图像的白平衡处理方法、装置和终端设备与流程

本发明涉及移动终端技术领域，尤其涉及一种图像的白平衡处理方法、装置和终端设备。

背景技术：

用户在进行拍摄的时候，往往会遇到图像偏色的问题。比如，在日光灯的房间里拍摄的影像会显得发绿，在室内钨丝灯光下拍摄出来的景物就会偏黄，而在日光阴影处拍摄到的照片则可能偏蓝。

为了解决这种偏色问题，需要进行白平衡调整，从而进行色彩还原。现有技术中存在多种白平衡算法，均可用于计算出增益值，基于该增益值进行白平衡处理。但具体采用哪一种算法进行增益值的计算，现有技术中往往采用用户设定的方式，由用户进行选择。但现有技术中的这种用户设定方式，容易导致白平衡算法与实际场景不匹配，导致白平衡处理效果较差的问题。

技术实现要素：

本发明提出一种图像的白平衡处理方法，该方法，用于解决现有技术中的技术问题。

本发明提出一种图像的白平衡处理装置。

本发明提出一种终端设备。

本发明提出一种计算机可读存储介质。

本发明第一方面实施例提出了一种图像的白平衡处理方法，图像的内容包括人脸，包括以下步骤：

对所述图像中的背景区域，提取色彩特征；其中，所述色彩特征用于指示所述背景区域色彩分布情况；

根据所述色彩特征，匹配人脸白平衡算法的适用条件；所述人脸白平衡算法用于将所述图像中的人脸调整至肤色；

若所述色彩特征与所述适用条件匹配，根据所述人脸白平衡算法，对所述图像进行白平衡处理。

本发明实施例的图像的白平衡处理方法，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

本发明第二方面实施例提出了一种图像的白平衡处理装置，图像的内容包括人脸，所述装置包括：

提取模块，用于对所述图像中的背景区域，提取色彩特征；其中，所述色彩特征用于指示所述背景区域色彩分布情况；

匹配模块，用于根据所述色彩特征，匹配人脸白平衡算法的适用条件；所述人脸白平衡算法用于将所述图像中的人脸调整至肤色；

处理模块，用于若所述色彩特征与所述适用条件匹配，根据所述人脸白平衡算法，对所述图像进行白平衡处理。

本发明实施例的图像的白平衡处理装置，图像的白平衡处理方法，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

本发明第三方面实施例提出了一种终端设备，包括以下一个或多个组件：壳体和位于所述壳体内的处理器、存储器、摄像头，其中，所述存储器存储有可执行程序代码，所述处理器通过读取所述存储器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程序，以用于执行第一方面所述的图像的白平衡处理方法。

本发明实施例的终端设备，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述的图像的白平衡处理方法。

本发明实施例的终端设备，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例提供的图像的白平衡处理方法的流程图；

图2是根据本发明另一个实施例提供的图像的白平衡处理方法的流程图；

图3是根据本发明一个实施例提供的图像的白平衡处理装置的结构示意图；

图4是根据本发明另一个实施例提供的图像的白平衡处理装置的结构示意图；以及

图5是根据本发明一个实施例提供的终端设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的图像的白平衡处理方法、装置和终端设备。

图1是根据本发明一个实施例提供的图像的白平衡处理方法的流程图，本实施例中的图像，该图像的内容中包括人脸，如图1所示，该方法包括：

步骤101，对图像中的背景区域，提取色彩特征。

其中，色彩特征用于指示所述背景区域色彩分布情况。

作为一种可能的实现方式，对所述图像中的背景区域，确定所述背景区域中的像素点在预设色彩空间中的分布位置，进而对所述分布位置进行统计，得到分布位置集中的色彩中心和色彩集中程度；将所述色彩中心和所述集中程度，作为所述色彩特征。具体在确定色彩中心时，可以将像素点密度最高的位置，作为色彩中心，将像素点密度下降至色彩中心处像素点密度一半的位置，作为色彩集中区的边缘，测量色彩中心距离该边缘的距离，作为集中程度。

