色偏检测方法、装置、设备及存储介质与流程

1.本技术实施例涉及色偏检测技术领域，特别涉及一种色偏检测方法、装置、设备及存储介质。


背景技术：

2.智能物联网行业的视觉技术迅速发展，依托于宽视场角的镜头、相机，环视监控、视觉设备可以达到高信息量、低硬件投入的目的。
3.对于任何一款相机，成像质量直接决定相机的应用场景、成本以及客户群体。色偏是影响成像质量的一个重要因素，因此，色偏检测在相机应用中的作用也越发重要。
4.当前常用的色偏检测方式主要有两种，一种是对标准的24色图卡先做几何校正再对校正后的图像色偏做评测，即通过评估关键色卡块的几何形状，判断在行、列方向的旋转角度，然后通过该角度对整体图像做旋转校正，进而对关键色卡(比如红色、蓝色、绿色)的相互位置关系做是否存在镜像做判定，然后对成功判定的变换进行仿射、镜像变换，获得空间分布较标准的图卡；最后利用先验分布知识，得到每个色块位置，则色偏就可以通过标准色块差异进行计算。另一种是基于区域规律方法，逐个模块做提取，该方案统计由拍摄照片形成的位图上的跳变点；坐标计算单元，与所述跳变点统计单元连接，用于利用竖直方向跳变点的连续，间断规律计算出色块的起始纵坐标和边长，利用水平方向跳变点的出现位置计算出色块的起始横坐标，以计算出24色卡区域的坐标，实现24色色卡色块区域的快速自动定位。
5.以上色偏检测方式评测处理的对象大多是针对几何畸变小，视角低的相机。在对鱼眼相机而言，先校正会引入过多的插值噪声，影响色偏测试精度，几何畸变过大的情况下，整体增长阈值方式不会适配各个区域，局部阈值方式也无法覆盖各种情况，鲁棒性较低。


技术实现要素：

6.本技术实施例提供了一种色偏检测方法、装置、设备及存储介质，可用于增强针对鱼眼相机的色偏检测的鲁棒性。技术方案如下：
7.一方面，本技术实施例提供一种色偏检测方法，所述方法包括：
8.基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像；
9.基于聚类算法对所述待检测图像进行聚类处理，得到24色卡在所述待检测图像中的色卡区域；
10.获取所述色卡区域在所述待检测图像中的色卡位置信息；
11.基于所述色卡区域的关联度，确定所述色卡区域的色卡区域排序信息；
12.根据所述色卡位置信息和所述色卡区域排序信息，确定所述鱼眼相机对应的色偏测试结果。
13.另一方面，本技术实施例提供一种色偏检测装置，所述装置包括：
14.待检测图像获取模块，用于基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像；
15.色卡区域获取模块，用于基于聚类算法对所述待检测图像进行聚类处理，得到24色卡在所述待检测图像中的色卡区域；
16.色卡位置信息获取模块，用于获取所述色卡区域在所述待检测图像中的色卡位置信息；
17.色卡排序信息确定模块，用于基于所述色卡区域的关联度，确定所述色卡区域的色卡区域排序信息；
18.色偏测试结果确定模块，用于根据所述色卡位置信息和所述色卡区域排序信息，确定所述鱼眼相机对应的色偏测试结果。
19.再一方面，本技术实施例提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所述的色偏检测方法。
20.又一方面，本技术实施例提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的色偏检测方法。
21.又一方面，本技术实施例提供一种计算机程序产品，当该计算机程序产品被执行时，其用于执行上述方面所述的色偏检测方法。
22.本技术实施例提供的技术方案中，通过基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像，基于聚类算法对待检测图像进行聚类处理，得到24色卡在待检测图像中的色卡区域，获取色卡区域在待检测图像中的色卡位置信息，基于色卡区域的关联度，确定色卡区域的色卡区域排序信息，根据色卡位置信息和色卡区域排序信息，确定鱼眼相机对应的色偏测试结果。本技术实施例可以在不进行畸变校正的基础上完成色偏检测，不会影响色偏检测的精度，且基于不同色块相互位置关系固定的条件，可以处理多种变换引起的标号定位问题，增强了针对鱼眼相机的色偏检测的鲁棒性。
