白平衡调整方法技术

本发明专利技术提供一种白平衡调整方法，包括以下步骤：对所述原始彩色图像进行颜色空间转换，将RGB颜色空间转换为HSI颜色空间；基于脉冲耦合神经网络，确定并调整每个分量子图的像素点的像素值；对调整像素点像素后的分量子图进行区域分割；对于每个区域，其对应的所有像素点进行等比例调节；将HSI图像转换为RGB图像，得到白平衡调整后的图像。优点为：每个区域中的所有像素点采用同一个像素调节比例值，直接将该区域中的所有像素点的像素进行等比例的调节，从而完成白平衡调整方法，由此加快了白平衡调整的速度，降低了资源消耗，且经实验证明，本发明专利技术提供的白平衡调整方法，白平衡调整的准确度仍然非常高。

Adjustment method of white balance

【技术实现步骤摘要】
白平衡调整方法
本专利技术属于影像处理
，具体涉及一种白平衡调整方法。
技术介绍
白平衡，字面上的理解是白色的平衡。白平衡是描述显示器中红、绿、蓝三基色混合生成后白色精确度的一项指标。白平衡是电视摄像领域一个非常重要的概念，通过它可以解决色彩还原和色调处理等一系列问题。白平衡是随着电子影像再现色彩真实而产生的，在专业摄像领域，白平衡应用的较早，现在家用电子产品(家用摄像机、数码照相机)中也广泛地使用。在电视摄像中，白平衡调整是控制画面色调的主要方法。目前主流的各种白平衡调整方法，需要逐点计算调整其像素值，普遍具有耗时长、资源消耗大的问题。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种白平衡调整方法，可有效解决上述问题。本专利技术采用的技术方案如下：本专利技术提供一种白平衡调整方法，包括以下步骤：步骤1，获取原始彩色图像；步骤2，对所述原始彩色图像进行颜色空间转换，将RGB颜色空间转换为HSI颜色空间，得到转换后的图像；步骤3，分别提取所述转换后的图像的色相H、饱和度S和亮度I三通道数据，进而获得与色相H对应的第1分量子图、与饱和度S对应的第2分量子图和与亮度I对应的第3分量子图；步骤3，对于所述第1分量子图、所述第2分量子图和所述第3分量子图，均进行以下操作：步骤3.1，构建脉冲耦合神经网络，所述脉冲耦合神经网络的神经元个数与被处理的分量子图的像素点个数相同，并且，每个神经元与每个分量子图的像素点一一对应；步骤3.2，对步骤3.1得到的脉冲耦合神经网络进行迭代点火处理，生成与被处理的分量子图对应的脉冲点火时刻表；其中，所述脉冲点火时刻表记录了每个神经元的点火时刻；步骤3.3，采用以下方法定位被处理的分量子图中需要被调整的像素点：对于脉冲耦合神经网络中的每个神经元，均进行以下处理：假设脉冲耦合神经网络中的任意神经元(i,j)，其与被处理的分量子图中的像素点(i,j)对应；其中，i代表该神经元所对应的像素点在被处理的分量子图中的行号，j代表该神经元所对应的像素点在被处理的分量子图中的列号；(i,j)代表该神经元所对应的像素点在被处理的分量子图中的位置；因此，判断以下条件是否成立：设神经元(i,j)的点火时刻为t1，则：在神经元(i,j)的n1×n1去心邻域内，正好有一半的神经元的点火时刻早于t1，而另一半的神经元的点火时刻晚于t1；其中，n1为设定的去心邻域的边长；如果以上条件成立，则该神经元(i,j)所对应的像素点(i,j)的像素保持不变；否则，采用以下步骤3.4-步骤3.5，对像素点(i,j)的像素进行调整：步骤3.4，对于像素点(i,j)，如果在其n1×n1去心邻域内，有超过半数的像素点的点火时刻早于t1，则选取提前点火的像素点构建集合Γ＝{x1,x2,...,xL}；其中，x1,x2,...,xL为点火时刻早于t1且属于像素点(i,j)去心邻域内的像素点的编号；采用以下公式，从x1,x2,...,xL这L个像素点中选取到一个像素点作为中心像素点：其中：D(l,k)＝||xl-xk||2代表xl和xk这两个像素点之间的欧几里得距离；xl和xk均属于集合Γ中的元素；arg表示使目标函数取最小值时的变量值；同样的，对于像素点(i,j)，如果在其n1×n1去心邻域内，有超过半数的像素点的点火时刻晚于t1，则选取落后点火的像素点构建集合Γa＝{xa1,xa2,...,xaL}；其中，xa1,xa2,...,xaL为点火时刻晚于t1且属于像素点(i,j)去心邻域内的像素点的编号；采用以下公式，从xa1,xa2,...,xaL这L个像素点中选取到一个像素点作为中心像素点：其中：D(al,ak)＝||xal-xak||2代表xal和xak这两个像素点之间的欧几里得距离；xal和xak均属于集合Γa中的元素；arg表示使目标函数取最小值时的变量值；步骤3.5，然后，将像素点(i,j)的像素调整为步骤3.4确定的中心像素点的像素值；步骤3.6，采用以下方法对调整像素点像素后的分量子图进行区域分割：步骤3.6.1，对于调整像素点像素后的分量子图中的每个像素点(i,j)，其像素值表示为f(i,j)；步骤3.6.2，采用下式计算x方向的梯度算子Gi以及y方向的梯度算子Gj：Gi＝[f(i+1,j)-f(i,j)+f(i+1,j+1)-f(i,j+1)]/2Gj＝[f(i,j+1)-f(i,j)+f(i+1,j+1)-f(i+1,j)]/2；则：梯度幅值梯度方向步骤3.6.3，如果以下三个条件均满足，则判定像素点(i,j)为边界点；将邻接的边界点连接起来，将分量子图划分为若干个区域，由此完成对图像的初步分割；条件1：像素点(i,j)的梯度幅值大于沿梯度方向的两个相邻像素点的梯度幅值；条件2：像素点(i,j)的梯度方向与该梯度方向上两个相邻像素点的方向小45°；条件3：以该像素点(i,j)为中心的3×3邻域中的梯度幅度的极大值小于设定阈值；步骤3.7，经步骤3.6进行区域分割，将分量子图分割为若干个区域，对于每个区域，均执行以下步骤3.7.1-步骤3.7.3：步骤3.7.1，区域中的每个像素点均对应像素值，用t代表像素值变量，用P(t)代表该像素值在该区域对应的像素点数目，因此，t作为横坐标，P(t)作为纵坐标建立坐标系，并在坐标系中标识该区域所对应的离散点；利用三阶贝塞尔曲线拟合离散点，得到拟合后的曲线；步骤3.7.2，以拟合后的曲线的曲线起始点PSTART、曲线波谷点PVALLEY、曲线波峰点PPEAK和曲线终止点PEND作为波段划分位置，将拟合后的曲线划分为三段；取参数θ1＝S(PSTART,PPEAK)+S(PVALLEY,PEND)，θ2＝S(PSTART,PVALLEY)+S(PPEAK,PEND)其中：S(PSTART,PPEAK)代表曲线起始点PSTART到曲线波峰点PPEAK所对应的一段曲线下的积分面积；S(PVALLEY,PEND)代表曲线波谷点PVALLEY到曲线终止点PEND所对应的一段曲线下的积分面积；S(PSTART,PVALLEY)代表曲线起始点PSTART到曲线波谷点PVALLEY所对应的一段曲线下的积分面积；S(PPEAK,PEND)代表曲线波峰点PPEAK到曲线终止点PEND所对应的一段曲线下的积分面积；步骤3.7.3，因此，该分量子图在该区域中的每个像素点(i,j)，采用以下公式调整其像素值：步骤4，所述第1分量子图经过步骤3处理后，得到第1-1分量子图；所述第2分量子图经过步骤3进行处理后，得到第2-1分量子图；所述第3分量子图经过步骤3进行处理后，得到第3-1分量子图；融合第1-1分量子图、第2-1分量子图和第3-1分量子图，得到HSI图像；步骤5，当步骤4得到的所述HSI图像转换为RGB图像，得到白平衡调整后的图像。优选的，步骤3.3中，n1×n1去心邻域为5×5去心邻域。优选的，步骤3.6.3对图像进行初步分割之后，在步骤3.7之前，还包括：步骤3.6.4，判断经步骤3.6.3进行图像分割后，形成的区域总数是否大于给定阈值，如果大于，则转到步骤3.7；否则，执行步骤3.6.5；步骤3.6.5，计算每两个相邻区域的面积和；将计算得到的所有面积和进行升序排列，将排名第1的两本文档来自技高网...

