黑电平校正方法、装置、计算机设备和介质与流程

1.本公开涉及图像处理领域，尤其涉及一种黑电平校正方法、装置、计算机设备和介质。


背景技术：

2.近年来，互补金属氧化物半导体(complementary metal oxide semiconductor，简称cmos)传感器由于其尺寸小、功耗低及成本低等优势收到了关注，并广泛应用于数码相机、行车记录仪及运动相机等影像产品中。为了使影像效果更好，相机的图像处理芯片会对cmos传感器的影像信号进行一系列的处理，其中就包括黑电平校正。
3.通常在全黑环境下，cmos传感器没有感应到光线，但此时的图像信号却不为零(通常用零表示全黑)，这就产生了黑电平。传统的黑电平校正方法是设定一个偏移值，将图像信号校正为零。然而，由于制作工艺和结构差异等问题导致了图像信号的各个颜色通道会产生不同的黑电平值，因此，采用上述方法进行黑电平校正不够准确，容易出现较大误差。


技术实现要素：

4.为了解决上述技术问题，本公开提供了一种黑电平校正方法、装置、计算机设备和介质。
5.本公开实施例提供了一种黑电平校正方法，所述方法包括：
6.确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；
7.基于所有差值，确定与所述第一图像对应的黑电平校正图像；
8.根据所述黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
9.在一个实施例中，所述基于所有差值，确定与所述第一图像对应的黑电平校正图像，包括：
10.将所有差值按照所述第一图像的感光阵列中各颜色通道的排列方式进行排列，得到排列结果；
11.基于所述排列结果，得到与所述第一图像对应的黑电平校正图像。
12.在一个实施例中，所述确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值之前，还包括：
13.获取全黑环境下的第一图像；
14.根据所述第一图像确定所述感光阵列中每个颜色通道对应的值。
15.在一个实施例中，所述获取全黑环境下的第一图像，包括：
16.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
17.将所述多帧原始图像通过相应的算法进行合成，得到所述第一图像。
18.在一个实施例中，所述预设黑电平值通过以下方式确定：
19.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
20.从所述多帧原始图像中确定出一帧目标图像；
21.将所述目标图像的感光阵列中每个颜色通道对应的值进行加权平均，得到预设黑电平值。
22.在一个实施例中，所述根据所述黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像包括：
23.针对所述第二图像的感光阵列中的每个颜色通道，确定当前颜色通道对应的值与所述黑电平校正图像中对应的颜色通道的值之间的目标差值，在所述目标差值的绝对值大于预设阈值时，根据所述目标差值对所述当前颜色通道对应的值进行校正，得到校正结果；
24.基于所有校正结果，确定校正后的图像。
25.在一个实施例中，所述第二图像通过以下方式获取：
26.在正常环境下通过图像采集设备对目标物体进行拍摄，得到多帧图像；
27.对所述多帧图像通过相应的算法进行合成，得到所述第二图像。
28.本公开实施例提供了一种黑电平校正装置，所述装置包括：
29.第一确定模块，用于确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；
30.第二确定模块，用于基于所有差值，确定与所述第一图像对应的黑电平校正图像；
31.校正模块，用于根据所述黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
32.在一个实施例中，第二确定模块，具体用于：
33.将所有差值按照所述第一图像的感光阵列中各颜色通道的排列方式进行排列，得到排列结果；
34.基于所述排列结果，得到与所述第一图像对应的黑电平校正图像。
35.在一个实施例中，所述装置还包括：
36.获取模块，用于在确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值之前，获取全黑环境下的第一图像；
37.第三确定模块，用于根据所述第一图像确定所述感光阵列中每个颜色通道对应的值。
38.在一个实施例中，获取模块，具体用于：
39.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
40.将所述多帧原始图像通过相应的算法进行合成，得到所述第一图像。
41.在一个实施例中，所述预设黑电平值通过以下方式确定：
42.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
43.从所述多帧原始图像中确定出一帧目标图像；
44.将所述目标图像的感光阵列中每个颜色通道对应的值进行加权平均，得到预设黑电平值。
45.在一个实施例中，校正模块，具体用于：
46.针对所述第二图像的感光阵列中的每个颜色通道，确定当前颜色通道对应的值与所述黑电平校正图像中对应的颜色通道的值之间的目标差值，在所述目标差值的绝对值大
