颜色校正方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种颜色校正方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着计算机技术的发展，拍摄图像已经成功人们日常生活中不可缺少的功能。而在拍摄图像过程中，可能由于各种原因如设备参数不准确、抖动等原因造成拍摄的图像的颜色失真的问题，因此需要对图像进行颜色校正。
3.然而传统的颜色校正方法，存在颜色校正不准确的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够更准确地进行颜色校正的颜色校正方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种颜色校正方法。所述方法包括：
6.将第一图像的各个像素映射至预先划分的各个色票领域中；
7.基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；
8.基于各个色票领域各自的目标优化参数，确定所述第一图像的颜色校正参数；
9.基于所述颜色校正参数校正所述第一图像，得到第二图像。
10.第二方面，本技术还提供了一种颜色校正装置。所述装置包括：
11.映射模块，用于将第一图像的各个像素映射至预先划分的各个色票领域中；
12.确定模块，用于基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；
13.所述确定模块还用于基于各个色票领域各自的目标优化参数，确定所述第一图像的颜色校正参数；
14.校正模块，用于基于所述颜色校正参数校正所述第一图像，得到第二图像。
15.第三方面，本技术还提供了一种计算机设备。所述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以下步骤：
16.将第一图像的各个像素映射至预先划分的各个色票领域中；
17.基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；
18.基于各个色票领域各自的目标优化参数，确定所述第一图像的颜色校正参数；
19.基于所述颜色校正参数校正所述第一图像，得到第二图像。
20.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其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以下步骤：
21.将第一图像的各个像素映射至预先划分的各个色票领域中；
22.基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；
23.基于各个色票领域各自的目标优化参数，确定所述第一图像的颜色校正参数；
24.基于所述颜色校正参数校正所述第一图像，得到第二图像。
25.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
26.将第一图像的各个像素映射至预先划分的各个色票领域中；
27.基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；
28.基于各个色票领域各自的目标优化参数，确定所述第一图像的颜色校正参数；
29.基于所述颜色校正参数校正所述第一图像，得到第二图像。
30.上述颜色校正方法、装置、计算机设备、存储介质和计算机程序产品，将第一图像的各个像素映射至预先划分的各个色票领域中，则基于各个色票领域所映射的像素，可以确定各个色票领域各自的目标优化参数。也就是说，各个色票领域各自的目标优化参数是基于第一图像的各个像素得到的，与第一图像存在较强的相关性，那么，基于各个色票领域各自的目标优化参数，则可以确定出与第一图像具有较强相关性的颜色校正参数，基于该颜色校正参数，可以针对性地对第一图像进行颜色校正，从而生成颜色更加保真的第二图像，提高了颜色校正的准确性。
31.附图说明
32.图1为一个实施例中颜色校正方法的流程示意图；
33.图2为另一个实施例中颜色校正方法的流程示意图；
34.图3为一个实施例中确定色票领域的目标优化参数的示意图；