作为另一种可能的实现方式，将色彩空间划分为多个区域，进而对所述图像中的背景区域，确定所述背景区域中的像素点在预设色彩空间中的分布位置，针对每一个区域进行统计，确定每一个区域内所含的像素点的个数。针对像素点个数多于阈值个数的区域，将该区域中心的色彩，作为中心色彩。将该区域所含的像素点的个数为集中程度。

步骤102，根据所述色彩特征，匹配人脸白平衡算法的适用条件。

其中，人脸白平衡算法用于将所述图像中的人脸调整至肤色。

具体地，人脸白平衡算法可以适用于多种场景，作为一种可能的实现方式，可以分别针对每一种场景建立对应的适用条件。将色彩特征与每一条适用条件进行匹配。

为了便于理解，下面对人脸白平衡算法进行简要介绍。

人脸白平衡算法用于将图像中的人脸调整至肤色。作为一种可能的实现方式，获取人脸区域的所有像素点的颜色分量，每个像素点的颜色由一个(r，g，b)颜色向量表示，对各像素点的颜色向量取平均，可计算得到人脸肤色对应的颜色向量。判断人脸肤色对应的r，g，b值是否在正常人脸肤色对应的r，g，b值范围内，如果不在正常人脸肤色对应的r，g，b值范围内，则通过一个增益值调整人脸肤色对应的r，g，b值，使其处于正常人脸肤色对应的r，g，b值范围内，该增益值即为第一增益值。

其中，正常人脸肤色对用的r，g，b值范围，可以根据色彩矩阵cc中提供的r，g，b值确认，其中，色彩矩阵cc中r，g，b值可以根据国际照明委员会(commissioninternationaledel'eclairage)提供的cie色彩空间得到。

进而采用灰度空间算法，计算得到第二增益值。一般来说，这里计算出的第二增益值不同于第一增益值。对于灰度空间算法，假设各颜色分量的饱和度的平均值趋于同一灰度值，从而所有像素点的颜色向量中的r，g，b三个分量的均值趋于平衡(1:1:1)，基于此计算得到的白平衡增益值，即第二增益值。具体地，人像区域分成若干个子块，获取每个子块中所有像素点的颜色向量，每个像素点由一个(r，g，b)颜色向量表示，然后计算各子块中r，g，b三个通道的平均值和标准差，然后对每一个子块的标准差进行加权(舍弃相关性小的子块，保留相关性大的子块)，以减少大块单一颜色的影响，使得图像颜色丰富多彩。进而计算通过标准差加权的r，g，b三个通道的平均值，最终计算得到r，g，b三个通道的增益系数，即得到第二增益值。

最后，根据人脸区域面积，确定第一增益值和第二增益值的权重，人脸区域面积越大，第一增益值的权重越大，人脸区域面积越小，第一增益值的权重越小。根据计算出的权重对第一增益值和第二增益值进行加权运算，得到该人脸增益算法最终的白平衡增益值。据此进行白平衡处理。

步骤103，若色彩特征与所述适用条件匹配，根据人脸白平衡算法，对所述图像进行白平衡处理。

具体地，当色彩特征与所述适用条件匹配，说明图像适用于人脸白平衡算法。作为一种可能的实现方式，适用条件为多个，若色彩特征与至少一个适用条件匹配，则说明图像适用于人脸白平衡算法。进而可以根据用于将所述图像中的人脸调整至肤色的人脸白平衡算法，对所述图像进行白平衡处理。

本实施例中，图像的白平衡处理方法，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

图2是根据本发明另一个实施例提供的图像的白平衡处理方法的流程图，相较于上一实施例，本实施例提供了多种人脸白平衡算法的适用条件。

如图2所示，该方法包括：

步骤201，当图像的内容包括人脸时，对图像中的背景区域，确定背景区域中的像素点在预设色彩空间中的分布位置。

色彩空间可以由多种，例如：

rgb(red，green，blue)颜色空间，基于设备三基色的颜色空间。

另外，还可以是hsi色彩空间，该hsi色彩空间是从人的视觉系统出发，用色调(hue)、色饱和度(saturation或chroma)和亮度(intensity或brightness)来描述色彩。hsi色彩空间可以用一个圆锥空间模型来描述。

