[發明專利]圖像校正方法、圖像校正裝置和電子設備

在審

• 申請號: 201811208112.0
• 申請日: 2018-10-17
• 公開（公告）號: CN111064860A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 肖雪;許譯天
• 申請（專利權）人: 北京地平線機器人技術研發有限公司
• 主分類號: H04N1/60
• 分類號: H04N1/60
• 代理公司: 北京市正見永申律師事務所 11497
• 代理人: 黃小臨;馮玉清

公開了一種圖像校正方法、圖像校正裝置和電子設備。根據一實施例，一種圖像校正方法可包括：接收待校正圖像；以及用色彩校正模型對所述待校正圖像進行色彩校正，其中，所述色彩校正模型是利用不同色溫下色卡的圖像訓練得到的。在一些示例中，色卡的圖像可以是原始RAW圖像。通過用不同色溫下的色卡原始RAW圖像來訓練色彩校正模型，可以消除環境光等因素的影響，實現高的校正準確度，并且具有廣泛的適用范圍。

技術領域

本申請涉及圖像處理領域，且更為具體地，涉及一種圖像校正方法、圖像校正裝置和電子設備。

背景技術

用戶在通過相機等拍攝圖像時，期望圖像能夠反映真實場景，但是，由于受到環境光和相機自身曝光等因素的影響，相機獲得的原始圖像信號和真實場景相比往往存在一定的誤差。例如，場景中的環境光可能使得相機拍攝的圖像產生色偏，比如在日光燈下拍攝的圖像偏綠，而在鎢絲燈下拍攝的圖片偏黃。因此，為了解決該問題，圖像色彩校正被廣泛應用于各類相機中。

現有的圖像色彩校正方法包括線性擬合、多項式擬合以及神經網絡顏色校正等，其一般利用幾個采樣點的RGB數據來進行校正，由于RGB數據是經過預處理的數據，其作為網絡輸入存在一定的誤差，而且現有的校正方法沒有排除環境光的干擾。此外，傳統的線性擬合或多項式擬合回歸精度并不理想，數據缺乏造成模型的泛化能力較差，因此并不能很好地表達圖像的回歸效果。

因此，鑒于目前的圖像色彩校正方法的諸多不足之處，仍期望提供改進的圖像校正方案。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種圖像校正方法、圖像校正裝置和電子設備，其通過使用不同色溫下的原始圖像數據訓練神經網絡模型例如反向傳播神經網絡模型以進行圖像色彩校正，能夠消除環境光的影響，實現高的校正準確度，并且具有廣泛的適用范圍。

根據本申請一示例性實施例，提供一種圖像校正方法，其可包括：接收待校正圖像；以及用色彩校正模型對所述待校正圖像進行色彩校正，其中，所述色彩校正模型是利用不同色溫下色卡的圖像訓練得到的。

在一些示例中，所述色彩校正模型是通過如下步驟訓練得到的：獲取不同色溫下色卡的圖像；從所述不同色溫下色卡的圖像確定所述色卡的與所述不同色溫對應的圖像原色值；用所述色卡的圖像原色值和對應的色溫值作為輸入數據，以所述色卡的標準原色值作為監督數據，來訓練神經網絡，以確定所述色彩校正模型。

在一些示例中，用色彩校正模型對所述待校正圖像進行色彩校正包括：以所述待校正圖像的圖像原色值和色溫值作為所述色彩校正模型的輸入，由所述色彩校正模型輸出校正后的原色值。

在一些示例中，所述色彩校正模型是通過如下步驟訓練得到的：獲取不同色溫下色卡的圖像；從所述不同色溫下色卡的圖像確定所述色卡的與所述不同色溫對應的圖像原色值；分別用所述色卡在每一個色溫下的圖像原色值作為輸入數據，以所述色卡的標準原色值作為監督數據，來訓練神經網絡，以確定在該色溫下的色彩校正模型。

在一些示例中，所述方法還包括：基于所述待校正圖像的色溫選擇與所述待校正圖像對應的色彩校正模型，其中，用色彩校正模型對所述待校正圖像進行色彩校正包括以所述待校正圖像的圖像原色值作為所述色彩校正模型的輸入，由所述色彩校正模型輸出校正后的原色值。

在一些示例中，所述色卡的圖像和所述待校正圖像二者都是原始(RAW)圖像或原色圖像。

在一些示例中，所述色彩校正模型是通過如下步驟訓練得到的：獲取不同色溫下色卡的原始(RAW)圖像；對所述不同色溫下色卡的原始(RAW)圖像進行白平衡歸一化處理；從白平衡歸一化處理后的色卡的原始(RAW)圖像確定所述色卡的圖像原色值；以及用所述色卡的圖像原色值作為輸入數據，以所述色卡的標準原色值作為監督數據，來訓練神經網絡，以確定所述色彩校正模型。