皮肤图像，在后续处理中，也仅对该区域进行处理。
52.在一种可能的实现方式中，可通过上述具有多个色彩通道的图像传感器来获取第一皮肤图像的多个色彩通道的色彩数据，例如，为更加适应皮肤的颜色，可使用具有rgbcmy六个通道的cmos传感器作为图像传感器进行检测，获得第一皮肤图像的各像素点的六个色彩通道的色彩数据。例如，相机中包括所述具有rgbcmy六个通道的cmos传感器，在拍摄的图像中的每个像素点可具有rgbcmy六个通道的色彩数据。
53.通过这种方式，可在任意图像中获取皮肤所在区域的图像，并确定该图像的多个色彩通道的色彩数据。
54.在一种可能的实现方式中，在步骤s12中，为获取第一皮肤图像的特征光谱响应值，可利用第一皮肤图像的每个像素点的色彩数据，及所述特征响应参数，来确定整个图像的特征光谱响应值。步骤s12可包括：以下中的一种：根据所述多个色彩通道的色彩数据确定多个色彩通道的色彩数据的均值，并根据所述色彩数据的均值以及所述特征响应参数，确定所述特征光谱响应值；或者根据所述多个色彩通道的色彩数据以及所述特征响应参数，确定所述第一皮肤图像多个像素点的特征光谱响应信息，并根据所述多个像素点的特征光谱响应信息确定所述第一皮肤图像的特征光谱响应值。即，可首先确定每个像素点的
色彩数据的均值，并利用上述特征响应参数对该均值进行运算，获得第一皮肤图像的特征光谱响应值，或者，利用特征响应参数对每个像素点的色彩数据进行运算，获得每个像素点的特征光谱响应信息，并对每个像素点的特征光谱响应信息进行运算，来获得整个第一皮肤图像的特征光谱响应值。
55.在一种可能的实现方式中，首先说明确定各像素点的色彩数据的均值后，再利用特征响应参数对该均值进行运算的方式。可对其中的皮肤所在区域的色彩数据进行统计，获取第一皮肤图像的六个色彩通道的色彩数据的均值。将每个像素点的相同色彩通道的色彩数据进行求平均处理，即可获得该色彩通道的均值，例如，通过六个通道的传感器进行检测时，可获得六个色彩通道的均值。
56.在示例中，可对每个色彩通道的光谱数据进行平均，获得每个色彩通道的均值。例如，可对各像素点的r色彩通道的色彩数据进行平均，获得r色彩通道的均值，可对各像素点的g色彩通道的色彩数据进行平均，获得g色彩通道的均值，可对各像素点的b色彩通道的色彩数据进行平均，获得b色彩通道的均值，可对各像素点的c色彩通道的色彩数据进行平均，获得c色彩通道的均值，可对各像素点的m色彩通道的色彩数据进行平均，获得m色彩通道的均值，可对各像素点的y色彩通道的色彩数据进行平均，获得y色彩通道的均值。在获得各色彩通道的均值后，可基于各色彩通道的均值，以及图像传感器的特征响应参数，获取第一皮肤图像的特征光谱响应值。
57.在一种可能的实现方式中，在此说明首先利用特征响应参数对每个像素点的色彩数据进行运算，并对各像素点的运算结果进行统计，获得第一皮肤图像的特征光谱响应值的方式。特征光谱响应值可以是回归系数或神经网络的网络参数等，本公开对此不做限制，可将每个像素点的多个色彩通道的色彩数据通过回归系数确定的回归方程进行运算，或者将每个像素点的多个色彩通道的色彩数据输入所述网络参数确定的神经网络进行运算，获得每个像素点的特征光谱响应信息，进而可对每个像素点的特征光谱响应信息进行统计，例如，计算各像素点的特征光谱响应信息的均值、方差等信息，获得所述第一皮肤图像的特征光谱响应值。
58.通过这种方式，可通过两种方式获取特征光谱响应值，提升了计算灵活性。
59.在一种可能的实现方式中，在求解特征光谱响应值时，特征响应参数为求解所需的重要参数，所述特征响应参数用于表示图像传感器的多个色彩通道的光谱响应信息与所述图像传感器获取的所述色彩数据之间的关系参数，在求解特征响应参数时可获取图像传感器的各色彩通道的光谱响应信息与光谱的特征信息(通过图像传感器从多个皮肤样本中实际采集的多个色彩通道的光谱数据并提取获得的特征信息)的关系的参数。其中，所述光谱响应信息为所述图像传感器的固有信息，用于表示所述图像传感器的多个色彩通道对于光源的光谱的响应信息，例如，图像传感器在各种光源照射下的各色彩通道的光谱曲线，例如，各个色彩通道对于各种波长的光谱所响应的光强所形成的曲线。光谱响应值为图像传感器获取的特定图像的光谱响应，换言之，为光谱曲线上的某一组特定值，可利用特定图像的色彩数据，经过特征响应参数(即，表示光谱特征信息与色彩数据的关系的参数)的处理，例如，利用特征响应参数进行关系转换，可获得该图像的特定的光谱响应，即，光谱响应值，亦为光谱曲线上的与该图像对应的特定值。