于预设阈值时，根据所述目标差值对所述当前颜色通道对应的值进行校正，得到校正结果；
47.基于所有校正结果，确定校正后的图像。
48.在一个实施例中，所述第二图像通过以下方式获取：
49.在正常环境下通过图像采集设备对目标物体进行拍摄，得到多帧图像；
50.对所述多帧图像通过相应的算法进行合成，得到所述第二图像。
51.本公开实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本公开任意实施例所提供的黑电平校正方法的步骤。
52.本公开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本公开任意实施例所提供的黑电平校正方法的步骤。
53.本公开实施例提供的技术方案与现有技术相比具有如下优点：首先确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值，然后基于所有差值，确定与第一图像对应的黑电平校正图像，最后根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像，通过上述方案能够对黑电平进行校正，有利于解决多帧算法在拍摄夜景等场景时暗光出现颜色失真的问题，提高图像质量。
附图说明
54.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
55.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
56.图1是本公开实施例提供的一种黑电平校正方法的流程示意图；
57.图2是本公开实施例提供的另一种黑电平校正方法的流程示意图；
58.图3是本公开实施例提供的又一种黑电平校正方法的流程示意图；
59.图4是本公开实施例提供的一种黑电平校正装置的结构示意图；
60.图5是本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
61.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
62.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
63.在一个实施例中，如图1所示，提供了一种黑电平校正方法，本实施例主要以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
64.s110，确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值。
65.其中，全黑环境可以理解为没有光源的环境。第一图像可以理解为在全黑环境下得到的raw(未经加工)图像。raw图像可以理解为cmos或者电荷耦合器件(charge coupled device，简称ccd)图像感应器将捕捉到的光源信号转化为数字信号的原始数据。感光阵列可以理解为将rgb(red green blue，红绿蓝)滤色器排列在光传感组件方格之上所形成的马赛克彩色滤色阵列，其排列有50％是绿色，25％是红色，另外25％是蓝色，因此也称rgbg，grgb，或者rggb。感光阵列通常以n
×
n网格形式排列(n为正整数)，其中每个格子对应一个颜色通道，以rggb为例，奇数行的颜色通道通常以r，g，r，g，
…
，g的方式排列，偶数行的颜色通道通常以g，b，g，，
…
，b的方式排列。预设黑电平值可以为预先设定的黑电平值，也可以视具体情况而定，本实施例不做具体限制。
66.现有技术中，cmos传感器采集的图像信息经过转换生成原始raw格式的图像数据。以8比特(binary digit，简称bit)数据为例，单个像素的有效值是0-255，但是实际模数转换(analogue digital，简称ad)芯片无法将电压值很小的一部分转换出来，因此，cmos传感器厂家一般会在ad芯片的输入之前加上一个固定的偏移量，使输出的单个像素的有效值在5(非固定，也可以为其他数值)-255之间。同时，raw域多帧算法广泛应用于终端拍照、图像融合以及视频处理等过程，如终端拍照领域，通过连续在极短时间内拍摄多帧图像，并通过对齐融合成一帧图像，该过程中可能涉及到图像多帧合成降噪技术,此时融合后的图像在四个角处可能就出现暗光的颜色偏色问题。
67.经过研究发现，上述问题主要是由黑电平(black level correction，简称blc)不准造成的，因此对黑电平进行校正是非常有必要的。本实施例中，通过在全黑环境下得到第一图像，能够排除其他因素的干扰，然后确定第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值，能够得到第一图像与预设黑电平值之间的差值，便于后续根据所有差值，确定与第一图像对应的黑电平校正图像。
68.s120，基于所有差值，确定与第一图像对应的黑电平校正图像。
69.在得到第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值之后，根据所有差值中每个差值对应的位置，能够确定与第一图像对应的黑电平校正图像。
70.s130，根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