【技术保护点】
一种白平衡调整方法，其特征在于，包括以下步骤：步骤1，获取原始彩色图像；步骤2，对所述原始彩色图像进行颜色空间转换，将RGB颜色空间转换为HSI颜色空间，得到转换后的图像；步骤3，分别提取所述转换后的图像的色相H、饱和度S和亮度I三通道数据，进而获得与色相H对应的第1分量子图、与饱和度S对应的第2分量子图和与亮度I对应的第3分量子图；对于所述第1分量子图、所述第2分量子图和所述第3分量子图，均进行以下步骤3.1‑步骤3.7的操作：步骤3.1，构建脉冲耦合神经网络，所述脉冲耦合神经网络的神经元个数与被处理的分量子图的像素点个数相同，并且，每个神经元与每个分量子图的像素点一一对应；步骤3.2，对步骤3.1得到的脉冲耦合神经网络进行迭代点火处理，生成与被处理的分量子图对应的脉冲点火时刻表；其中，所述脉冲点火时刻表记录了每个神经元的点火时刻；步骤3.3，采用以下方法定位被处理的分量子图中需要被调整的像素点：对于脉冲耦合神经网络中的每个神经元，均进行以下处理：假设脉冲耦合神经网络中的任意神经元(i,j)，其与被处理的分量子图中的像素点(i,j)对应；其中，i代表该神经元所对应的像素点在被处理的分量子图中的行号，j代表该神经元所对应的像素点在被处理的分量子图中的列号；(i,j)代表该神经元所对应的像素点在被处理的分量子图中的位置；因此，判断以下条件是否成立：设神经元(i,j)的点火时刻为t1，则：在神经元(i,j)的n1×n1去心邻域内，正好有一半的神经元的点火时刻早于t1，而另一半的神经元的点火时刻晚于t1；其中，n1为设定的去心邻域的边长；如果以上条件成立，则该神经元(i,j)所对应的像素点(i,j)的像素保持不变；否则，采用以下步骤3.4‑步骤3.5，对像素点(i,j)的像素进行调整：步骤3.4，对于像素点(i,j)，如果在其n1×n1去心邻域内，有超过半数的像素点的点火时刻早于t1，则选取提前点火的像素点构建集合Γ＝{x1,x2,...,xL}；其中，x1,x2,...,xL为点火时刻早于t1且属于像素点(i,j)去心邻域内的像素点的编号；采用以下公式，从x1,x2,...,xL这L个像素点中选取到一个像素点作为中心像素点：...

