得到第二白平衡数据，第二白平衡数据为第二预览图像的RGB增益；根据得到的第二预览图像的RGB增益，计算得到第二预览图像的白平衡色坐标，映射出第一预览图像中与第二预览图像白平衡参考点相对位置的点；根据第二预览图像白平衡参考点RGB增益，以及映射出的第一预览图像中与第二预览图像白平衡参考点相对位置的点，根据预设算法计算，得到第一白平衡数据，第一白平衡数据为第一预览图像的RGB增益。
[0037]S103:根据计算得到的第一白平衡数据，对主摄像头视场内的第一预览图像进行自动白平衡调整。
[0038]如前所述，第一白平衡数据为第一预览图像的RGB增益，因此，将RGB增益写入ISP(系统编程)相应寄存器就可以实现对主摄像头的拍摄进行AWB控制。
[0039]可见，本发明实施例一中，在不影响主体图像的拍摄的前提下，额外利用辅摄像头进行白平衡计算，从而进行更为精准的自动白平衡控制。
[0040]在本发明优选实施例二中，为辅摄像头设置AWB参考物，由此可以在复杂环境(纯色场景或者混合光线场景)中，可以更为精准的进行AWB控制。
[0041]由此，辅摄像头的预览图像是通过对辅摄像头视场内的AWB参考物进行采样得到的，其中，AWB参考物设置在辅摄像头视场内的不与主摄像头视场重叠的区域内。与实施例一相比，实施例二还包括步骤:在辅摄像头采样获得的预览数据中，利用模式识别算法，识别出AWB参考物；将识别的AWB参考物的图像数据进行标准灰阶对比，得到第二白平衡数据；将第二白平衡数据换算成第一白平衡数据。
[0042]参见图2，是本发明的一种自动白平衡的控制方法实施例二的步骤流程图。
[0043]参见图3，是实施例二主辅摄像头视场对比示意图。图3以辅摄像头视场完全包含主摄像头视场为例，但本领域技术人员理解，本发明不限定辅摄像头视场需要完全包含主摄像头视场，只要辅摄像头与主摄像头有不重叠区域即可。
[0044]如附图2所示，本发明实施例二包括如下步骤:
[0045]S201:提示用户设置AWB参考物。
[0046]在辅摄像头视场内但又不在与主摄像头视场重叠的区域内，摆放一个AWB标准参考物实物。例如，主体颜色为18阶灰，另外AWB标准参考物外观上加入易于识别的纹理或者特征，便于识别。由于很多时候AWB手动测量比较麻烦，常规使用灰卡或者白纸，首先摆放不容易，同时也不便于携带。传统方式拍摄时，设备不能自动识别到灰卡或者白纸，需要先对其测光，保存参数后在拍摄希望拍摄的主体。而此实施例二的标准AWB参考物，可以设计的易于携带和摆放。由于是自动识别，所以摆放没有严格要求，算法可以自动识别也不需要传统测光方式，需要灰卡充满视场。例如，AWB参考物可以是一个背包或者可以是一个公仔等，即美观也便于携带和摆放。另外拍摄时，使用软件自动识别参考物体，这样减少了手动测光、保存参数再去拍照的过程，保证了拍照的AWB实时性，同时简化了过程。
[0047]S202:主摄像头和辅摄像头分别进行采样，获得预览图像。
[0048]主摄像头按照常规模式预览，主摄像头获得的第一预览图像为正常画面的预览信息，用于用户取景、预览。辅摄像头获得的第二预览图像用于AWB计算。
[0049]S203:识别AWB参考物。
[0050]得到辅摄像头采集的数据后，通过模式识别找到主摄像头视场之外的AWB参考物。模式识别算法通过寻找图像中具有特殊纹理或者特殊图案、特征点等方法，识别到图片中容易识别的物体。由于AWB参考物是人为设计，可以设计与自然的物体有很大差异，便于识别。
[0051]其中，模式识别算法，是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。为了强调从一些个别的事物或现象推断出事物或现象的总体，可以把这样一些个别的事物或现象叫作各个模式，也有观点认为应该把整个的类别叫作模式，这样的“模式”是一种抽象化的概念，如“房屋”等都是“模式”。
[0052]S204:第二白平衡数据计算。
[0053]将识别到的AWB参考物的图像数据进行处理，得到第二白平衡数据。因为辅摄像头获取到的是AWB参考物的拍摄数据，因此，只需将识别的AWB参考物中测试的标准灰区域的(R，G，B)平均值与灰色做对比，就可以得到第二白平衡数据(即:辅RGB增益)。
[0054]S205:对第二白平衡数据进行换算，得到第一白平衡数据。
[0055]将步骤S204中得到的第二白平衡数据进行转换，转换过程要参考主摄像头与辅摄像头的特性，可通过手动测量然后进行映射，准确的将辅摄像头的第二白平衡数据转换之后应用到主摄像头。
[0056]具体的换算方法是:
[0057]获知辅摄像头AffB参考点的增益(rl, gl, bl), (r2, g2, b2)……(rn, gn, bn)、主摄像头AffB参考点的增益为(Rl, BI, Gl)，(R2, B2, G2).....(RN, BN, GN)，这些值都是事先测量出来的标准参考点。
[0058]AffB参考点是在不同的标准色温下测试出相应的色坐标(r/g，b/g)，并计算得到相应的 RGB 增益。计算方法是:r*r_gain = b*b_gain = g*l。得到(r_gain, I, b_gain)。
[0059]如果辅摄像头第二白平衡数据为(x，y，z)，可找到辅摄像头落在(r_gain，I, b_gain)相邻的两个点之间，在映射到主摄像头对应的(R_gain, 1，B_gain)点，然后进行线插值计算即可。线性插值可以直接用线段拟合，然后做等比例的对应。
[0060]具体如下:
[0061]已知:(r_gainl, I, b_gainl), (r_gain2, I, b_gain2), (r_gainx, I, b_gainy)、
[0062](R_gainl, I, B_gainl), (R_gain2, I, B_gain2)，
[0063]其中r和R，b和B对应，求(r_gainX，I, b_gainY)，即可得到主摄像头RGB增益(R_gain, I, B_gain)，即第一白平衡数据。
[0064]具体解释主摄像头RGB增益(R_gain, I, B_gain)计算原理如下:辅摄像头AffB参考点的增益(rl, gl, bl)，(r2, g2, b2)……(rn, gn, bn)主摄像头AffB参考点的增益为(R1，B1，G1)，(R2，B2，G2).....(RN，BN，GN)，这些值都是事先测量出来的标准参考点。(rl，gl, bl)映射到主摄像头是(Rl，BI, Gl)，(r2, g2, b2)映射到主摄像头是(R2，B2，G2)，……(rn, gn, bn)映射到主摄像头是(RN, BN, GN)。因此，得到的辅助摄像头AWB结果为(r_gain, g_gain, b_gain)，计算其映射到主摄像头的(R_gain, G_gain, B_gain)。如果 rx_gain<r_gain<rx+l_gain 那么 Rx_gain〈R_gain〈Rx+l_gain，得到等式:
[0065](r_gain_rx_gain)/(rx+l_gain_r_gain) = (R_gain_Rx_gain)/(Rx+l_gain_R_gain)
[0066]即可求解等式可以得到R_gain。
[0067]S206:将第一白平衡数据应用到主摄像头上。
[0068]如前所述，第一白平衡数据为主摄像头RGB增益，因此，将该RGB增益写入ISP相应寄存器就可以实现WB控制，其原理是每个像素点都乘以相应的(R_gain，I, B_gain)。
[0069]可见，在本发明实施例二中，利用辅摄像头与主摄像头的视场差异，设置AWB参考物，从而得到辅摄像头的精确第二白平衡数据，然后再将此数据通过换算得到第一白平衡数据，并应用到主摄像头上，可实现精准AWB控制，同时又不影响主摄像头的画面。由于可自主设置AWB参考物，即使在较复杂的拍摄环境下(纯色场景或者混合光线场景)，也可以使参考物突出显示，从而特别适宜AWB算法计算得出精确的AWB数据，因此具有精确的优点。
[0070]在本发明优选实施例三中，同时采取主摄像头和辅摄像头进行白平衡数据计算，并根据主、辅摄像头的可信度指数，确定选择主摄像头初始白平衡数据还是选择辅摄像头白平衡数据。由此，与实施例二相比，实施例三无需设置参考物。
[0071]参见图4，是本发明的一种自动白平衡的控制方法实施例三的步骤流程图。
[0072]参见图5，是实施例三主辅摄像头视场对比示意图。图5以辅摄像头视场完全包含主摄像头视场为例，但本领域技术人员理解，本发明不限定辅摄像头视场需要完全包含主摄像头视场，只要辅摄像头与主摄像头有不重叠区域即可。
[0073]如附图4所示，本发明实施例三包括如下步骤:
[0074]S401:获取主摄像头的第一预览数据以及辅摄像头的第二预览数据。
[0075]S402:主、辅摄像头的第一初始白平衡数据、第二白平衡数据计算以及主、辅摄像头可信度指数计算。
[0076]对步骤S401中得到的主、辅摄像头的预览数据分别进行处理，即，对主摄像头第一预览数据进行AWB计算，得到第一初始白平衡数据，以及，对辅摄像头的第二预览数据进行AWB计算，得到第二白平衡数据。
[0077]另外，根据预览数据，进行主、辅摄像头可信度指数计算。
[0078]可信度指数计算方法如下:
[0079]1、将预览图像分割为N*Y个小块，对每个小块进行平均亮度计算，其中，N或Y的取值不作限制，只要是正整数即可。
[0080]2、如果亮度平均值大于最大亮度阈值(例如220)或者小于最低亮度阈值(例如40)，判断为不可信。其中，最大亮度阈值和最低亮度阈值可以调整，并非固定不变。
[0081]3、将符合条件的每小块进行色坐标(r/g，b/g)平均值计算。
[0082]4、将色坐标平均值与标准参考点的色坐标进行距离运算，距离大于一定值L认为不可信。
[0083]5、除去不可信小块数据，可信度为剩余可信点/N*Y。
[0084]S403:根据主、辅摄像头可信度指数，从第一初始白平衡数据和第二白平衡数据中选择一个作为最终的第一白平衡数据。
[0085]根据预设的可信度选取条件，依据主摄像头可信度指数和辅摄像头可信度指数，从第一初始白平衡数据和第二白平衡数据中选择一个作为AWB的最终结果，应用到主摄像头。
[0086]具体可以采取以下选择策略。
[0087]如果:主摄像头可信度指数 > 辅摄像头可信度指数，则使用主摄像头的第一初始白平衡数据。
[0088]如果:最高可信度指数阈值(如40% )〈主摄像头可信度指数 < 辅摄像头可信度指数，则使用主摄像头的第一初始白平衡数据。
[0089]如果，主摄像头可信度指数〈辅摄像头可信度指数〈最低可信度指数阈值(如25% )，则使用主摄像头的第一初始白平衡数据。
[0090]除了上述三种情况，其余使用辅摄像头的第二白平衡数据。
[0091]S404:在选择辅摄像头的第二白平衡数据情况下，对第二白平衡数据进行换算，得到第一白平衡数据。
[0092]此步骤具体方式可参见实施例二步骤S205，此处不赘述。
[0093]S4