附图说明
23.图1是本技术实施例提供的一种色偏检测方法的步骤流程图；
24.图2是本技术实施例提供的一种色偏检测装置的结构示意图；
25.图3是本技术实施例提供的一种计算机设备的结构框图。
具体实施方式
26.下面将结合附图对本技术实施方式作进一步地详细描述。
27.参照图1，示出了本技术实施例提供的一种色偏检测方法的步骤流程图，如图1所示，该色偏检测方法可以包括如下步骤：
28.步骤101：基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像。
29.本技术实施例可以应用于针对鱼眼相机的色偏检测的场景中。
30.标准24色卡是指采用标准的24种颜色形成的色卡，在色卡区域内24种颜色均匀设
置。
31.在需要对鱼眼相机的色偏进行检测时，可以通过鱼眼相机进行标准24色卡进行拍摄，以得到待检测图像，该待检测图像即为用于进行后续的色偏检测的图像。
32.在基于鱼眼相机对标准24色卡进行拍摄得到待检测图像之后，执行步骤102。
33.步骤102：基于聚类算法对所述待检测图像进行聚类处理，得到24色卡在所述待检测图像中的色卡区域。
34.色卡区域是指24色卡在待检测图像中所处的区域，即不同色卡在待检测图像中的位置区域。
35.在获取到待检测图像之后，可以基于聚类算法对待检测图像进行聚类处理，以得到24色卡在待检测图像中的色卡区域，具体地，对于该过程可以结合下述具体实现方式进行详细描述。
36.在本技术的一种具体实现方式中，上述步骤102可以包括：
37.子步骤a1：获取所述待检测图像对应的色彩空间矩阵。
38.在本实施例中，色彩空间矩阵是指根据待检测图像中的像素点的rgb值形成的矩阵，在本示例中，可以获取待检测图像中每个像素点对应的三维数据特征，该三维数据特征为每个像素点的rgb值形成的特征，然后，按照先行后列的方式和三维数据特征生成色彩空间矩阵，即将每个像素点的r、g、b值作为3维数据特征，按照像素点先行后列的方式组成rgb色彩空间矩阵m，其大小为h
×
w，h∈z
+
代表图像高度，w∈z
+
代表图像宽度。
39.在获取到待检测图像对应的色彩空间矩阵之后，执行子步骤a2。
40.子步骤a2：基于聚类算法对所述色彩空间矩阵进行聚类处理，得到第一聚类结果。
41.在得到色彩空间矩阵之后，可以基于聚类算法(如k
‑
means聚类算法等)对色彩空间矩阵进行聚类处理，以得到第一聚类结果，具体地，对色彩空间矩阵m进行类别为26类的聚类，从而得到相应的聚类结果。
42.在基于聚类算法对色彩空间矩阵进行聚类处理得到第一聚类结果之后，执行子步骤a3。
43.子步骤a3：根据所述第一聚类结果，对所述待检测图像进行二值化处理，得到初始二值化图像。
44.在得到第一聚类结果之后，可以根据第一聚类结果对待检测图像进行二值化处理，以得到初始二值化图像，具体地，对于26类的聚类结果内，统计数量最多的认为是背景像素，基于是否归类到背景像素，得到待检测图像i的二值分类图i
b
，对i
b
背景像素位置处统一定为0，其它位置为1。
45.在根据第一聚类结果对待检测图像进行二值化处理得到初始二值化图像之后，执行子步骤a4。
46.子步骤a4：对所述初始二值化图像进行凸包计算处理，得到所述初始二值化图像中的第一凸包。
47.在得到初始二值化图像之后，则可以对该初始二值化图像进行凸包计算，以得到初始二值化图像中包含的第一凸包，对于凸包计算过程可以结合下述具体实现方式进行详细描述。
48.在本技术的另一种具体实现方式中，上述子步骤a4可以包括：
49.子步骤b1：对所述初始二值化图像进行形态学开处理，生成所述初始二值化图像对应的初始处理图像。
