[发明专利]一种基于深度学习的快速自动白平衡和颜色矫正方法

说明书

本发明提供的一种基于深度学习的快速自动白平衡和颜色矫正方法，速度方面：awb和color correction能在普通嵌入式设备上做到实时性，计算量比传统算法减小；效果方面：解决了传统方法对大面积纯色图片白平衡估计不准确的问题，且在低色温和低照度环境下表现了较好的白平衡和颜色矫正的效果，经过imatest测试，在低照度和低色温下，白平衡的灰阶还原度在90％以上，颜色矫正后的ΔC8％，ΔE15％，而在高色温下的白平衡还原度均超过95％，颜色饱和度基本大于100。而传统的白平衡算法在低色温低照度下灰阶还原度只能达到60％‑80％；适用性方面：本方法适用于多sensor，且可拓展于其他的任务领域。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于深度学习的快速自动白平衡和颜色矫正方法。

背景技术

传统的AWB算法包含以下一些算法：

高级白平衡算法，其算法流程是：

1.在灯箱里面拍摄不同色温下(D75、D65、D50、CWF、H、A)的灰卡图片，灰卡充满整副实况图；

2.标定出每一个色温下的白平衡基准点，然后确定出基准白点绘制参考白区；

3.计算待校正图像当前落入参考白区的参考白点，根据这些灰点结合权重计算得到待校正图像的白平衡色彩补偿；

灰度世界算法, 其算法流程是：

确定灰度值avg_gray

有两种方法确定avg_gray:a.取最大亮度值的一半b.计算图片R,G,B三个通道的均值为avg_r，avg_g，avg_b。avg_gray = (avg_r+avg_g+avg_b)/3

计算R,G,B三个通道的增益系数：

kr = avg_gray/avg_r

kg =avg_gray/avg_g

kb= avg_gray/avg_b

根据Von Kries对角模型，对于图像中的每个像素C,调整其分量R,G,B分量：

C(R’) = C(R) * kr

C(G’) = C(G) * kg

C(B’) = C(B) * kr

完美反射法，其算法流程是：

计算每个像素R , G , B之和并保存。

按照R + G + B的值的大小计算出其前10%或其他Ratio的白色参考点的阈值T。

遍历图像中的每个点，计算其中R + G + B 值大于T的所有点的R , G ,B 分量的累积和的平均值。

将每个像素量化到[ 0 , 255 ]

传统的Color Correction算法：

Color Correction，是在做完白平衡矫正以后做的一个颜色纠正算法，算法的背景主要是Image Sensor对三原色RGB的响应跟人眼有较大的差别，以及pixel之间Crosstalk现象的存在，ImageSensor输出的图像必须经过Color Correction才能还原出比较真实的色彩。传统的color correction算法是步骤是将经过白平衡矫正后的24色卡图片计算得到一个3*3的计算矩阵，然后用3*3矩阵矫正得到新的图片。

基于深度学习的颜色矫正方法大体可分为以下几类：

白平衡：神经网络估计场景光照强度，然后根据光强矫正白平衡图片；