【技术特征摘要】
1.一种白平衡调整方法，其特征在于，包括以下步骤：步骤1，获取原始彩色图像；步骤2，对所述原始彩色图像进行颜色空间转换，将RGB颜色空间转换为HSI颜色空间，得到转换后的图像；步骤3，分别提取所述转换后的图像的色相H、饱和度S和亮度I三通道数据，进而获得与色相H对应的第1分量子图、与饱和度S对应的第2分量子图和与亮度I对应的第3分量子图；对于所述第1分量子图、所述第2分量子图和所述第3分量子图，均进行以下步骤3.1-步骤3.7的操作：步骤3.1，构建脉冲耦合神经网络，所述脉冲耦合神经网络的神经元个数与被处理的分量子图的像素点个数相同，并且，每个神经元与每个分量子图的像素点一一对应；步骤3.2，对步骤3.1得到的脉冲耦合神经网络进行迭代点火处理，生成与被处理的分量子图对应的脉冲点火时刻表；其中，所述脉冲点火时刻表记录了每个神经元的点火时刻；步骤3.3，采用以下方法定位被处理的分量子图中需要被调整的像素点：对于脉冲耦合神经网络中的每个神经元，均进行以下处理：假设脉冲耦合神经网络中的任意神经元(i,j)，其与被处理的分量子图中的像素点(i,j)对应；其中，i代表该神经元所对应的像素点在被处理的分量子图中的行号，j代表该神经元所对应的像素点在被处理的分量子图中的列号；(i,j)代表该神经元所对应的像素点在被处理的分量子图中的位置；因此，判断以下条件是否成立：设神经元(i,j)的点火时刻为t1，则：在神经元(i,j)的n1×n1去心邻域内，正好有一半的神经元的点火时刻早于t1，而另一半的神经元的点火时刻晚于t1；其中，n1为设定的去心邻域的边长；如果以上条件成立，则该神经元(i,j)所对应的像素点(i,j)的像素保持不变；否则，采用以下步骤3.4-步骤3.5，对像素点(i,j)的像素进行调整：步骤3.4，对于像素点(i,j)，如果在其n1×n1去心邻域内，有超过半数的像素点的点火时刻早于t1，则选取提前点火的像素点构建集合Γ＝{x1,x2,...,xL}；其中，x1,x2,...,xL为点火时刻早于t1且属于像素点(i,j)去心邻域内的像素点的编号；采用以下公式，从x1,x2,...,xL这L个像素点中选取到一个像素点作为中心像素点：其中：D(l,k)＝||xl-xk||2代表xl和xk这两个像素点之间的欧几里得距离；xl和xk均属于集合Γ中的元素；arg表示使目标函数取最小值时的变量值；同样的，对于像素点(i,j)，如果在其n1×n1去心邻域内，有超过半数的像素点的点火时刻晚于t1，则选取落后点火的像素点构建集合Γa＝{xa1,xa2,...,xaL}；其中，xa1,xa2,...,xaL为点火时刻晚于t1且属于像素点(i,j)去心邻域内的像素点的编号；采用以下公式，从xa1,xa2,...,xaL这L个像素点中选取到一个像素点作为中心像素点：其中：D(al,ak)＝||xal-xak||2代表xal和xak这两个像素点之间的欧几里得距离；xal和xak均属于集合Γa中的元素；arg表示使目标函数取最小值时的变量值；步骤3.5，然后，将像素点(i,j)的像素调整为步骤3.4确定的中心像素点的像素值；步骤3.6，采用以下方法对调整像素点像素后的分量子图进行...

【专利技术属性】
技术研发人员：戴骥，周浩宇，吕格峰，
申请(专利权)人：长沙云知检信息科技有限公司，
类型：发明
国别省市：湖南,43