50.在本实施例中，在得到初始二值化图像之后，可以对初始二值化图像进行形态学开处理，形态学开处理是指对图像进行先腐蚀后膨胀的处理过程，经过形态学开处理可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺。在本示例中，对i
b
进行形态学开处理，得到i
′
b
，结构算子可以采用方块型，大小建议不低于7*7。
51.在对初始二值化图像进行形态学开处理之后，可以生成初始二值化图像对应的初始处理图像，进而，执行子步骤b2。
52.子步骤b2：计算得到所述初始处理图像中的第一凸包。
53.在得到初始处理图像之后，可以计算得到初始处理图像中的第一凸包，具体地凸包计算过程可以采用现有的凸包计算方式，本实施例对于具体地凸包计算方式及计算流程不做详细描述。
54.在计算得到第一凸包之后，执行子步骤a5。
55.子步骤a5：根据所述第一凸包，确定所述24色卡在所述待检测图像中的色卡区域。
56.在得到第一凸包之后，可以根据第一凸包确定出24色卡在待检测图像中的色卡区域，具体地，可以获取第一凸包中凸包区域最大的第一目标凸包，然后根据位于第一目标凸包的区域内的像素点和先行后列的方式获取第一目标凸包对应的区域色彩空间矩阵，并根据区域色彩空间矩阵确定出24色卡在待检测图像中的色卡区域，在本示例中，得到i
′
b
之后，可以对i
′
b
进行凸包计算，然后提取最大的凸包区域认定为色卡整体区域，将该区域内的像素数据按照i的方式，组成色卡初筛区域的色彩空间矩阵m
b
，然后，基于m
b
可以识别出24色卡在待检测图像中的色卡区域。
57.在基于聚类算法对待检测图像进行聚类处理得到24色卡在待检测图像中的色卡区域之后，执行步骤103。
58.步骤103：获取所述色卡区域在所述待检测图像中的色卡位置信息。
59.色卡位置信息是指色卡区域在待检测图像中的位置，也即色卡区域在待检测图像内的区域坐标范围。
60.在获取到24色卡在待检测图像中的色卡区域之后，可以获取色卡区域在待检测图像中的色卡位置信息，具体地，可以结合下述具体实现方式进行详细描述。
61.在本技术的另一种具体实现方式中，上述步骤103可以包括：
62.子步骤c1：基于聚类算法对所述区域色彩空间矩阵进行聚类处理，得到第二聚类结果。
63.在本实施例中，在上述过程中得到区域色彩空间矩阵之后，可以对区域色彩空间矩阵进行聚类处理，以得到第二聚类结果。具体地，上述过程得到的区域色彩空间矩阵为m
b
，在本示例中，可以对m
b
进行类别为24类的聚类(聚类算法可以为k
‑
means聚类算法等)，可以得到24类的聚类结果，即第二聚类结果。
64.在基于聚类算法对区域色彩空间矩阵进行聚类处理得到第二聚类结果之后，执行子步骤c2。
65.子步骤c2：根据各色卡类别的像素数量，对所述第二聚类结果进行升序排序，得到排序结果。
66.在得到第二聚类结果之后，可以根据24色卡中各色卡类别的像素数量对第二聚类结果进行升序排序，以得到排序结果，具体地，基于每类的像素数量多少，对聚类结果进行升序排序，保证类别标号越大，则类别数量越多。
67.在根据各色卡类别的像素数量对第二聚类结果进行升序排序得到排序结果之后，执行子步骤c3。
68.子步骤c3：根据排序结果，计算每个所述色卡类别对应的像素均值。
69.在得到排序结果之后，可以根据排序结果计算每个色卡类别对应的像素均值，具体地，对第i∈[1,23]个类别，计算属于该类别的像素行、列的均值
[0070]
在计算得到每个色卡类别对应的像素均值之后，执行子步骤c4。
[0071]
子步骤c4：计算得到每个所述色卡类别对应的每个像素与所述像素均值之间的欧式距离。
[0072]
在计算得到每个色卡类别对应的像素均值之后，可以计算每个色卡类别对应的每个像素与像素均值之间的欧式距离，即计算对该类像素与的欧式距离。
[0073]