35.图4为一个实施例中图像进行颜色空间转换的示意图；
36.图5为另一个实施例中颜色校正方法的流程示意图；
37.图6为一个实施例中对图像进行颜色校正的示意图；
38.图7为一个实施例中颜色校正装置的结构框图；
39.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
41.本技术实施例提供的颜色校正方法，可以应用于计算机设备中。计算机设备可以是终端，也可以是服务器。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
42.在一个实施例中，如图1所示，提供了一种颜色校正方法，包括以下步骤：
43.步骤102，将第一图像的各个像素映射至预先划分的各个色票领域中。
44.色票指的是某一个具体的颜色，色票领域指的是颜色范围。例如，色票领域a可以是包括红色的颜色范围，即色票领域a不仅包括红色，还包括与红色相邻的其他颜色。需要
说明的是，预先划分的色票领域的数量可以根据需要进行设置，各个色票领域的形状也可以根据需要进行设置，在此均不做限定。
45.具体地，计算机设备获取第一图像，检测第一图像中各个像素，得到各个像素的像素信息，将各个像素的像素信息与预先划分的各个色票领域进行匹配，将像素映射至相匹配的色票领域中。其中，预先划分的各个色票领域可以基于色相和饱和度进行划分，也可以基于亮度进行划分，还可以基于颜色值进行划分，不限于此。像素信息可以包括像素颜色值、像素亮度、色相和饱和度等其中一种或多种。
46.步骤104，基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数。
47.目标优化参数是用于对颜色校正参数进行优化的参数，从而生成更准确的颜色校正参数。目标优化参数具体可以是色票领域的权重数值，也可以是色票领域的优化向量，不限于此。
48.同一色票领域的目标优化参数与颜色校正过程中的校正程度成正相关。也就是说，同一色票领域的目标优化参数越大，则对该色票领域的校正程度越大，对该色票领域进行校正的权重越大。
49.在一种实施方式中，基于各个色票领域所映射的像素数量，确定各个色票领域各自的目标优化参数；其中，同一色票领域的目标优化参数与所映射的像素数量成正相关。也就是说，映射至色票领域的像素数量越大，表明该色票领域中包括第一图像的像素越多，则该目标优化参数越大，对该色票领域的校正程度越大。
50.在另一种实施方式中，基于各个色票领域所映射的像素分布情况，确定各个色票领域各自的目标优化参数。具体地，基于各个色票领域所映射的像素分布情况，确定像素集中分布的色票领域；确定像素集中分布的色票领域的第一目标优化参数，并确定除像素集中分布的色票领域之外的其他色票领域的第二目标优化参数；其中，第一目标优化参数大于第二目标优化参数。
51.可以理解的是，第一图像中各个像素在色票领域所映射的像素分布情况越集中，表明该色票领域所映射的像素数量越多，则确定该色票领域的目标优化参数为较大的第一目标优化参数。
52.需要说明的是，基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数的方式可以根据需要进行设置，在此不做限定。
53.步骤106，基于各个色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
54.颜色校正参数是用于对第一图像进行颜色校正的参数。颜色校正参数具体可以颜色校正矩阵，也可以是颜色校正向量，还可以是颜色校正数值，不限于此。
55.具体地，计算机设备将各个色票领域各自的目标优化参数输入评估函数，通过评估函数输出第一图像的颜色校正参数。其中，评估函数是用来评估研究对象整体以及局部性能的一种数学函数模型。
56.步骤108，基于颜色校正参数校正第一图像，得到第二图像。
57.具体地，计算机设备将第一图像中的每个像素分别与该颜色校正参数进行相乘，得到各个校正后的像素，基于各个校正后的像素生成第二图像。
58.在另一个实施例中，计算机设备还可以从第一图像中选中指定像素，将每个指定像素分别与该颜色校正参数进行相乘，得到各个校正后的像素，基于各个校正后的像素和指定像素之外的其他像素，生成第二图像。