71.其中，正常环境可以理解为未进行遮光的其他拍摄环境。第二图像可以理解为在正常环境下得到的raw图像。
72.在得到黑电平校正图像之后，以黑电平校正图像作为基准，将第二图像中的感光阵列中每个颜色通道对应的值与黑电平校正图像对应颜色通道的值进行比较，可以确定哪些颜色通道需要校正，哪些颜色通道不需要校正，进而对需要进行校正的颜色通道进行校正，无需校正的颜色通道保持不变，就能够得到校正后的图像。
73.本实施例提供的黑电平校正方法，首先确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值，然后基于所有差值，确定与第一图像对应的黑电平校正图像，最后根据黑电平校正图像，对正常环境下的第二图像进行校正，得
到校正后的图像，通过上述方案能够对黑电平进行校正，有利于解决多帧算法在拍摄夜景等场景时暗光出现颜色失真的问题，提高图像质量。
74.在本实施例中，可选的，确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值之前，还可以具体包括：
75.获取全黑环境下的第一图像；
76.根据第一图像确定感光阵列中每个颜色通道对应的值。
77.本实施例中，通过获取全黑环境下的第一图像，从而根据第一图像中确定第一图像的感光阵列中每个颜色通道对应的值，简单快捷，能够节省时间，便于后续过程的执行。
78.在本实施例中，可选的，获取全黑环境下的第一图像，可以具体包括：
79.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
80.将多帧原始图像通过相应的算法进行合成，得到第一图像。
81.其中，图像采集设备可以为具有拍摄功能的各种电子设备，例如摄像头或者相机等。预设物体可以为预先定义的自然界中的任一物体，也可以视具体情况而定，本实施例不做具体限制。
82.具体的，由于在多帧图像融合时，会进一步造成黑电平不准，因此在全黑环境下通过图像采集设备对预设物体进行拍摄，能够得到多帧原始图像，在得到多帧原始图像之后通过相应的算法，例如，基于非尺度变换的图像融合算法、基于主成分分析的图像融合算法或者基于深度学习的图像融合算法等，对多帧图像进行合成，就能够得到第一图像。
83.本实施例中，通过上述方法获取第一图像更符合实际情况，有利于后续的黑电平校正过程。
84.在本实施例中，可选的，预设黑电平值可以通过以下方式确定：
85.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
86.从多帧原始图像中确定出一帧目标图像；
87.将目标图像的感光阵列中每个颜色通道对应的值进行加权平均，得到预设黑电平值。
88.具体的，由于在多帧图像融合时，会进一步造成黑电平不准，而一帧图像对应的黑电平相对比较稳定和准确，同时为了排除其他因素的干扰，在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像。然后可以从多帧原始图像中随机选取出一帧图像作为目标图像，也可以将多帧原始图像中黑电平值波动范围最小的图像作为目标图像。在得到目标图像之后，将目标图像的感光阵列中每个颜色通道对应的值进行加权平均，可以对整个目标图像的所有颜色通道对应的值求和之后进行平均，也可以针对颜色通道设置不同的加权系数之后进行平均，本实施例不做具体限制。在加权平均之后，就得到了预设黑电平值。
89.本实施例中，通过上述方法确定预设黑电平值，简单有效且成本低，不需要花费较高的代价。
90.图2是本公开实施例提供的另一种黑电平校正方法的流程示意图。本实施例是在上述实施例的基础上进一步扩展与优化。其中，s120的一种可能的实现方式如下：
91.s1201，将所有差值按照第一图像的感光阵列中各颜色通道的排列方式进行排列，得到排列结果。
92.在得到第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值之后，由于各差值与相应的颜色通道对应，那么将所有差值按照第一图像的感光阵列中各颜色通道的排列方式进行排列，就能够得到排列结果。
93.s1202，基于排列结果，得到与第一图像对应的黑电平校正图像。
94.在得到排列结果之后，将排列结果以图像形式进行显示就能够得到与第一图像对应的黑电平校正图像，便于后续根据该黑电平校正图像，对正常环境下的第二图像进行校正，从而有利于提高图像的质量以及用户的使用体验。
95.图3是本公开实施例提供的又一种黑电平校正方法的流程示意图。本实施例是在上述实施例的基础上进一步扩展与优化。其中，s130的一种可能的实现方式如下：
96.s1301，针对第二图像的感光阵列中的每个颜色通道，确定当前颜色通道对应的值与黑电平校正图像中对应的颜色通道的值之间的目标差值，在目标差值的绝对值大于预设阈值时，根据目标差值对当前颜色通道对应的值进行校正，得到校正结果。
97.其中，预设阈值可以预先设定，也可以视具体情况而定，本实施例不做具体限制。目标差值可以理解为第二图像的感光阵列中的每个颜色通道对应的值与黑电平校正图像中对应的颜色通道的值之间的差值。