子步骤c5：根据所述欧式距离，确定每个所述色卡类别在所述待检测图像中的待选色卡位置信息。
[0074]
在计算得到每个色块类别中每个像素与像素均值之间的欧式距离之后，可以根据欧式距离确定出每个色卡类别在待检测图像中的待选色卡位置信息，具体地，可以欧式距离做升序排序，取前70％的像素点位置作为该色卡类别对应的色块的待选色卡位置信息。
[0075]
子步骤c6：对所述待选色卡位置信息进行凸包计算，得到第二凸包。
[0076]
子步骤c7：根据所述第二凸包，确定每个色卡区域在所述待检测图像中的色卡位置信息。
[0077]
在获取到待选色卡位置信息之后，可以对待选色卡位置信息进行凸包计算，以得到第二凸包，并根据第二凸包确定出每个色卡区域在待检测图像中的色卡位置信息，具体地，对第i∈[1,23]个类别的待选位置进行凸包计算得到该色块的精确位置，即每个色卡区域在待检测图像中的色卡位置信息。
[0078]
步骤104：基于所述色卡区域的关联度，确定所述色卡区域的色卡区域排序信息。
[0079]
色卡区域排序信息是在色卡区域在待检测图像中的排序，即色卡区域的色块标号。
[0080]
在获取到色卡区域之后，可以基于色卡区域的关联度确定出每个色卡区域对应的色卡区域排序信息，具体地，可以结合下述具体实现方式进行详细描述。
[0081]
在本技术的另一种具体实现方式中，上述步骤104可以包括：
[0082]
子步骤d1：获取每个所述色卡区域对应的最小外接矩形。
[0083]
在本实施例中，可以获取每个色卡区域对应的最小外界矩形，具体地，可以计算得到每个色卡区域对应的像素行列均值，结合像素行列均值获取每个色卡区域对应的色卡中心坐标，并根据色卡中心坐标确定出每个色卡区域对应对最小外接矩形，在本示例中，对于每个色块，计算每个色块内的像素行列均值，得到每个色块的中心坐标i∈[1,24]。基于色块中心坐标，计算出色块中心坐标的最小外接矩形。
[0084]
在获取到每个色卡区域对应的最小外接矩形之后，执行子步骤d2。
[0085]
子步骤d2：基于各所述最小外接矩形的最长边长与所述待检测图像的图像列方向的夹角，对每个所述色卡区域的色卡中心点进行旋转校正，得到每个所述色卡区域对应的校正中心点。
[0086]
在获取到每个色卡区域对应的最小外接矩形之后，可以获取每个最小外接矩形的最长边长与待检测图像的图像列方向之间的夹角，然后结合该夹角对每个色卡区域的色卡中心点进行旋转校正，以得到每个色卡区域对应的校正中心点，具体地，首先，可以计算最小外接矩形的长边与图像列方向夹角α，具体可以用矩形斜率的反正切计算方式等，其次，对所有色块中心进行旋转校正，得
[0087]
子步骤d3：基于所述校正中心点，确定每个所述色卡区域对应的色卡区域排序信息。
[0088]
在得到每个色卡区域对应的校正中心点之后，可以基于校正中心点确定出每个色卡区域对应的色卡区域排序信息，具体地，可以根据所有色卡区域对应的校正中心点，确定图像中心点，计算每个色卡区域的校正中心点与图像中心点之间的中心点距离，在本实施例中，计算所有色块中心校正后的坐标均值，得到图卡中心坐标(u
c
,v
c
)；将该点定义为图卡色块排列的(0，0)点，x轴与最小外接矩形长边平行，正方向y轴与最小外接矩形短边平行。以图卡中心坐标为基准，计算每个色块校正中心距离图卡中心的距离然后，基于计算得到的距离筛选出距离方向最近的4个色块中心，按照由左到右、由上到下的顺序，分别定义各中心为第二、第一、第三、第四象限的参考点，规定图卡色块坐标分别为(
‑
1，1)，(1，1)，(
‑
1，
‑
1)，(1，
‑
1)，以每个象限的参考点为基准，以第一象限为例：先朝y正方向查找最接近参考点的色块中心，规定该图卡色块坐标为(1，2)，然后朝x正方向查找最接近参考点的色块中心，规定该图卡色块坐标为(2，1)，然后分别以(1，2)点与(2，1)点为参考点，继续沿正方向查找，直到位于该象限的色块中心坐标全部定义完毕。第二、三、四象限的色块中心定义与viii中类似，但查找方向分别是：1、x负方向、y正方向；2、x负方向、y负方向；3、x正方向、y负方向。