60.因此，可基于皮肤样本中实际采集的光谱数据和图像传感器固有的光谱响应信
息，来确定实际数据与固有信息之间的关系参数(即，特征响应参数)，进而可基于该关系参数(特征响应参数)来处理实际采集的特定图像的色彩数据，以确定图像传感器针对特定图像的情况下的光谱响应，即，特征光谱响应值，亦为该图像在光谱曲线上的对应值，因此，特征光谱响应值为：在特定光源照射下获取的特定图像，图像传感器在检测该特定图像时，所呈现的该图像的特定信息(与光谱响应相关的特定信息)，可依据此特定信息，来估计获取该图像时的特定光源，进而进行图像的色彩校正。
61.在一种可能的实现方式中，可通过对多个样本进行拟合的方式来获得特征响应参数。所述方法还包括：获取皮肤样本光谱数据的特征信息；根据所述图像传感器的光谱响应信息，以及所述特征信息，获得所述图像传感器的光谱响应信息和所述特征信息之间的特征响应参数。
62.通过这种方式，可获得表示光谱响应信息和特征信息之间的关系的特征响应参数，为光源估计和色彩校正提供数据基础。
63.在一种可能的实现方式中，皮肤样本光谱数据为通过光谱仪对多个皮肤样本图像进行检测获得的数据，也可以是光谱数据库中的数据，例如，tr x 0012:1998标准光谱数据库中的多个皮肤样本的光谱数据。皮肤样本光谱数据可包括多种肤色的皮肤的光谱数据，例如，黄种人皮肤、白种人皮肤和黑种人皮肤的光谱数据。
64.在一种可能的实现方式中，为获取表示色彩通道的光谱响应信息与光谱的特征信息之间的关系的特征响应参数。可获取光谱数据的特征信息，再确定特征信息与图像传感器的光谱响应信息之间的关系，即可获得所述特征响应参数。
65.在一种可能的实现方式中，特征信息可包括数据特征、色彩特征、外貌特征等，获取光谱数据的特征信息时，可通过对光谱数据进行多种数据运算，获得光谱数据的数据特征。获取皮肤样本光谱数据的特征信息，包括：对皮肤样本光谱数据的预设区间按照预设的采样间隔进行采样，获得第一光谱采样数据；对所述第一光谱采样数据进行成分分析，获得所述特征信息。
66.在一种可能的实现方式中，皮肤样本光谱数据可表示为各色彩通道的光谱数据的曲线图。在通过检测设备获取第一皮肤光谱数据时，其数据量可较大，例如，每纳米波长均有对应的光谱数据，为降低运算压力，提高拟合效率，同时防止过拟合，可对光谱数据进行采样，以在对拟合精度影响较小的前提下，提高拟合效率，并减少过拟合的可能性。
67.在示例中，可对预设区间内的光谱数据按照预设间隔进行采样，例如，在400nm到700nm的区间(例如，可见光区间)内以10nm为间隔进行采样，获得第一光谱采样数据。对预设区间内的光谱数据进行采样，可获取预设区间内的采样数据，以将运算能力应用于预设区间，例如，可见光区间，对于预设区间外的光谱数据则可不进行采集，不仅可减少采样时的运算压力，还可将拟合时的运算资源用于有效的区间(例如，可见光区间)，无需在无效的区间中浪费运算资源，且可防止无效区间中的数据对拟合精度造成干扰。
68.在一种可能的实现方式中，在采样以获得第一光谱采样数据后，可对第一光谱采样数据进行成分分析，可获得第一光谱采样数据的数据特征，即，特征信息。在特征提取时，可通过主成分分析(principal component analysis)、独立成分分析(independent component analysis)、独立子空间分析(independent subspace analysis)、k-svd等方法来对第一光谱采样数据进行运算，获得特征信息，本公开对特征提取时采用的方法不做限
制。在通过主成分分析获取特征信息时，可根据需要选择任意数量的(例如，前三个)主成分作为特征信息，本公开对此不作限制。
69.通过这种方式，可通过采样来降低运算压力，并通过成分分析来获得有代表性的成分，提升特征信息的准确性。
70.在一种可能的实现方式中，在获得上述特征信息后，可获得表示特征信息和图像传感器的光谱响应信息之间的关系的特征响应参数。图像传感器的光谱响应信息为图像传感器的固有信息，即，图像传感器对各波长的光线的多个色彩通道的光谱响应曲线，也就是说，对于各波长的光线的响应光谱。