98.由于第二图像的感光阵列中也包含多个颜色通道，那么针对每个颜色通道，需要计算当前颜色通道对应的值与黑电平校正图像中对应的颜色通道的值之间的目标差值，从而就得到第二图像的感光阵列中所有颜色通道对应的目标差值。在确定了所有的目标差值之后，将目标差值的绝对值与预设阈值进行比较，若某目标差值的绝对值大于预设阈值，则说明此时需要对与该目标差值所对应的颜色通道的值进行校正，根据该目标差值将对应的颜色通道对应的值进行校正，具体可以为将该颜色通道对应的值加上(该颜色通道对应的值小于黑电平校正图像中对应的颜色通道的值)或者减去(该颜色通道对应的值大于黑电平校正图像中对应的颜色通道的值)该目标差值，得到校正结果。若某目标差值的绝对值小于或者等于预设阈值，则说明误差在允许范围内，此时无需对与该目标差值所对应的颜色通道的值进行校正。
99.s1302，基于所有校正结果，确定校正后的图像。
100.汇总所有的校正结果，将校正后的值代替该颜色通道原来的值，就能够得到校正后的图像，此时校正后的图像能够避免出现暗光的偏色问题。
101.在本实施例中，可选的，第二图像可以通过以下方式获取：
102.在正常环境下通过图像采集设备对目标物体进行拍摄，得到多帧图像；
103.对多帧图像通过相应的算法进行合成，得到第二图像。
104.其中，目标物体可以为用户将要拍摄的物体。
105.本实施例中，在正常环境下通过图像采集设备对目标物体进行拍摄，能够得到多帧图像，在得到多帧图像之后通过相应的算法，例如，基于非尺度变换的图像融合算法、基于主成分分析的图像融合算法或者基于深度学习的图像融合算法等，对多帧图像进行合成，就能够得到第二图像。
106.图4是本公开实施例提供的一种黑电平校正装置的结构示意图；该装置配置于计算机设备中，可实现本技术任意实施例的黑电平校正方法。该装置具体包括如下：
107.第一确定模块410，用于确定全黑环境下的第一图像的感光阵列中每个颜色通道
对应的值与预设黑电平值之间的差值；
108.第二确定模块420，用于基于所有差值，确定与第一图像对应的黑电平校正图像；
109.校正模块430，用于根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
110.在本实施例中，可选的，第二确定模块420，具体用于：
111.将所有差值按照第一图像的感光阵列中各颜色通道的排列方式进行排列，得到排列结果；
112.基于排列结果，得到与第一图像对应的黑电平校正图像。
113.在本实施例中，可选的，该装置还包括：
114.获取模块，用于在确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值之前，获取全黑环境下的第一图像；
115.第三确定模块，用于根据第一图像确定感光阵列中每个颜色通道对应的值。
116.在本实施例中，可选的，获取模块，具体用于：
117.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
118.将多帧原始图像通过相应的算法进行合成，得到第一图像。
119.在本实施例中，可选的，预设黑电平值通过以下方式确定：
120.在全黑环境下通过图像采集设备对预设物体进行拍摄，得到多帧原始图像；
121.从多帧原始图像中确定出一帧目标图像；
122.将目标图像的感光阵列中每个颜色通道对应的值进行加权平均，得到预设黑电平值。
123.在本实施例中，可选的，校正模块430，具体用于：
124.针对第二图像的感光阵列中的每个颜色通道，确定当前颜色通道对应的值与黑电平校正图像中对应的颜色通道的值之间的目标差值，在目标差值的绝对值大于预设阈值时，根据目标差值对当前颜色通道对应的值进行校正，得到校正结果；
125.基于所有校正结果，确定校正后的图像。
126.在本实施例中，可选的，第二图像通过以下方式获取：
127.在正常环境下通过图像采集设备对目标物体进行拍摄，得到多帧图像；
128.对多帧图像通过相应的算法进行合成，得到第二图像。
129.通过本公开实施例提供的黑电平校正装置，首先确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值，然后基于所有差值，确定与第一图像对应的黑电平校正图像，最后根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像，通过上述方案能够对黑电平进行校正，有利于解决多帧算法在拍摄夜景等场景时暗光出现颜色失真的问题，提高图像质量。
130.关于黑电平校正装置的具体限定可以参见上文中对于黑电平校正方法的限定，在此不再赘述。上述黑电平校正装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
131.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。
其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种黑电平校正方法。
132.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
133.在一个实施例中，本技术提供的黑电平校正装置可以实现为一种计算机程序的形式，计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成该计算机设备的各个程序模块，各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本技术各个实施例的黑电平校正方法中的步骤。