[0089]
所有色卡坐标与左上角色卡坐标做差，可以得到4行*6列的色卡坐标，共24个色块；计算(0，0)、(0，5)、(3，0)、(3，5)坐标下的色块区域图像均值：
[0090]
(1)假设(3，5)色块区域的rgb3个通道的均值最低，则认为不需要调整，完成色卡标号；(2)假设(0，0)色块区域的rgb3个通道的均值最低，则需要对整体图卡区域旋转180度，色卡标号以(u
c
,v
c
)中心的旋转180度；(3)假设(3，0)色块区域的rgb3个通道的均值最低，则需要对整体图卡区域做镜像变换[10]，色卡标号以过(u
c
,v
c
)的y轴做镜像变换；(4)假设(0，5)色块区域的rgb3个通道的均值最低，则需要对整体图卡区域做镜像变换，然后旋转180度，色卡标号以过(u
c
,v
c
)的y轴做镜像变换，以(u
c
,v
c
)中心的旋转180度。
[0091]
步骤105：根据所述色卡位置信息和所述色卡区域排序信息，确定所述鱼眼相机对应的色偏测试结果。
[0092]
在获取到色卡位置信息和色卡区域排序信息之后，可以根据色卡位置信息和色卡
区域排序信息，确定出鱼眼相机对应的色偏测试结果，在实际应用中，可以采用现有的色偏预测模型，以色卡位置信息和色卡区域排序信息作为模型的输入，通过模型预测出鱼眼相机对应的色偏测试结果。
[0093]
本技术实施例提供的色偏检测方法，通过基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像，基于聚类算法对待检测图像进行聚类处理，得到24色卡在待检测图像中的色卡区域，获取色卡区域在待检测图像中的色卡位置信息，基于色卡区域的关联度，确定色卡区域的色卡区域排序信息，根据色卡位置信息和色卡区域排序信息，确定鱼眼相机对应的色偏测试结果。本技术实施例可以在不进行畸变校正的基础上完成色偏检测，不会影响色偏检测的精度，且基于不同色块相互位置关系固定的条件，可以处理多种变换引起的标号定位问题，增强了针对鱼眼相机的色偏检测的鲁棒性。
[0094]
下述为本技术装置实施例，可以用于执行本技术方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术方法实施例。
[0095]
参照图2，示出了本技术实施例提供的色偏检测装置的结构示意图，如图2所示，该色偏检测装置200可以包括如下模块：
[0096]
待检测图像获取模块210，用于基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像；
[0097]
色卡区域获取模块220，用于基于聚类算法对所述待检测图像进行聚类处理，得到24色卡在所述待检测图像中的色卡区域；
[0098]
色卡位置信息获取模块230，用于获取所述色卡区域在所述待检测图像中的色卡位置信息；
[0099]
色卡排序信息确定模块240，用于基于所述色卡区域的关联度，确定所述色卡区域的色卡区域排序信息；
[0100]
色偏测试结果确定模块250，用于根据所述色卡位置信息和所述色卡区域排序信息，确定所述鱼眼相机对应的色偏测试结果。
[0101]
可选地，所述色卡区域获取模块220包括：
[0102]
色彩空间矩阵获取单元，用于获取所述待检测图像对应的色彩空间矩阵；
[0103]
第一聚类结果获取单元，用于基于聚类算法对所述色彩空间矩阵进行聚类处理，得到第一聚类结果；
[0104]
初始二值化图像获取单元，用于根据所述第一聚类结果，对所述待检测图像进行二值化处理，得到初始二值化图像；
[0105]
第一凸包获取单元，用于对所述初始二值化图像进行凸包计算处理，得到所述初始二值化图像中的第一凸包；
[0106]
色卡区域确定单元，用于根据所述第一凸包，确定所述24色卡在所述待检测图像中的色卡区域。
[0107]
可选地，所述色彩空间矩阵获取单元包括：