59.在其他实施例中，计算机设备还可以采用其他方式生成第二图像，在此不做限定。
60.上述颜色校正方法，将第一图像的各个像素映射至预先划分的各个色票领域中，则基于各个色票领域所映射的像素，可以确定各个色票领域各自的目标优化参数。也就是说，各个色票领域各自的目标优化参数是基于第一图像的各个像素得到的，与第一图像存在较强的相关性，那么，基于各个色票领域各自的目标优化参数，则可以确定出与第一图像具有较强相关性的颜色校正参数，基于该颜色校正参数，可以针对性地对第一图像进行颜色校正，从而生成颜色更加保真的第二图像，提高了颜色校正的准确性。
61.可以理解的是，在各个色票领域中均设置有目标像素值，若色票领域中校正后的像素距离该色票领域的目标像素值越近，表示校正后的像素与目标像素值之间的色差越小，则对该像素校正越准确。而第二图像中各个像素的色差之和，表示第二图像的颜色校正准确度，色差之和越小，则对第二图像进行颜色校正更准确。其中，色差之和为所有颜色的色差乘以所属色票领域的目标优化参数的总和。若该色差之和最小，则可以最大限度地校正该第一图像的颜色，从而生成更加准确的第二图像。
62.并且，上述颜色校正方法，可以自动生成第一图像的颜色校正参数，避免多次反复调试的耗时，可以提高颜色校正的效率。
63.在一个实施例中，各个色票领域的划分方式，包括：获取各个色票的色相和饱和度；基于每相邻两个色票的色相和饱和度，分别确定各个色票领域的划分边界值；基于各个色票领域的划分边界值生成各个色票领域。
64.色相为色彩三要素之一，即色彩相貌。饱和度(saturation)指色彩的鲜艳程度。
65.计算机设备将各个色票按照预设排序方式对各个色票进行排序。其中，预设排序方式可以是按照颜色值进行排序，也可以是按照亮度进行排序，还可以是按照饱和度进行排序等，不限于此。
66.划分边界值指的是色票领域边界的数值。色票领域的划分边界值可以包括色相边界值和饱和度边界值。
67.具体地，计算机设备将每相邻两个色票的色相进行计算得到各个色票领域的色相边界值，将每相邻两个色票的饱和度进行计算得到各个色票领域的饱和度边界值，则基于每相邻两个色票计算得到色相边界值和饱和度边界值，可以划分出各个色票领域。
68.在一种实施方式中，每相邻两个色票的色相求平均可以得到各个色票领域的色相边界值，每相邻两个色票的饱和度求平均可以得到各个色票领域的饱和度边界值。
69.在另一种实施方式中，每相邻两个色票的色票的色相进行相加得到色相边界值，每相邻两个色票的色票的饱和度进行相加得到饱和度边界值。
70.在其他实施方式中，还可以采用方式计算得到色相边界值和饱和度边界值，在此不做限定。
71.在本实施例中，获取各个色票的色相和饱和度，基于每相邻两个色票的色相和饱和度，分别准确地确定各个色票领域的划分边界值，从而更准确地生成各个色票领域。
72.在一个实施例中，如图2所示，提供了另一种颜色校正方法，包括以下步骤：
73.步骤202，将第一图像的各个像素映射至预先划分的各个色票领域中。
74.步骤204，统计各个色票领域所映射的像素数量，从各个色票领域中确定像素数量大于预设数量阈值的目标色票领域。
75.预设数量阈值可以根据需要进行设置。例如，预设数量阈值可以为0、50或100等。目标色票领域是所映射的像素数量大于预设数量阈值的色票领域。
76.步骤206，基于各个目标色票领域的像素数量，确定各个目标色票领域各自的目标优化参数；同一目标色票领域的目标优化参数与所映射的像素数量成正相关，同一目标色票领域的目标优化参数与校正程度成正相关。
77.校正程度指的是对目标色票领域进行颜色校正的程度。目标色票领域的校正程度越大，则对该目标色票领域中所映射的像素进行更大程度的校正，可以得到颜色校正更准确的像素。
78.可以理解的是，目标色票领域所映射的像素数量越大，表示第一图像越多的像素映射至该目标色票领域，该目标色票领域越可以体现出该第一图像的颜色，则该目标色票领域的目标优化参数越大，该目标色票领域在颜色校正时校正程度越大，该目标色票领域为优先校正的色票领域，从而可以对第一图像中大部分的像素进行较大程度地颜色校正，从而更准确对该第一图像进行颜色校正。
