基于机器学习的直播画面色彩自动校正系统的制作方法

本发明涉及图像色彩校正，具体为基于机器学习的直播画面色彩自动校正系统。

背景技术：

1、随着数字影视制作技术的发展，图像视频媒介已经成为当今社会人们获取信息最重要的途径。但是在拍摄素材时，由于各种各样的原因，可能会使原始的素材出现偏色的问题，这时就需要通过色彩校正来尽量还原真实素材的色调。此外，影视后期领域通常还需要通过色彩校正算法对画面进行风格化处理，营造某种特殊的气氛。

2、根据中国专利申请号为cn202011574346.4公开了一种图像色彩校正方法，包括步骤：s1，根据暗部、中灰、亮部模块调节后的调节参数，计算rgb通道的灰度变换lut；s2，利用求得的r、g、b通道上的灰度变换lut，计算图像每个像素r、g、b通道上的变化量；s3，在步骤s2的基础上，结合色彩平衡理论计算图像像素r、g、b通道上的输出。

3、上述专利不对图像各通道上的数据进行裁切，不会损失图像的颜色信息和亮度信息，能够让图像的曝光强度在色彩校正前后保持一致，能对图像进行非常柔和、细腻、自然的调整，且不会出现色彩分离和曝光过度的现象，且可应用于各类图像处理算法中等。

4、但是上述专利在对图像处理的时候，由于单一的对图像通道数据进行分析来进行校正，存在校正误差较大的情况，正常情况下图像的校正由多个因素影响，单一的对某个因素进行分析调节，会造成图像中整体不协调的情况，进一步的降低图像整体的质量。

技术实现思路

1、针对现有技术的不足，本发明提供了基于机器学习的直播画面色彩自动校正系统，解决了单一的对图像通道数据进行处理调节，会造成图像整体不协调的情况，降低图像整体质量的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于机器学习的直播画面色彩自动校正系统，包括：

3、直播画面采集模块，用于将采集的直播画面传输到图像分割预处理模块；

4、图像分割预处理模块，用于对获取的直播画面进行分割得到分割图像，并对分割图像进行区域划分得到待分析区域，接着根据像素值来对待分析区域进行筛选得到预选区域，并对预选区域进行像素调节得到正常区域，同时将正常区域传输到图像色彩校正分析模块；

5、图像色彩校正分析模块，用于对获取的正常区域进行亮度和对比度分析，通过对正常区域颜色通道的对比度进行分析并调节得到预处理图像，同时根据预处理图像的rgb值来进行调节生成处理图像，并将处理图像传输到画面调整分析模块；

6、画面调整分析模块，用于对获取的处理图像进行噪点分析，通过分析噪点对处理图像的影响来判断是否需要进行噪点去除，针对需要进行噪点去除的情况则通过系统生成相反的模板进行去除并生成校正图像，同时将校正图像传输到画面信息输出模块。

7、画面信息输出模块，用于将获取的校正图像进行显示。

8、作为本发明的进一步方案：所述图像分割预处理模块对直播画面进行分割的具体方式为：

9、获取到直播画面，同时获取时间t内的图像信息，接着对图像信息进行分割得到分割图像，并获取任意一组分割图像为分析目标，同时对分析目标进行区域划分，且具体的划分方式为：获取分析目标的长度和宽度，接着以单位长度和单位宽度为划分标准对分析目标进行区域划分得到待分析区域，并标号记作i，且i=1、2、…、j。

10、作为本发明的进一步方案：所述图像分割预处理模块对待分析区域进行分析的具体方式如下：

11、获取待分析区域i对应的像素值pi，并对待分析区域像素值pi的分布情况进行分析，将存在像素值pi差值较大对应的待分析区域进行选取，并记作预选区域，同时将剩余的待分析区域记作正常区域；

12、接着对所有正常区域的像素值pi进行计算得到像素均值pa，接着将预选区域对应的像素值与像素均值pa进行比较，同时以像素均值pa为标准对预选区域像素值进行调节，并将调节后的预选区域记作正常区域。

