基于多组鱼眼镜头的图像色彩平衡方法、系统、设备及介质与流程

本技术涉及图像处理，尤其涉及一种基于多组鱼眼镜头的图像色彩平衡方法、系统、设备及介质。

背景技术：

1、在数字图像处理领域，尤其是涉及多摄像头系统(如全景相机、多视角监控系统)的应用中，确保不同镜头捕获的图像在色彩上保持一致是至关重要的。鱼眼镜头因其超广角视野成为此类系统的常用组件，但其独特的成像特性和不同镜头间的个体差异，常常导致拍摄到的图像在色彩上存在差异，包括亮度不均、色调偏移等问题。为了改善这一状况，自动白平衡和颜色校正软件被广泛应用于图像处理流程中。这些软件旨在通过算法自动调整图像的色温和色彩平衡，以达到视觉上的一致性和自然性。然而，现有的自动白平衡和颜色校正软件在应对多组鱼眼镜头色彩平衡时，由于同软件厂商或不同版本的自动白平衡和颜色校正算法往往采用不同的技术路线和参数设置，导致即使处理相同的图像集，也会产生不同的校正结果，导致一致性的问题；其次，对于复杂光照条件或需要精细色彩调整的场景，自动校正算法可能无法准确捕捉并纠正所有色彩差异；另外，现有的自动白平衡和颜色校正软件大多针对通用图像设计，缺乏对多组鱼眼镜头特性的深入理解和针对性优化。上述问题有待解决。

技术实现思路

1、本技术的主要目的在于克服现有技术的缺点与不足，提供一种基于多组鱼眼镜头的图像色彩平衡方法、系统、设备及介质，通过将rgb图像转换为lab色彩空间，并利用聚类算法对lab色彩空间中的图像进行区域划分和色彩聚类，以对不同镜头间色彩差异进行精确识别和量化，实现对曝光值的精准调整，从而实现图像色彩的平衡。

2、为了达到上述目的，本技术采用以下技术方案：

3、第一方面，本技术提供了一种基于多组鱼眼镜头的图像色彩平衡方法，包括下述步骤：

4、获取rgb图像，将所述rgb图像中的rgb色彩数据转换成lab色彩空间数据，得到以lab色彩空间表示的图像；

5、对所述以lab色彩空间表示的图像进行区域划分，并对每个区域内的有效像素点根据所述lab色彩空间数据中的a值和b值进行聚类，得到聚类结果；

6、基于所述聚类结果，计算目标图像的像素点集在lab色彩空间中l值的平均值与待平衡图像的像素点集在lab色彩空间中l值的平均值的误差，根据所述误差的调整图像的曝光值。

