一种图像的白平衡校正方法、装置、存储介质及设备与流程

1.本技术实施例涉及图像处理技术领域，尤其涉及一种图像的白平衡校正方法、装置、存储介质及设备。


背景技术：

2.数字摄像设备的广泛应用，使得照相功能已成为移动终端中不可缺少的核心功能。随着产品消费观念的更新升级，用户对移动终端中的照相功能的品质参数要求越来越高。其中，白平衡是照相功能中的一个极重要的品质参数，白平衡是指数码相机对白色物体的还原，其精确度直接决定了拍摄照片的色彩质量，其工作原理为根据环境光源色温的不同，调节感光材料的各个色彩感应强度，使色彩还原到人眼感知的色彩。目前数字摄像设备中的白平衡调节都是由用户根据经验进行手动调节，其精确度受到人为因素的影响，造成白平衡不精确，降低了用户体验度。
3.当前常见的光照颜色估计算法包括灰度世界法(gray world)、完美反射法(max-rgb)，例如对于灰度世界法，其假设是一幅彩色图像中的所有像素值的统计平均结果是灰色的，当遇到一些如大面积纯色的场景(如大面积黄色、蓝色等)时，这类算法的假设就明显不成立，导致对光照颜色的估计存在严重偏差；完美反射法的假设是画面中高亮区的颜色代表了光照颜色，这在一些光照均匀的场景(无明显高亮区)同样也会失效。因此，无论灰度世界法与完美反射法，都是基于图像像素值的统计算法，这类算法由于对图像像素值较高的依赖性，从而对场景敏感度高，体现为对场景的适应性较差。
4.在一些技术方案中，把一幅图像中不同光源局部区域分割出来，再对每个局部区域的光照值进行估计，然后再对光照值相似的主要区域进行合并。最后，得到场景中几种主要光源投影的光照区域。为了提高算法的通用性，选取多种无监督算法提取图像的多特征，运用struct-svm来进行融合研究，建立图像多特征与环境光源的学习模型，进而进行预测分析。然而，这种算法不仅结构负载，而且模型是基于训练得到的，这就对训练样本的全面性以及准确性要求较高，否则模型得到的准确度也会大大降低。


技术实现要素：

5.本技术实施例提供一种图像的白平衡校正方法、装置、存储介质及设备，可以达到提升白平衡校正的精度与场景适应性目的。
6.第一方面，本技术实施例提供了一种图像的白平衡校正方法，该方法包括：
7.获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；
8.根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；
9.根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；
10.根据所述光照颜色，对所述原始图像进行白平衡校正。
11.进一步的，对所述原始图像进行亮度范围预处理，得到像素权重值，包括：
12.获取原始图像中当前像素点在三个通道的亮度值最小值；
13.若所述亮度值最小值小于或者等于预设阈值，则确定该像素点的像素权重值为所述亮度值最小值；若所述亮度值最小值大于预设阈值，则确定该像素点的像素权重值为0；
14.遍历所述原始图像的所有像素点，得到原始图像的像素权重值。
15.进一步的，根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，包括：
16.采用如下公式分别计算原始图像的像素点在颜色空间中各颜色通道的平均值：
[0017][0018][0019][0020]
其中，r
avg
为红颜色通道的平均值，g
avg
为绿颜色通道的平均值，b
avg
为蓝颜色通道的平均值，ω(x,y)为坐标是(x，y)的像素点的像素权重值，f
r
(x,y)为坐标是(x，y)的像素点的红颜色通道的亮度值，f
g
(x,y)为坐标是(x，y)的像素点的绿颜色通道的亮度值，f
b
(x,y)为坐标是(x，y)的像素点的蓝颜色通道的亮度值。
[0021]
进一步的，根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色，包括：
[0022]
将原始图像的像素点投影到所述平均值向量上，得到各像素点的投影长度；
[0023]
根据所述投影长度确定原始图像的亮点集合和暗点集合。
[0024]
进一步的，根据所述投影长度确定原始图像的亮点集合和暗点集合，包括：
[0025]
获取预设亮点集合选取规则和暗点集合选取规则；
[0026]
按照所述亮点集合选取规则对各像素点的投影长度进行筛选，确定亮点集合；以及，按照所述暗点集合选取规则对各像素点的投影长度进行筛选，确定暗点集合。
[0027]
进一步的，根据所述亮点集合和暗点集合确定光照颜色，包括：
[0028]
根据所述亮点集合和暗点集合，确定二维矩阵；其中，所述二维矩阵的行数为亮点集合和暗点集合的像素点总数，列数为三列，分别为亮点集合和暗点集合的像素点的三个颜色通道亮度值；