71.在一种可能的实现方式中，根据所述图像传感器的光谱响应信息，以及所述特征信息，获得所述图像传感器的光谱响应信息和所述特征信息之间的特征响应参数，包括：获取所述图像传感器的光谱响应信息；对所述光谱响应信息的预设区间按照预设的采样间隔进行采样，获得第二光谱采样数据；根据多个皮肤样本光谱数据的特征信息和第二光谱采样数据进行拟合处理，获得所述特征响应参数。
72.通过这种方式，可通过将图像传感器固有的光谱响应信息进行采样，以减小运算压力，并将实际测量并提取的特征信息与第二光谱采样数据进行拟合，提升特征响应参数的准确性。
73.在一种可能的实现方式中，可获取图像传感器的光谱响应信息，例如，该光谱响应信息可以是设备本身提供的信息，也可以通过多个波长的光线对图像传感器进行测试，确定其在多个色彩通道中对各波长的光线的响应信息，进一步地，还可基于所述光谱响应信息绘制多个色彩通道对各波长的光线的光谱响应曲线。
74.在一种可能的实现方式中，由于所述特征信息是通过第一光谱采样数据获得的，特征信息的数据间隔与数据范围同样是基于第一光谱采样数据的数据间隔和数据范围确定的。为获得较好的拟合效果，可对光谱响应信息以相同的预设区间和采样间隔进行采样，获得第二光谱采样数据，使得第二光谱采样数据的数据间隔与数据范围与第一光谱采样数据一致，且与特征信息匹配。
75.在一种可能的实现方式中，在获得第二光谱采样数据后，可对色彩通道数量较多的第二光谱采样数据与特征信息进行拟合，获得表示第二光谱采样数据和特征信息之间的关系的特征响应参数。
76.在一种可能的实现方式中，第二光谱采样数据可包括多个通道的光谱响应数据，可利用多种方式将多个数据通道的数据响应进行拟合，使得拟合结果逼近特征信息的数值。根据多个皮肤样本光谱数据的特征信息和第二光谱采样数据进行拟合处理，获得所述特征响应参数，包括以下中的一种：通过多个皮肤样本光谱数据的特征信息和第二光谱采样数据进行回归分析，获得所述特征响应参数；或者通过多个皮肤样本光谱数据的特征信息和第二光谱采样数据对神经网络进行训练，将训练后的神经网络的网络参数确定为所述特征响应参数。
77.在示例中，上述拟合方法可包括回归分析，例如，多元线性回归分析、多元非线性回归分析、多元指数回归分析、多元对数回归分析、逻辑回归分析等，本公开对回归分析的具体类别不做限制。
78.在示例中，上述拟合方法可包括神经网络方法，可利用特征信息和第二光谱采样
数据对神经网络进行训练，例如，可将第二光谱采样数据作为神经网络的输入量，获得神经网络的输出量，并利用输出量与特征信息之间的差距确定神经网络的损失函数，进而按照使损失函数减小的方向调整神经网络的参数，在经过多次训练后，可获得训练后的神经网络，神经网络的网络参数即为所述特征响应参数。
79.在示例中，上述拟合方法还可包括其他方法，例如，插值法等，本公开对拟合方法的具体类型不做限制。
80.通过这种方式，可通过多种方式来获得特征响应参数，提升运算的灵活性。
81.在一种可能的实现方式中，在获得特征响应参数，即，获得光谱响应信息与特征信息之间的关系后，可在步骤s12中，基于各色彩通道的色彩数据的均值，以及特征响应参数，确定第一皮肤图像的特征光谱响应值，或基于特征响应参数对各像素点的多各色彩通道的色彩数据进行运算，并对运算结果进行平均，获得第一皮肤图像的特征光谱响应值，即，利用图像传感器的光谱响应信息与特征信息之间的关系对图像传感器检测到的色彩数据进行转换，获得特征光谱响应值。在示例中，如果特征响应参数是通过回归分析确定的，则可将所述均值通过回归方程(以特征响应参数作为回归参数的方程)进行运算，可获得特征光谱响应值。在示例中，特征响应参数是通过神经网络确定的，则可将所述均值输入神经网络，获得的输出量即为所述特征光谱响应值。
82.在一种可能的实现方式中，在步骤s13中，在获得特征光谱响应值(即，在光源照射下响应出的特征)后，即可通过特征光谱响应值估计光源，进而基于估计的光源来进行色彩校正。步骤s13可包括：根据所述特征光谱响应值对所述第一皮肤图像进行光源估计，获得所述第一皮肤图像的光源置信度，所述光源置信度表示为拍摄所述第一皮肤图像时的至少一种光源的置信度；根据所述光源置信度，确定白平衡增益和色彩校正矩阵；根据所述白平衡增益和所述色彩校正矩阵，对所述第一皮肤图像进行色彩校正，获得第二皮肤图像。