134.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；基于所有差值，确定与第一图像对应的黑电平校正图像；根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
135.在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；将所有差值按照第一图像的感光阵列中各颜色通道的排列方式进行排列，得到排列结果；基于排列结果，得到与第一图像对应的黑电平校正图像；根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
136.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取全黑环境下的第一图像；根据第一图像确定感光阵列中每个颜色通道对应的值；确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；基于所有差值，确定与第一图像对应的黑电平校正图像；根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
137.在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；基于所有差值，确定与第一图像对应的黑电平校正图像；针对第二图像的感光阵列中的每个颜色通道，确定当前颜色通道对应的值与黑电平校正图像中对应的颜色通道的值之间的目标差值，在目标差值的绝对值大于预设阈值时，根据目标差值对当前颜色通道对应的值进行校正，得到校正结果；基于所有校正结果，确定校正后的图像。
138.本公开实施例通过确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值，基于所有差值，确定与第一图像对应的黑电平校正图像，根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像，能够对黑电平进行校正，有利于解决多帧算法在拍摄夜景等场景时暗光出现颜色失真的问题，提高图像质量。
139.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算
机程序被处理器执行时实现以下步骤：确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；基于所有差值，确定与第一图像对应的黑电平校正图像；根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
140.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；将所有差值按照第一图像的感光阵列中各颜色通道的排列方式进行排列，得到排列结果；基于排列结果，得到与第一图像对应的黑电平校正图像；根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
141.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取全黑环境下的第一图像；根据第一图像确定感光阵列中每个颜色通道对应的值；确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；基于所有差值，确定与第一图像对应的黑电平校正图像；根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像。
142.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值；基于所有差值，确定与第一图像对应的黑电平校正图像；针对第二图像的感光阵列中的每个颜色通道，确定当前颜色通道对应的值与黑电平校正图像中对应的颜色通道的值之间的目标差值，在目标差值的绝对值大于预设阈值时，根据目标差值对当前颜色通道对应的值进行校正，得到校正结果；基于所有校正结果，确定校正后的图像。
143.本公开实施例通过确定全黑环境下的第一图像的感光阵列中每个颜色通道对应的值与预设黑电平值之间的差值，基于所有差值，确定与第一图像对应的黑电平校正图像，根据黑电平校正图像，对正常环境下的第二图像进行校正，得到校正后的图像，能够对黑电平进行校正，有利于解决多帧算法在拍摄夜景等场景时暗光出现颜色失真的问题，提高图像质量。
144.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，比如静态随机存取存储器(static random access memory，sram)和动态随机存取存储器(dynamic random access memory，dram)等。
145.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
146.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护
范围。因此，本技术专利的保护范围应以所附权利要求为准。