[0029]
根据所述二维矩阵，生成协方差矩阵；
[0030]
根据所述协方差矩阵，确定候选特征值与候选特征向量；其中，所述候选特征值与候选特征向量一一对应，所述候选特征值的数量为至少一个；
[0031]
确定所述候选特征值最大的一个所对应的候选特征向量的向量坐标值为光照颜色。
[0032]
进一步的，根据所述光照颜色，对所述原始图像进行白平衡校正，包括：
[0033]
根据所述光照颜色，确定各颜色通道的颜色增益；
[0034]
根据所述颜色增益，与原始图像的各颜色通道的像素点亮度值，确定原始图像的白平衡矫正结果。
[0035]
第二方面，本技术实施例提供了一种图像的白平衡校正装置，该装置包括：
[0036]
像素权重值确定模块，用于获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；
[0037]
平均值向量生成模块，用于根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；
[0038]
光照颜色确定模块，用于根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；
[0039]
白平衡校正模块，用于根据所述光照颜色，对所述原始图像进行白平衡校正。
[0040]
第三方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术实施例所述的图像的白平衡校正方法。
[0041]
第四方面，本技术实施例提供了一种设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本技术实施例所述的图像的白平衡校正方法。
[0042]
本技术实施例所提供的技术方案，获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；根据所述光照颜色，对所述原始图像进行白平衡校正。通过采用本技术所提供的技术方案，可以达到提升白平衡校正的精度与场景适应性目的。
附图说明
[0043]
图1是本技术实施例提供的图像的白平衡校正方法的流程图；
[0044]
图2是本技术实施例提供的图像的白平衡校正装置的结构示意图；
[0045]
图3是本技术实施例提供的一种设备的结构示意图。
具体实施方式
[0046]
下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。
[0047]
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0048]
图1是本技术实施例提供的图像的白平衡校正方法的流程图，本实施例可适用于对图像进行白平衡校正的情况，该方法可以由本技术实施例所提供的图像的白平衡校正装置执行，该装置可以由软件和/或硬件的方式来实现，并可集成于用于激光云台摄像机等设
备中。
[0049]
如图1所示，所述图像的白平衡校正方法包括：
[0050]
s110、获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值。
[0051]
其中，原始图像可以理解为需要进行白平衡校正的图像。可以通过图像获取设备在并不是白光下拍摄的图像，由于光照颜色的影响，往往需要进行白平衡校正才能够得到最真实的图像颜色。因此，在获取到原始图像之后，可以确定是否需要进行白平衡校正处理，也可以直接进行白平衡校正处理，得到处理后的图像。
[0052]
其中，对原始图像进行亮度范围预处理，可以是对原始图像的各个像素点的亮度值进行预处理，得到无噪声的预处理结果。其中，预处理的方式可以是对原始图像调整为灰度图，在灰度图中亮度值大于一定阈值的，即可以确定为噪声点，则可以进行相应的处理。具体的，处理方式可以是对该点的灰度值去八邻域像素点的均值处理，等等。本方案中通过对图像的预处理，可以避免高亮点和噪声点对后续的光照颜色的确定产生影响，导致光照颜色偏差，从而造成根据光照颜色进行白平衡校准的准确性的偏差。
[0053]
本技术方案中，可以根据对原始图像的预处理，得到像素权重值。其中，像素权重值可以是针对图像中每个像素点的权重值。该权重值可以是用来对原始图像在光照颜色确定上面或者在校正上面体现权重的数值。
[0054]
本技术方案中，可选的，对所述原始图像进行亮度范围预处理，得到像素权重值，包括：
[0055]
获取原始图像中当前像素点在三个通道的亮度值最小值；
[0056]
若所述亮度值最小值小于或者等于预设阈值，则确定该像素点的像素权重值为所述亮度值最小值；若所述亮度值最小值大于预设阈值，则确定该像素点的像素权重值为0；
[0057]
遍历所述原始图像的所有像素点，得到原始图像的像素权重值。
[0058]