83.在一种可能的实现方式中，可通过邻近算法(nearest neighbor)、支持向量机分类(supporting vector classification)、线性分类(例如，感知机(perception))等方法，对光源进行估计，获得拍摄所述第一皮肤图像时的光源置信度。在示例中，光源置信度表示各种光源的置信度，例如，拍摄第一皮肤图像时，照射第一皮肤图像中皮肤的光源为阳光的置信度为80％，为白炽灯的置信度为10％，为荧光灯的置信度为5％等，本公开对光源置信度的具体数值不做限制。
84.在一种可能的实现方式中，在确定光源置信度后，可基于光源置信度确定拍摄第一皮肤图像时照射皮肤的光源，并基于该光源的特点进行色彩校正。例如，根据光源的特点确定白平衡增益和色彩校正矩阵，进而进行色彩校正。
85.在一种可能的实现方式中，通过所述光源置信度，可确定光源类型，并根据特定的光源类型来进行色彩校正。如上例，光源类型为阳光的置信度最高，则可将照射第一皮肤图像中皮肤的光源确定为阳光，并根据阳光的特点来进行色彩校正。在示例中，可查询阳光的各种参数，以确定用于色彩校正的参数，例如，白平衡增益和色彩校正矩阵。在另一示例中，如果估计出的光源不是阳光、白炽灯等典型光源，无法直接查询到光源的参数，则可通过对相似的光源进行插值，获得光源的参数，进而获得色彩校正的参数，例如，白平衡增益和色彩校正矩阵。进一步地，可通过白平衡增益和色彩校正矩阵对第一皮肤图像进行色彩校正，获得校正后的第二皮肤图像。
86.在一种可能的实现方式中，也可不进行光源置信度的估计，而直接利用第一皮肤图像的特征光谱响应值来进行色彩校正。例如，可通过拟合或神经网络训练等方式，获得特征光谱响应值与白平衡增益和色彩校正矩阵之间的关系(例如，函数关系或训练后的神经网络)，并将第一皮肤图像的特征光谱响应值通过所述函数关系进行求解，或输入上述训练后的神经网络，获得白平衡增益和色彩校正矩阵，进而通过白平衡增益和色彩校正矩阵对第一皮肤图像进行色彩校正。
87.在另一示例中，还可基于第一皮肤图像和第一皮肤图像的特征光谱响应值，直接输出色彩校正后的第二皮肤图像，例如，可利用神经网络训练等方式获得特征光谱响应值和色彩校正前的图像，以及色彩校正后的图像之间的关系，进而将第一皮肤图像和第一皮肤图像的特征光谱响应值输入该训练后的神经网络，可直接输出色彩校正后的第二皮肤图像。本公开对利用特征光谱响应值对第一皮肤图像进行色彩校正的具体方式不做限制。
88.通过这种方式，可基于特征光谱响应值确定光源的置信度，进而确定拍摄时的光源，进而可基于光源来进行色彩校正，提升校正的准确性。
89.根据本公开的实施例的色彩校正方法，可利用多个皮肤样本光谱数据标定图像传感器的特征响应参数，在标定过程中，可预设区间内的光谱数据按照预设的采样间隔进行采样，可提高拟合效率，同时防止过拟合，且可防止无效区间中的数据对拟合精度造成干扰，获得准确的特征响应参数，进而基于图像传感器检测的光谱数据，获得准确的特征光谱响应值，即，在光源照射下的响应出的光谱的特征，进而可提升估计光源的准确度，并可基于估计的光源来进行色彩校正，可提高色彩校正的准确度，获得准确度较高的第二皮肤图像。
90.图2a、图2b、图2c和图2d示出根据本公开实施例的色彩校正方法的应用示意图。首先可根据tr x 0012:1998标准光谱数据库中的多个皮肤样本图像的光谱数据来标定图像传感器的特征响应参数。在示例中，该数据库中可包括黄种人、白种人和黑种人的皮肤的多个光谱数据，且这些光谱数据具有rgb三个色彩通道。
91.在一种可能的实现方式中，可按照10nm的采样间隔在400nm到700nm的区间内对上述多个皮肤样本的光谱数据进行采样，获得采样数据。并通过主成分分析方法，获得前三个主成分，作为特征信息。如图2a、图2b和图2c中的折线图所示，其中，图2a、图2b和图2c中的横坐标为波长，纵坐标为光强，以10nm的采样间隔在400nm到700nm的区间内对多个皮肤样本的光谱数据进行采样，获得的采样数据如图2a、图2b和图2c中的数据点所示。可对各皮肤样本图像的光谱数据均按照上述方式进行采样并进行主成分分析，获得各光谱数据的特征信息。
92.在一种可能的实现方式中，由于皮肤的色彩特性，可使用具有rgbcmy六个色彩通道的图像传感器。在对该图像传感器的特征响应参数进行标定时，同样将图像传感器的光谱响应信息(即，六个色彩通道的光谱响应曲线，如图2d所示)按照10nm的采样间隔在400nm到700nm的区间内进行采样，获得采样数据。进一步地，可将上述光谱响应信息的采样数据与特征信息进行拟合，所获得的拟合曲线如图2a、图2b和图2c中的曲线所示。拟合过程中的回归参数即为特征响应参数，亦为回归方程的参数。