[0108]
三维数据特征获取子单元，用于获取所述待检测图像中每个像素点对应的三维数据特征；所述三维数据特征为每个像素点的rgb值形成的特征；
[0109]
色彩空间矩阵生成子单元，用于根据先行后列的方式和所述三维数据特征，生成所述色彩空间矩阵。
[0110]
可选地，所述第一凸包获取单元包括：
[0111]
初始处理图像生成子单元，用于对所述初始二值化图像进行形态学开处理，生成所述初始二值化图像对应的初始处理图像；
[0112]
第一凸包计算子单元，用于计算得到所述初始处理图像中的第一凸包。
[0113]
可选地，所述色卡区域确定单元包括：
[0114]
第一目标凸包获取子单元，用于获取所述第一凸包中凸包区域最大的第一目标凸包；
[0115]
色彩空间矩阵获取子单元，用于根据位于所述第一目标凸包的区域内的像素点和先行后列的方式，获取所述第一目标凸包对应的区域色彩空间矩阵；
[0116]
色卡区域确定子单元，用于根据所述区域色彩空间矩阵，确定所述24色卡在所述待检测图像中的色卡区域。
[0117]
可选地，所述色卡位置信息获取模块230包括：
[0118]
第二聚类结果获取单元，用于基于聚类算法对所述区域色彩空间矩阵进行聚类处理，得到第二聚类结果；
[0119]
排序结果获取单元，用于根据各色卡类别的像素数量，对所述第二聚类结果进行升序排序，得到排序结果；
[0120]
像素均值计算单元，用于根据排序结果，计算每个所述色卡类别对应的像素均值；
[0121]
欧式距离计算单元，用于计算得到每个所述色卡类别对应的每个像素与所述像素均值之间的欧式距离；
[0122]
待选位置确定单元，用于根据所述欧式距离，确定每个所述色卡类别在所述待检测图像中的待选色卡位置信息；
[0123]
第二凸包计算单元，用于对所述待选色卡位置信息进行凸包计算，得到第二凸包；
[0124]
色卡位置信息确定单元，用于根据所述第二凸包，确定每个色卡区域在所述待检测图像中的色卡位置信息。
[0125]
可选地，所述色卡排序信息确定模块240包括：
[0126]
外接矩形获取单元，用于获取每个所述色卡区域对应的最小外接矩形；
[0127]
校正中心点获取单元，用于基于各所述最小外接矩形的最长边长与所述待检测图像的图像列方向的夹角，对每个所述色卡区域的色卡中心点进行旋转校正，得到每个所述色卡区域对应的校正中心点；
[0128]
色卡排序信息确定单元，用于基于所述校正中心点，确定每个所述色卡区域对应的色卡区域排序信息。
[0129]
可选地，所述外接矩形获取单元包括：
[0130]
像素行列均值计算子单元，用于计算得到每个所述色卡区域对应的像素行列均值；
[0131]
色卡中心坐标获取子单元，用于根据所述像素行列均值，获取每个所述色卡区域对应的色卡中心坐标；
[0132]
外接矩形确定子单元，用于基于所述色卡中心坐标，确定每个所述色卡区域对应的最小外接矩形。
[0133]
可选地，所述色卡排序信息确定单元包括：
[0134]
图像中心点确定子单元，用于根据所有色卡区域对应的所述校正中心点，确定图像中心点；
[0135]
中心点计算子单元，用于计算每个所述色卡区域的校正中心点与所述图像中心点之间的中心点距离；
[0136]
色卡排序信息确定子单元，用于基于所述中心点距离，确定每个所述色卡区域对应的色卡区域排序信息。
[0137]
本技术实施例提供的色偏检测装置，通过基于鱼眼相机对标准24色卡进行拍摄，得到待检测图像，基于聚类算法对待检测图像进行聚类处理，得到24色卡在待检测图像中的色卡区域，获取色卡区域在待检测图像中的色卡位置信息，基于色卡区域的关联度，确定色卡区域的色卡区域排序信息，根据色卡位置信息和色卡区域排序信息，确定鱼眼相机对应的色偏测试结果。本技术实施例可以在不进行畸变校正的基础上完成色偏检测，不会影响色偏检测的精度，且基于不同色块相互位置关系固定的条件，可以处理多种变换引起的标号定位问题，增强了针对鱼眼相机的色偏检测的鲁棒性。