13、作为本发明的进一步方案：所述图像色彩校正分析模块对正常区域进行分析的具体方式如下：

14、获取所有正常区域i，并选取其中一个为目标对象，接着对目标对象对应的颜色通道进行标号记作n，且n=1、2、…、m，同时获取不同颜色通道n对应的对比度记作kn，并将对比度kn与预设值进行比较，以预设值为标准将对比度kn进行调节，并生成调节信息，接着根据调节信息对正常区域进行调节得到预处理图像。

15、作为本发明的进一步方案：所述图像色彩校正分析模块对预处理图像进行分析处理的具体方式如下：

16、获取预处理图像中预处理区域i的rgb值，并将预处理区域对应的rgb值与标准色温值进行比较，进一步的确定预处理区域对应的调节差值，同时获取rgb值的影响因素，且此处的影响因素具体包括曝光时长和饱和度，同时根据调节差值来确定对应的曝光时长，进一步的选取合适的数据组值，并根据选取的数据组值对预处理图像进行调节生成处理图像。

17、作为本发明的进一步方案：所述画面调整分析模块对处理图像进行分析的具体方式为：

18、获取处理图像，并对处理图像进行图像分割得到9份分割图像，且此处得到的分割图像大小相同，接着对其中任意一组分割图像进行分析，并将获取到的分割图像记作待分析对象，同时对待分析对象中的噪点进行分析，判断存在的噪点是否对待分析对象造成影响，若不存在影响则生成不影响信号，并将不影响信号传输到画面信息输出模块，反之当存在的噪点对待分析对象存在影响，则生成影响信号。

19、作为本发明的进一步方案：所述画面调整分析模块对生成影响信号对应的处理图像进行分析的具体方式为：

20、待分析对象的噪点进行分类得到亮噪点和暗噪点，且分别对亮噪点和暗噪点的影响进行分析，且此处也是通过根据像素值来进行分析判断，若亮噪点存在影响，则对亮噪点进行去除，若暗噪点存在影响，则对暗噪点进行去除，若二者均存在影响，则对二者进行去除，经过噪点去除后得到校正图像。

21、本发明提供了基于机器学习的直播画面色彩自动校正系统。与现有技术相比具备以下有益效果：

22、本发明通过对图像进行分割，并根据图像的像素值来确定需要调节的区域，进一步的对分类得到的需要调节区域，通过对亮度和对比度进行分析，确定合适的参数来对区域的数值进行调节，进一步的在对调节后的图像进行分析的时候，通过对图像中的噪点进行影响分析，并对影响图像整体质量的噪点进行分析和去除，提高图像整体的质量，同时基于上述操作能够实现对画面整体的色彩校正。

技术特征：

1.基于机器学习的直播画面色彩自动校正系统，其特征在于，包括：

2.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，还包括直播画面采集模块和画面信息输出模块；

3.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，所述图像分割预处理模块对直播画面进行分割的具体方式为：

4.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，所述图像分割预处理模块对待分析区域进行分析的具体方式如下：

5.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，所述图像色彩校正分析模块对正常区域进行分析的具体方式如下：

6.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，所述图像色彩校正分析模块对预处理图像进行分析处理的具体方式如下：

7.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，所述画面调整分析模块对处理图像进行分析的具体方式为：

8.根据权利要求1所述的基于机器学习的直播画面色彩自动校正系统，其特征在于，所述画面调整分析模块对生成影响信号对应的处理图像进行分析的具体方式为：

技术总结本发明公开了基于机器学习的直播画面色彩自动校正系统，包括图像分割预处理模块、图像色彩校正分析模块、画面调整分析模块，本发明涉及图像色彩校正技术领域，解决了单一的对图像通道数据进行处理调节，会造成图像整体不协调的情况，降低图像整体质量的技术问题，本发明通过对图像进行分割，并根据图像的像素值来确定需要调节的区域，进一步的对分类得到的需要调节区域，通过对亮度和对比度进行分析，确定合适的参数来对区域的数值进行调节，进一步的在对调节后的图像进行分析的时候，通过对图像中的噪点进行影响分析，并对影响图像整体质量的噪点进行分析和去除，提高图像整体的质量，同时基于上述操作能够实现对画面整体的色彩校正。技术研发人员：张鲁登受保护的技术使用者：北京华视风行集团有限公司技术研发日：技术公布日：2024/7/25