其中，当前像素点可以是原始图像的任一像素点。当前像素点在三个通道的亮度值，可以是当前像素点在红、绿、蓝三个通道的亮度值。例如，当前像素点在rgb空间上的值为(180,190,150)，则可以确定当前像素点在红通道的亮度值为180，当前像素点在绿通道的亮度值为190，当前像素点在蓝通道的亮度值为150。确定其中的最小值，即为蓝通道的亮度值150。
[0059]
其中，预设阈值可以是亮度比较高的阈值，从而可以通过预设阈值去除高亮点和噪声点，例如可以取值为250。则结合上述示例，蓝通道的亮度值为150，小于250，则该像素点的权重可以是150。而如果一个像素点在rgb空间上的值为(252,254,255)，则亮度值最小值为252，超过了预设阈值，则可以确定该像素点的权重为0。
[0060]
在本技术方案中，可以利用如下公式计算当前像素点在三个通道的亮度值最小值：
[0061][0062]
其中，f
min
(x,y)即为当前像素点在三个通道的亮度值最小值。
[0063]
进而，可以通过当前像素点在三个通道的亮度值最小值与预设阈值之间的关系，确定像素权重值，具体公式如下：
[0064][0065]
其中，ω(x,y)即为当前像素点的像素权重值，thr为预设阈值。
[0066]
通过这样的设置，可以去除原始图像中的高亮点和噪声点，以及过曝点，从而可以提高后续的白平衡校正过程的准确性。
[0067]
s120、根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量。
[0068]
其中，在确定了像素权重值之后，可以通过像素权重值，确定原始图像在颜色空间中各颜色通道求取平均值。该平均值可以是针对红颜色通道求取的红通道平均值，针对绿颜色通道求取的绿通道平均值，以及针对蓝颜色通道求取的蓝通道平均值。从而可以根据像素权重值得到原始图像的像素点在rgb三个维度空间中的一个坐标值，或者向量，由于该向量是对三个维度取平均值得到的，因此可以确定为构成平均值向量。
[0069]
在本实施例中，可选的，采用如下公式分别计算原始图像的像素点在颜色空间中各颜色通道的平均值：
[0070][0071][0072][0073]
其中，r
avg
为红颜色通道的平均值，g
avg
为绿颜色通道的平均值，b
avg
为蓝颜色通道的平均值，ω(x,y)为坐标是(x，y)的像素点的像素权重值，f
r
(x,y)为坐标是(x，y)的像素点的红颜色通道的亮度值，f
g
(x,y)为坐标是(x，y)的像素点的绿颜色通道的亮度值，f
b
(x,y)为坐标是(x，y)的像素点的蓝颜色通道的亮度值。
[0074]
s130、根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色。
[0075]
其中，平均值向量的方向和长度确定之后，可以将原始图像的各像素点投影到该方向上面，得到原始图像在该方向上面的投影长度，进而可以确定其中的亮点集合和暗点集合。并根据所述亮点集合和暗点集合确定光照颜色。
[0076]
在本技术方案中，可选的，根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色，包括：
[0077]
将原始图像的像素点投影到所述平均值向量上，得到各像素点的投影长度；
[0078]
根据所述投影长度确定原始图像的亮点集合和暗点集合。
[0079]
其中，确定亮点集合和暗点集合是根据投影长度来确定的，因此可以针对该长度设定亮点集合阈值和暗点集合阈值，只要超过该亮点集合阈值的投影长度所对应的像素点，就可以确定为亮点集合中的像素点，从而构成了亮点集合。只要小于该暗点集合阈值的
投影长度所对应的像素点，就可以确定为暗点集合中的像素点，从而构成了暗点集合。但是由于这样得到的亮点集合和暗点集合的像素点数量是不可控的，因此本方案提供了一种确定亮点集合和暗点集合的方式。
[0080]
在本技术方案中，可选的，根据所述投影长度确定原始图像的亮点集合和暗点集合，包括：
[0081]
获取预设亮点集合选取规则和暗点集合选取规则；
[0082]
按照所述亮点集合选取规则对各像素点的投影长度进行筛选，确定亮点集合；以及，按照所述暗点集合选取规则对各像素点的投影长度进行筛选，确定暗点集合。
[0083]
其中亮点集合和暗点集合的选择规则可以是选取百分比，由于前面对噪声点等已经进行了预处理，其权重为0，因此可以不必考虑在内。此处的百分比可以设置为5％，即在完成向平均值向量上的投影之后，可以选取其中长度最长的5％和其中长度最短的5％，即可以得到亮点集合和暗点集合，并且数量是相等的。可以理解的，前面确定权重为0的像素点，在投影长度可以是0，因此可以不考虑投影长度为0的像素点，从而使得得到的亮点集合和暗点集合更能够准确的为后续计算提供数据基础。
[0084]