当然，还可以采用其他色彩空间进行描述，本实施例中对此不再赘述。

步骤202，对该分布位置进行统计，得到分布位置集中的色彩中心和色彩集中程度，并将色彩中心和对应的集中程度，作为色彩特征。

具体地，在确定色彩中心时，可以将像素点密度最高的位置，作为色彩中心，将像素点密度下降至色彩中心处像素点密度一半的位置，作为色彩集中区的边缘，测量色彩中心距离该边缘的距离，作为集中程度。

步骤203，获取光场景对应的适用条件、绿植场景对应的适用条件和纯色背景对应的适用条件，以将色彩特征分别与多个适用条件匹配。

具体地，人脸白平衡算法可以应用于多种场景下，针对每一种场景，预设了相应的适用条件，以用于对相应场景的色彩特征进行描述。若图像的色彩特征与某一场景的色彩特征匹配，则说明该图像适用于人脸白平衡算法。

步骤204，将提取到的图像的色彩特征与混光场景对应的适用条件匹配。

针对混光场景，也就是至少两种不同色温光源照射下成像的图像，为了对这一场景进行识别，设置了混光场景对应的适用条件，包括：

背景区域包含至少两个色彩集中程度高于阈值的色彩中心。

这是由于不同色温光源照射，例如：白炽灯和钨丝灯的混光照射，导致出现不同的偏色情况。从而在色彩空间中，呈现出与光源对应的色彩中心。

步骤205，将提取到的图像的色彩特征与绿植场景对应的适用条件匹配。

针对绿植场景，也就是包含大面积绿植的图像，设置了绿植场景对应的适用条件，包括：

所述背景区域包含至少两个色彩中心；

所述至少两个色彩中心中存在至少一个色彩中心位于所述色彩空间的目标区域内，且色彩集中程度低于阈值。

这里的目标区域为绿色对应的目标区域。

步骤206，将提取到的图像的色彩特征与纯色背景对应的适用条件匹配。

针对纯色背景场景，也就是包含大面积单一颜色的图像，设置了纯色场景对应的适用条件，包括：

背景区域包含单一色彩中心，且所述色彩中心的色彩集中程度高于阈值。

由于纯色背景对于传统的灰度空间算法可能会造成干扰，导致色彩还原度不高，白平衡效果不理想。若在图像包含人脸的情况下，比较适合采用人脸白平衡算法对图像进行白平衡处理。

步骤207，判断是否存在匹配的适用条件，若是执行步骤208，否则执行步骤209。

步骤208，采用人脸白平衡算法对图像进行白平衡处理。

具体地，人脸白平衡算法可参见前述实施例的相关描述，本实施例中对此不再赘述。

步骤209，根据灰度世界算法，对所述图像进行白平衡处理。

具体地，若各条适用条件均与图像的色彩特征不匹配，根据灰度世界算法，对所述图像进行白平衡处理。

为了便于理解，下面将对灰度世界算法进行简要介绍。

人的视觉系统具有颜色恒常性，能从变化的光照环境和成像条件下获取物体表面颜色的不变特性，但成像设备不具有这样的调节功能，不同的光照环境会导致采集的图像颜色与真实颜色存在一定程度的偏差，需要选择合适的白平衡算法，消除光照环境对颜色显现的影响。灰度世界算法以灰度世界假设为基础，该假设认为：对于一幅有着大量色彩变化的图像，rgb，三个分量的平均值趋于同一灰度值。从物理意义上讲，灰色世界法假设自然界景物对于光线的平均反射的均值在总体上是个定值，这个定值近似地为“灰色”。颜色平衡算法将这一假设强制应用于待处理图像，可以从图像中消除环境光的影响，获得原始场景图像。

