图像颜色实时校正方法、装置和系统制造方法及图纸

本申请实施例属于图像处理技术领域，涉及一种图像颜色实时校正方法、装置、系统、计算机设备和存储介质，方法包括：获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。本申请实施例可以提高图像颜色校正的精度和速度。

【技术实现步骤摘要】
图像颜色实时校正方法、装置和系统
本专利技术涉及图像处理
，尤其涉及一种图像颜色实时校正方法、装置、系统、计算机设备和存储介质。
技术介绍
颜色是物体的一种重要特征，颜色信息被运用在各行各业，与我们的生活息息相关。但是手机、相机、监控录像等电子设备生成的图像中，物体颜色会随着光照的不同而发生较大变化，摄像参数设置也会对图像颜色造成影响。因此为适应人类色彩的恒常性，使成像设备所采集的图像能正确反映物体的真实颜色，需要对图像进行颜色校正。目前颜色校正大致可分为两大类：基于装置的颜色校正和基于图像的颜色校正。基于装置的颜色校正方法需要增加额外的硬件，使图像采集系统结构更加复杂，并且增加产品成本。基于光谱反射率还原的方法获得光源的色度值或光谱功率分布比较困难，计算量较大。基于图像颜色分析的方法受图像内容及亮度影响较大。由于神经网络法需要大量数据、对设备要求较高，查找插值法需要大量标准色卡数据，没有得到广泛应用。多项式回归法相对其它方法操作简单运用广泛，大多数情况下都能获取较好的颜色校正效果。但在某些特殊的光照环境中(单一光源、亮度较低或较高)多项式回归法颜色校正效果较差，在某些对计算速度和颜色校正效果和精度要求较高的情况下常规多项式回归法不能满足要求。
技术实现思路
本申请实施例的目的在于提出一种图像颜色实时校正方法，以提高图像颜色校正的精度和速度。为了解决上述技术问题，本申请实施例提供一种图像颜色实时校正方法，采用了如下所述的技术方案：所述图像颜色实时校正方法包括以下步骤：获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。进一步的，所述数据预处理包括图像滤波和图像分割。进一步的，所述对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数包括：获取所述灰色色块的RGB三通道标准值；根据最小二乘法对所述灰色色块的RGB三通道均值和RGB三通道标准值进行拟合，得到所述拟合参数。进一步的，所述利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数包括：根据所述拟合参数对所述标准色卡的各个色块的RGB三通道均值进行校正，得到校正结果，所述校正结果包括所述标准色卡的校正均值矩阵；获取所述标准色卡的RGB三通道标准值，并基于所述标准色卡的RGB三通道标准值和校正均值矩阵建立所述多项式回归模型；根据所述多项式回归模型计算出所述校正参数。进一步的，所述校正参数经过L-M方法优化。进一步的，所述RGB三通道均值包括R、G、B三个通道的均值，各个通道的均值为对应通道的灰度值之和再除以像素总数。为了解决上述技术问题，本申请实施例还提供一种图像颜色实时校正装置，包括:获取模块，用于获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；拟合模块，用于基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；第一校正模块，用于利用所述拟合参数对所述标准色卡的所有色块的RGB三通道均值进行校正并通过多项式回归模型计算出校正参数；第二校正模块，用于基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。为了解决上述技术问题，本申请实施例还提供一种图像颜色实时校正系统，所述图像颜色实时校正系统包括图像采集设备和颜色校正设备，所述图像采集设备用于采集原始数据，所述原始数据包括原始图像数据和标准色卡数据；所述颜色校正设备用于获取所述原始数据并进行数据处理和显示，所述颜色校正设备包括通讯模块、存储模块、处理器和显示模块。为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：所述计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的任一项所述的图像颜色实时校正方法的步骤。为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的任一项所述的图像颜色实时校正方法的步骤。与现有技术相比，本申请实施例主要有以下有益效果：获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。在原始图像数据中对标准色卡的灰色色块数据的RGB三通道均值进行拟合得到拟合参数，再使用该拟合参数对所有色块进行校正后通过多项式回归模型计算校正参数，然后基于拟合参数和校正参数对原始图像数据进行颜色校正，从而可以提高图像颜色校正的精度并减少校正时间。附图说明为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了根据本申请的实施例提供的一种图像颜色实时校正方法的流程图；图2示出了本申请实施例提供的一种图像颜色实时校正装置图；图3示出了本申请实施例提供的一种图像颜色实时校正系统图；图4是根据本申请的实施例提供的计算机设备基本结构框图。具体实施方式除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。在本文中提及“实施例”意味着，结合实施例描述的特定特本文档来自技高网...

【技术保护点】
1.一种图像颜色实时校正方法，其特征在于，包括：/n获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；/n基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；/n利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；/n基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。/n

【技术特征摘要】
1.一种图像颜色实时校正方法，其特征在于，包括：
获取原始数据并进行数据预处理，所述原始数据包括原始图像数据和标准色卡数据，所述标准色卡数据至少包括两个灰色色块数据；
基于所述原始图像数据计算所述标准色卡包括的各色块的RGB三通道均值，并对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数；
利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数；
基于所述拟合参数和校正参数对所述原始图像数据进行颜色的实时校正，然后将经过颜色校正后的图像数据进行显示。


2.如权利要求1所述的图像颜色实时校正方法，其特征在于，所述数据预处理包括图像滤波和图像分割。


3.如权利要求2所述的图像颜色实时校正方法，其特征在于，所述对所述灰色色块的RGB三通道均值进行拟合，得到拟合参数包括：
获取所述灰色色块的RGB三通道标准值；
根据最小二乘法对所述灰色色块的RGB三通道均值和RGB三通道标准值进行拟合，得到所述拟合参数。


4.如权利要求3所述的图像颜色实时校正方法，其特征在于，利用所述拟合参数对所述标准色卡的所有色块进行校正，并通过多项式回归模型计算出校正参数包括：
根据所述拟合参数对所述标准色卡的各个色块的RGB三通道均值进行校正，得到校正结果，所述校正结果包括所述标准色卡的校正均值矩阵；
获取所述标准色卡的RGB三通道标准值，并基于所述标准色卡的RGB三通道标准值和校正均值矩阵建立所述多项式回归模型；
根据所述多项式回归模型计算出所述校正参数。


5.如权利要求4所述的图像颜色实时校正方法，其特征在于，所述校正参数经过L-M方法优化。...

【专利技术属性】
技术研发人员：汪灵梦，曾祥军，陈利，吕广志，
申请(专利权)人：深圳市菲森科技有限公司，
类型：发明
国别省市：广东;44