在本步骤中，在确定亮点集合和暗点集合之后，可以根据所述亮点集合和暗点集合确定光照颜色。具体的，可以根据亮点集合和暗点集合的所有像素点的各通道的亮度值，构成一个二维矩阵，并确定二维矩阵的协方差矩阵，进而确定光照颜色。
[0085]
在本方案中，具体的，根据所述亮点集合和暗点集合确定光照颜色，包括：
[0086]
根据所述亮点集合和暗点集合，确定二维矩阵；其中，所述二维矩阵的行数为亮点集合和暗点集合的像素点总数，列数为三列，分别为亮点集合和暗点集合的像素点的三个颜色通道亮度值；
[0087]
根据所述二维矩阵，生成协方差矩阵；
[0088]
根据所述协方差矩阵，确定候选特征值与候选特征向量；其中，所述候选特征值与候选特征向量一一对应，所述候选特征值的数量为至少一个；
[0089]
确定所述候选特征值最大的一个所对应的候选特征向量的向量坐标值为光照颜色。
[0090]
例如亮点集合和暗点结合的数量均为100个像素点，则可以将所有的200个像素点的三个通道的亮度值形成一个二维矩阵，二维矩阵的行数即为200，列数为3，分别为红通道、绿通道以及蓝通道的亮度值。
[0091]
在得到二维矩阵之后，可以通过矩阵转置，得到该二维矩阵的协方差矩阵。进而可以通过该协方差矩阵，确定至少一组候选特征值与候选特征向量。进而选择其中候选特征值最大的所对应的候选特征向量，为光照颜色。
[0092]
具体的，可以采用如下公式计算光照颜色：
[0093]
c＝select
t
select；
[0094]
(c-λe)e＝0；
[0095]
e
max
＝(r,g,b)；
[0096]
其中，select为二维矩阵，c为点集的协方差矩阵，λ为c的特征值，e为特征向量，从而可以计算出特征值和特征向量；上式中e
max
为最大特征值λ
max
对应的特征向量，也是最终估计的图像光照颜色。
[0097]
具体的，首先，在rgb色彩空间中预设一个方向，即为上述的平均值向量的方向，基于图像所有像素值在该方向上的投影分布，筛选得到一个亮点集和一个暗点集，再基于这两个点集的像素值结合pca(主成分分析)法计算其主成分方向，作为光照颜色估计值。本方法既兼有pca等方法的计算精度，又通过高效的像素点筛选机制大大降低计算复杂度，从而兼顾光照颜色估计的精度与效率。
[0098]
s140、根据所述光照颜色，对所述原始图像进行白平衡校正。
[0099]
其中，在确定光照颜色之后，可以根据光照颜色对图像的白平衡的影响的原理，确定对图像进行白平衡校正的增益值。
[0100]
在上述技术方案的基础上，可选的，根据所述光照颜色，对所述原始图像进行白平衡校正，包括：
[0101]
根据所述光照颜色，确定各颜色通道的颜色增益；
[0102]
根据所述颜色增益，与原始图像的各颜色通道的像素点亮度值，确定原始图像的白平衡矫正结果。
[0103]
对原始图像估计出正确的光照颜色之后，基于光照颜色计算原始图像的增益。具体的，以8bit精度的rgb格式图像为输入，图像f(x)可表示为：
[0104]
f(x)＝∫e(λ)s(x,λ)c(λ)dλ；
[0105]
其中f(x)场景中某物理表面的空间坐标x点颜色，λ表示波长，e(λ)表示光源光谱，s(x,λ)为x点除的物体对波长的反射率，c(λ)为成像设备感光函数。
[0106]
参考文献可知上式可以简化为：f(x)＝es(x)；
[0107]
所以白平衡图像s(x)＝f(x)/e，其中e为光照颜色。
[0108]
根据上述原理，我们可以根据前面得到的光照颜色确定各通道的增益值，具体的计算方式如下：
[0109][0110]
其中，rgain为红色增益，ggain为绿色增益，bgain为蓝色增益。
[0111]
根据上述增益值，可以得到原始图像中各个像素点的白平衡矫正结果，具体的计算过程如下：
[0112][0113]
相比于当前同类算法，在图像的rgb颜色空间根据图像的颜色分布来定位颜色域中距离较远的像素点集，根据点集计算得出当前图像的光照颜色，计算简单，提升了白平衡校正精度、计算效率以大面积单色场景适应性。
[0114]
本技术实施例所提供的技术方案，获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；根据
所述光照颜色，对所述原始图像进行白平衡校正。通过采用本技术所提供的技术方案，可以达到提升白平衡校正的精度与场景适应性目的。
[0115]
图2是本技术实施例提供的图像的白平衡校正装置的结构示意图。如图2所示，所述图像的白平衡校正装置包括：
[0116]
像素权重值确定模块210，用于获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；
[0117]
平均值向量生成模块220，用于根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；