79.在一种实施方式中，计算机设备可以将每个目标色票领域的像素数量，作为各自的目标优化参数。例如，目标色票领域a的像素数量为100，则该目标色票领域a的目标优化参数为100。
80.在另一种实施方式中，计算机设备可以将每个目标色票领域的像素数量占总数量的占比，作为各自的目标优化参数。其中，总数量为第一图像的像素数量。例如，目标色票领域b的像素数量占总数量的占比为30％，则该目标色票领域b的目标优化参数为30％。
81.在一个实施例中，如图3所示，预设划分的各个色票领域包括11个，分别编号为1至11，将第一图像的各个像素映射至预先划分的各个色票领域中，则色票领域1所映射的像素数量为3个，色票领域2所映射的像素数量为5个，色票领域3所映射的像素数量为3个，可知色票领域1的像素数量占总数量的占比为27％，色票领域2的像素数量占总数量的占比为46％，色票领域3的像素数量占总数量的占比为27％，则可以将每个目标色票领域的像素数量占总数量的占比，作为各自的目标优化参数，即色票领域1的目标优化参数为0.27，色票领域2的目标优化参数为0.46，色票领域3的目标优化参数为0.27。其中，每个色票领域中还有色票的目标值，用于与校正后的像素的像素值进行比对。
82.在其他实施方式中，计算机设备还可以采用其他方式确定各个目标色票领域各自的目标优化参数，在此不做限定。
83.步骤208，基于各个目标色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
84.步骤210，基于颜色校正参数校正第一图像，得到第二图像。
85.在本实施例中，统计各个色票领域所映射的像素数量，从各个色票领域中确定像素数量大于预设数量阈值的目标色票领域，可以筛选出所映射的像素数量较多的目标色票领域，避免对不存在像素数量或者所映射的像素数量较少的色票领域进行处理，可以提高颜色校正的效率。并且，基于各个目标色票领域的像素数量，确定各个目标色票领域各自的
目标优化参数，同一目标色票领域的目标优化参数与所映射的像素数量成正相关，同一目标色票领域的目标优化参数与校正程度成正相关，可以对第一图像中大部分的像素进行较大程度地颜色校正，从而更准确对该第一图像进行颜色校正。
86.在一个实施例中，基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数，包括：获取各个色票领域的初始优化参数；基于各个色票领域所映射的像素数量，将各个色票领域的初始优化参数进行调整，得到各个色票领域各自的目标优化参数；同一色票领域所映射的像素数量与目标优化参数在所有目标优化参数中的比重成正相关，同一目标色票领域的目标优化参数与校正程度成正相关。
87.初始优化参数是色票领域的初始的进行优化的参数。例如，初始优化参数为初始的权重因子，各个色票领域的初始权重因子均为1。
88.同一色票领域所映射的像素数量与目标优化参数在所有目标优化参数中的比重成正相关，若色票领域所映射的像素数量多，该色票领域的目标优化参数在所有目标优化参数中所占比重大，则增大该色票领域的初始优化参数得到目标优化参数；若色票领域所映射的像素数量少，该色票领域的目标优化参数在所有目标优化参数中所占比重小，则减小该色票领域的初始优化参数得到目标优化参数。
89.具体地，计算机设备统计各个色票领域所映射的像素数量，将每个色票领域的像素数量和原始初始参数输入预设算法中，对各个色票领域的初始优化参数进行调整，可以输出每个色票领域各自的目标优化参数。在预设算法中，色票领域的像素数量大，则将色票领域的初始优化参数调大得到目标优化参数，色票领域的像素数量小，则将色票领域的初始优化参数调小得到目标优化参数。
90.在本实施例中，获取各个色票领域的初始优化参数，基于各个色票领域所映射的像素数量，将各个色票领域的初始优化参数进行调整，同一色票领域所映射的像素数量与目标优化参数在所有参数中的比重成正相关，则像素数量越大的色票领域，目标优化参数越大，在颜色校正过程中校正程度越大，更准确进行颜色校正。
91.在一个实施例中，基于颜色校正参数校正第一图像，得到第二图像，包括：基于颜色校正参数校正第一图像的各个像素的原始像素值，得到各个像素的校正像素值；基于各个像素的校正像素值，生成第二图像。
92.原始像素值是像素颜色校正之前的像素值。校正像素值是像素颜色校正之后的像素值。