7、作为优选的技术方案，所述将所述rgb图像中的rgb色彩数据转换成lab色彩空间数据，得到以lab色彩空间表示的图像，包括：

8、将所述rgb色彩数据进行归一化，得到归一化的rgb值；

9、将所述归一化的rgb值转换为线性的rgb值；

10、将所述线性的rgb值转换为xyz色彩空间的值；

11、根据所述xyz色彩空间的值归一化到参考白点的xyz值，根据归一化的参考白点的xyz值计算得到lab色彩空间数据。

12、作为优选的技术方案，所述lab色彩空间数据包括l值、a值和b值；

13、所述l值是指图像的亮度；

14、所述a值是指红绿分量的值，表示从绿色到红色的变化；

15、所述b值是指黄蓝分量的值，表示蓝色到黄色的变化。

16、作为优选的技术方案，所述对所述以lab色彩空间表示的图像进行区域划分是将以lab色彩空间表示的图像划分成预设部分区域；其中，每个区域部分占据90°空间。

17、作为优选的技术方案，所述对每个区域内的有效像素点根据所述lab色彩空间数据中的a值和b值进行聚类，得到聚类结果，包括：

18、确定最小密度数量和ε半径；

19、将图像中的像素点的a值和b值视为数据集中的点，并将所述数据集中的点全部标记为未访问状态；

20、从所述数据集中随机选择一个未访问的点，并将选定的点标记为已访问；

21、在所述ε半径内，找到所述选定的点的所有邻域点；

22、若所述邻域点的数量大于或等于所述最小密度数量，则将所述选定的点视为一个核心点，创建一个新的聚类，并将所述邻域点加入到所述新的聚类内；

23、判断所述核心点的每一个邻域点是否为核心点，若为核心点，则将该邻域点加入到当前聚类，并标记为已访问；

24、若所述邻域点的数量小于所述最小密度数量，则将所述选定的点标记为噪声点；

25、对所有未访问的点重复上述步骤，直至所有点被处理完毕。

26、作为优选的技术方案，所述基于所述聚类结果，计算目标图像的像素点集在lab色彩空间中l值的平均值与待平衡图像的像素点集在lab色彩空间中l值的平均值的误差，包括：

27、循环所有聚类结果，计算每个聚类结果集的目标图像的像素点集在lab色彩空间中l值的平均值和待平衡图像的像素点集在lab色彩空间中l值的平均值；

28、根据每个聚类结果集的目标图像的像素点集在lab色彩空间中l值的平均值和待平衡图像的像素点集在lab色彩空间中l值的平均值，计算目标图像的像素点集在lab色彩空间中l值的平均值与待平衡图像的像素点集在lab色彩空间中l值的平均值的误差；

29、所述目标图像的像素点集在lab色彩空间中l值的平均值与待平衡图像的像素点集在lab色彩空间中l值的平均值的误差计算公式为：

30、t＝t+(meanl1-meanl2)*(每个聚类结果中的聚类点集数量/所有像素点数量)；

31、其中，meanl1为目标图像的像素点集在lab色彩空间中l值的平均值；meanl2为待平衡图像的像素点集在lab色彩空间中l值的平均值；t的初始值为0。

32、作为优选的技术方案，所述根据所述误差的调整图像的曝光值，包括：

33、根据计算得到的误差，调整待平衡图像的曝光值，直至误差的变化小于预设的阈值。

34、第二方面，本技术提供了一种基于多组鱼眼镜头的图像色彩平衡系统，应用于所述的基于多组鱼眼镜头的图像色彩平衡方法，包括转换模块、聚类模块以及调整模块；

35、所述转换模块，用于获取rgb图像，将所述rgb图像中的rgb色彩数据转换成lab色彩空间数据，得到以lab色彩空间表示的图像；

36、所述聚类模块，用于对所述以lab色彩空间表示的图像进行区域划分，并对每个区域内的有效像素点根据所述lab色彩空间数据中的a值和b值进行聚类，得到聚类结果；

37、所述调整模块，用于基于所述聚类结果，计算目标图像的像素点集在lab色彩空间中l值的平均值与待平衡图像的像素点集在lab色彩空间中l值的平均值的误差，根据所述误差的调整图像的曝光值。

38、第三方面，本技术提供了一种电子设备，所述电子设备包括：

39、至少一个处理器；以及，

40、与所述至少一个处理器通信连接的存储器；其中，

41、所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的一种基于多组鱼眼镜头的图像色彩平衡方法。

42、第四方面，本技术提供了一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现所述的基于多组鱼眼镜头的图像色彩平衡方法。

43、综上所述，与现有技术相比，本技术提供的技术方案带来的有效效果至少包括：

44、本技术提出了一种基于多组鱼眼镜头的图像色彩平衡方法，本技术采用lab色彩空间进行色彩分析，并通过区域划分将图像细化为多个局部区域，并基于lab色彩空间中的a值和b值进行精细聚类，能够更准确地识别并量化每个区域内像素点的色彩特征，特别是亮度(l值)的变化，从而实现对曝光值的精准调整；不仅消除了亮度不均和色调偏移等问题，还提升了图像色彩校正的精准度和视觉效果。此外，本技术中通过色彩转换和聚类分析流程，还能够确保不同镜头捕获的图像在色彩校正过程中遵循统一的算法逻辑和参数设置，从而有效解决了不同软件或版本间因算法差异导致的校正结果不一致问题；这使得在多摄像头系统中，不同鱼眼镜头拍摄的图像能够呈现出更加统一和协调的色彩表现。