[0138]
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0139]
请参考图3，其示出了本技术一个实施例提供的计算机设备的结构框图。该计算机设备可用于实施上述实施例中提供的色偏检测方法。该计算机设备可以是pc或者服务器，或者其它具备数据处理和存储能力的设备。具体来讲：
[0140]
所述计算机设备300包括中央处理单元(cpu)301、包括随机存取存储器(ram)302和只读存储器(rom)303的系统存储器304，以及连接系统存储器304和中央处理单元301的系统总线305。所述计算机设备300还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(i/o系统)306，和用于存储操作系统313、应用程序314和其他程序模块315的大容量存储设备307。
[0141]
所述基本输入/输出系统306包括有用于显示信息的显示器308和用于用户输入信息的诸如鼠标、键盘之类的输入设备309。其中所述显示器308和输入设备309都通过连接到系统总线1005的输入输出控制器310连接到中央处理单元301。所述基本输入/输出系统306还可以包括输入输出控制器310以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器310还提供输出到显示屏、打印机或其他类型的输出设备。
[0142]
所述大容量存储设备307通过连接到系统总线305的大容量存储控制器(未示出)连接到中央处理单元301。所述大容量存储设备307及其相关联的计算机可读介质为计算机设备300提供非易失性存储。也就是说，所述大容量存储设备307可以包括诸如硬盘或者cd
‑
rom驱动器之类的计算机可读介质(未示出)。
[0143]
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括
ram、rom、eprom、eeprom、闪存或其他固态存储其技术，cd
‑
rom、dvd或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器304和大容量存储设备307可以统称为存储器。
[0144]
根据本技术的各种实施例，所述计算机设备300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备300可以通过连接在所述系统总线305上的网络接口单元311连接到网络312，或者说，也可以使用网络接口单元311来连接到其他类型的网络或远程计算机系统(未示出)。
[0145]
所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述色偏检测方法的指令。
[0146]
在示例中实施例中，还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集。所述至少一条指令、至少一段程序、代码集或指令集经配置以由一个或者一个以上处理器执行，以实现上述色偏检测方法。
[0147]
在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被计算机设备的处理器执行时实现上述色偏检测方法。
[0148]
可选地，上述计算机可读存储介质可以是rom、ram、cd
‑
rom、磁带、软盘和光数据存储设备等。
[0149]
在示例性实施例中，还提供了一种计算机程序产品，当该计算机程序产品被执行时，其用于实现上述色偏检测方法。
[0150]
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。
[0151]
以上所述仅为本技术的示例性实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。