[0118]
光照颜色确定模块230，用于根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；
[0119]
白平衡校正模块240，用于根据所述光照颜色，对所述原始图像进行白平衡校正。
[0120]
上述产品可执行本技术实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
[0121]
本技术实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种图像的白平衡校正方法，该方法包括：
[0122]
获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；
[0123]
根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；
[0124]
根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；
[0125]
根据所述光照颜色，对所述原始图像进行白平衡校正。
[0126]
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddr ram、sram、edo ram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
[0127]
当然，本技术实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的图像的白平衡校正操作，还可以执行本技术任意实施例所提供的图像的白平衡校正方法中的相关操作。
[0128]
本技术实施例提供了一种设备，该设备中可集成本技术实施例提供的图像的白平衡校正装置。图3是本技术实施例提供的一种设备的结构示意图。如图3所示，本实施例提供了一种设备300，其包括：一个或多个处理器320；存储装置310，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器320执行，使得所述一个或多个处理器320实现本技术实施例所提供的图像的白平衡校正方法，该方法包括：
[0129]
获取原始图像，对所述原始图像进行亮度范围预处理，得到像素权重值；
[0130]
根据所述像素权重值确定原始图像的像素点在颜色空间中各颜色通道的平均值，根据所述各颜色通道的平均值构成平均值向量；
[0131]
根据所述平均值向量确定原始图像的亮点集合和暗点集合，并根据所述亮点集合和暗点集合确定光照颜色；
[0132]
根据所述光照颜色，对所述原始图像进行白平衡校正。
[0133]
当然，本领域技术人员可以理解，处理器320还实现本技术任意实施例所提供的图像的白平衡校正方法的技术方案。
[0134]
图3显示的设备300仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0135]
如图3所示，该设备300包括处理器320、存储装置310、输入装置330和输出装置340；设备中处理器320的数量可以是一个或多个，图3中以一个处理器320为例；设备中的处理器320、存储装置310、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线350连接为例。
[0136]
存储装置310作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块单元，如本技术实施例中的图像的白平衡校正方法对应的程序指令。
[0137]
存储装置310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置310可进一步包括相对于处理器320远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0138]
输入装置330可用于接收输入的数字、字符信息或语音信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏、扬声器等设备。
[0139]
本技术实施例提供的设备，可以达到提升白平衡校正的精度与场景适应性目的。
[0140]
上述实施例中提供的图像的白平衡校正装置、存储介质及设备可执行本技术任意实施例所提供的图像的白平衡校正方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本技术任意实施例所提供的图像的白平衡校正方法。
[0141]
注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。