93.在一种可能的实现方式中，可通过具有rgbcmy六个色彩通道的图像传感器确定皮肤图像的各像素点的六个色彩通道的色彩数据。并计算各色彩通道的均值，进而可将多个
均值代入由特征响应参数确定的回归方程，即可得到特征光谱响应值，并可根据特征光谱响应值估计光源，例如，通过支持向量机估计光源的置信度，并将置信度最高的光源作为拍摄皮肤图像时的光源，进而通过该光源的特性来确定白平衡增益和色彩校正矩阵，进而对皮肤图像进行色彩校正。
94.在一种可能的实现方式中，所述色彩校正方法可用于摄影和医学美容等领域，用于准确地还原皮肤图像的肤色，为后续处理提供准确的色彩基础。本公开对所述色彩校正方法的应用领域不做限制。
95.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
96.此外，本公开还提供了色彩校正装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种色彩校正方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
97.图3示出根据本公开实施例的色彩校正装置的框图，如图3所示，所述装置包括：色彩数据获取模块11，用于通过具有多个色彩通道的图像传感器，获取第一皮肤图像的多个色彩通道的色彩数据；特征光谱响应值获得模块12，用于根据所述图像传感器的特征响应参数，以及所述多个色彩通道的色彩数据，获得所述第一皮肤图像的特征光谱响应值，所述特征响应参数用于表示图像传感器的多个色彩通道的光谱响应信息与所述图像传感器获取的所述色彩数据之间的关系参数，所述光谱响应信息为所述图像传感器的固有信息，用于表示所述图像传感器的多个色彩通道对于光源的光谱的响应信息；色彩校正模块13，用于根据所述特征光谱响应值和所述第一皮肤图像，获得色彩校正后的第二皮肤图像。
98.在一种可能的实现方式中，所述色彩校正模块进一步用于：根据所述特征光谱响应值对所述第一皮肤图像进行光源估计，获得所述第一皮肤图像的光源置信度，所述光源置信度表示为拍摄所述第一皮肤图像时的至少一种光源的置信度；根据所述光源置信度，确定白平衡增益和色彩校正矩阵；根据所述白平衡增益和所述色彩校正矩阵，对所述第一皮肤图像进行色彩校正，获得所述第二皮肤图像。
99.在一种可能的实现方式中，所述色彩数据获取模块进一步用于：检测待处理图像中的皮肤区域，获得所述第一皮肤图像；确定所述第一皮肤图像的多个色彩通道的色彩数据。
100.在一种可能的实现方式中，所述特征光谱响应值获得模块进一步用于：确定所述多个色彩通道的色彩数据的均值，并根据所述色彩数据的均值以及所述特征响应参数，确定所述特征光谱响应值；或者根据所述多个色彩通道的色彩数据以及所述特征响应参数，确定所述第一皮肤图像多个像素点的特征光谱响应信息，并根据所述多个像素点的特征光谱响应信息确定所述第一皮肤图像的特征光谱响应值。
101.在一种可能的实现方式中，所述装置还包括：特征响应参数获得模块，用于：获取皮肤样本光谱数据的特征信息；根据所述图像传感器的光谱响应信息，以及所述特征信息，获得所述图像传感器的光谱响应信息和所述特征信息之间的特征响应参数。
102.在一种可能的实现方式中，所述特征响应参数获得模块进一步用于：对所述皮肤
样本光谱数据的预设区间按照预设的采样间隔进行采样，获得第一光谱采样数据；对所述第一光谱采样数据进行成分分析，获得所述特征信息。
103.在一种可能的实现方式中，所述特征响应参数获得模块进一步用于：获取所述图像传感器的光谱响应信息；对所述光谱响应信息的预设区间按照预设的采样间隔进行采样，获得第二光谱采样数据；对多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行拟合处理，获得所述特征响应参数。
104.在一种可能的实现方式中，所述特征响应参数获得模块进一步用于：通过所述多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据进行回归分析，获得所述特征响应参数；或者通过所述多个皮肤样本光谱数据的特征信息和所述第二光谱采样数据对神经网络进行训练，将训练后的神经网络的网络参数确定为所述特征响应参数。
105.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
106.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
107.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
108.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的色彩校正方法的指令。
109.本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的色彩校正方法的操作。
110.电子设备可以被提供为终端、服务器或其它形态的设备。
111.图4示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
112.参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
113.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
114.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦
除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
115.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
116.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
117.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
118.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
119.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
120.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
121.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
122.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
123.图5示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
124.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
,linux
tm
，freebsd
tm
或类似。
125.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
126.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
127.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
128.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
129.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令
的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
130.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
131.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
132.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
133.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
134.该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
135.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。