本实施例中，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

为了实现上述实施例，本发明还提出了一种图像的白平衡处理装置，图3是根据本发明一个实施例提供的图像的白平衡处理装置的结构示意图，图像的内容包括人脸，如图3所示，装置包括：提取模块31、匹配模块32和处理模块33。

提取模块31，用于对所述图像中的背景区域，提取色彩特征。

其中，所述色彩特征用于指示所述背景区域色彩分布情况。

匹配模块32，用于根据所述色彩特征，匹配人脸白平衡算法的适用条件。

其中，人脸白平衡算法用于将所述图像中的人脸调整至肤色。

处理模块33，用于若所述色彩特征与所述适用条件匹配，根据所述人脸白平衡算法，对所述图像进行白平衡处理。

进一步地，处理模块33还用于匹配人脸白平衡算法的适用条件之后，若所述色彩特征与所述适用条件不匹配，根据灰度世界算法，对所述图像进行白平衡处理。

本实施例的图像的白平衡处理装置，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

需要说明的是，前述对方法实施例的描述，也适用于本发明实施例的装置，其实现原理类似，在此不再赘述。

进而，图4是根据本发明另一个实施例提供的图像的白平衡处理装置的结构示意图，如图4所示，在如图3所示的基础上，该白平衡处理装置中，提取模块31进一步还可包括：确定单元311、统计单元312和生成单元313。

确定单元311，用于对所述图像中的背景区域，确定所述背景区域中的像素点在预设色彩空间中的分布位置。

统计单元312，用于对所述分布位置进行统计，得到分布位置集中的色彩中心和色彩集中程度。

生成单元313，用于将所述色彩中心和对应的集中程度，作为所述色彩特征。

进一步地，本实施例中，适用条件为多个，包括：混光场景对应的适用条件、绿植场景对应的适用条件和纯色背景对应的适用条件中的至少一个。

其中，混光场景对应的适用条件，包括：所述背景区域包含至少两个色彩集中程度高于阈值的色彩中心。

绿植场景对应的适用条件，包括：所述背景区域包含至少两个色彩中心；所述至少两个色彩中心中存在至少一个色彩中心位于所述色彩空间的目标区域内，且色彩集中程度低于阈值。

纯色背景对应的适用条件，包括：所述背景区域包含单一色彩中心，且所述色彩中心的色彩集中程度高于阈值。

需要说明的是，前述对方法实施例的描述，也适用于本发明实施例的装置，其实现原理类似，在此不再赘述。

为了实现上述实施例，本发明还提出了一种终端设备，图5是根据本发明一个实施例提供的终端设备的结构示意图，如图5所示，该终端设备1000包括：壳体1100和位于壳体1100内的摄像头1113、存储器1114和处理器1115。

其中，存储器1114存储有可执行程序代码；处理器1115通过读取存储器1114中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行以下步骤：

对所述图像中的背景区域，提取色彩特征；其中，所述色彩特征用于指示所述背景区域色彩分布情况；

根据所述色彩特征，匹配人脸白平衡算法的适用条件；所述人脸白平衡算法用于将所述图像中的人脸调整至肤色；

若所述色彩特征与所述适用条件匹配，根据所述人脸白平衡算法，对所述图像进行白平衡处理。

需要说明的是，前述对方法实施例的描述，也适用于本发明实施例的终端设备1000，其实现原理类似，在此不再赘述。

综上所述，本发明实施例的终端设备，图像的白平衡处理方法，通过对图像中的背景区域，提取色彩特征，这里的色彩特征用于指示背景区域色彩分布情况。根据色彩特征，匹配人脸白平衡算法的适用条件，若该色彩特征与适用条件匹配，则根据用于将图像中的人脸调整至肤色的人脸白平衡算法，对图像进行白平衡处理。由于采用了图像的色彩特征与算法适用条件匹配的方式，判断图像是否适用于人脸白平衡算法，解决了现有技术中人为设定算法导致的白平衡处理效果较差的技术问题。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。