93.具体地，计算机设备将第一图像的各个像素的原始像素值分别乘以该颜色校正参数，得到各个像素的校正像素值，则基于各个像素的校正像素值，生成第二图像。
94.在本实施例中，基于颜色校正参数校正第一图像的各个像素的原始像素值，得到各个像素的校正像素值，则基于各个像素的校正像素值，可以生成颜色校正后的第二图像，提高颜色校正的准确性。
95.在一个实施例中，上述方法还包括：将第一图像进行颜色空间转换，得到第三图像；其中，第三图像的颜色空间包括色相和饱和度；将第一图像的各个像素映射至预先划分的各个色票领域中，包括：将第三图像的各个像素映射至预先划分的各个色票领域中；色票领域以色相维度和饱和度维度进行划分。
96.第一图像的颜色空间可以为rgb(red、green、blue，红色、绿色、蓝色)。第三图像的
颜色空间可以是hsv(hue、saturation、value，色相、饱和度、亮度)或lch。lch中，l表示亮度，c表示饱和度，h表示色相。
97.在一个实施例中，如图4所示，第一图像的颜色空间为rgb，第三图像的颜色空间为hsv，计算机设备可以将第一图像的颜色空间由rgb转换至hsv，得到第三图像。
98.在本实施例中，将第一图像进行颜色空间转换，得到颜色空间包括色相和饱和度的第三图像，则第三图像的各个像素可以更准确地映射至以色相维度和饱和度维度划分的各个色票领域中。
99.在一个实施例中，上述方法还包括：获取标准优化颜色校正矩阵；基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像；将第一图像的各个像素映射至预先划分的各个色票领域中，包括：将线性图像的各个像素映射至预先划分的各个色票领域中。
100.标准优化颜色校正矩阵(ccm_std)是标准的对颜色进行校正的矩阵。其中，ccm：color correction matrix，颜色校正矩阵。
101.计算机设备获取标准优化矩阵，将第一图像中各个像素分别与标准优化颜色校正矩阵进行相乘，得到线性图像，再将线性图像的各个像素映射至预先划分好的各个色票领域中。
102.在本实施例中，计算机设备基于标准优化颜色校正矩阵对第一图像进行处理，则可以得到线性图像，图像中各个像素具有线性关系，可以统一对各个像素进行处理，提高处理效率。
103.在一个实施例中，上述方法还包括：获取标准优化颜色校正矩阵；基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像；将线性图像进行颜色空间转换，得到第三图像；其中，第三图像的颜色空间包括色相和饱和度；所述将第一图像的各个像素映射至预先划分的各个色票领域中，包括：将第三图像的各个像素映射至预先划分的各个色票领域中；色票领域以色相维度和饱和度维度进行划分。
104.在一个实施例中，如图5所示，计算机设备获取第一图像，第一图像的颜色空间为rgb，每个像素为rigibi；将第一图像输入标准优化颜色校正模块中，通过标准优化颜色校正模块基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像，线性图像的颜色空间也为rgb，每个像素为rgb；将线性图像输入颜色空间转换模块，通过颜色空间转换模块将线性图像的颜色空间由rgb转换为hsv，其中h表征色相，s表征饱和度；将第三图像输入色票领域权重发生器，通过色票领域权重发生器将第三图像中各个像素映射至预先划分的各个色票领域中，并基于各个色票领域所映射的像素，确定各个色票领域各自的权重，权重属于目标优化参数；其中，色票领域以色相维度和饱和度维度进行划分；将各个色票领域各自的权重输入颜色校正矩阵优化器，通过颜色校正矩阵优化器基于各个色票领域各自的目标优化参数，确定第一图像的目标颜色校正矩阵，目标颜色校正矩阵属于颜色校正参数；基于目标颜色校正矩阵校正第一图像，得到第二图像。
105.其中，目标颜色校正矩阵为3
×
3矩阵：
106.a11 a12 a13
107.a21 a22 a23
108.a31 a32 a33
109.目标颜色校正矩阵还可以是4
×
4矩阵、5
×
5矩阵等，不限于此。
110.在一个实施例中，如图6所示，计算机设备将第一图像的各个像素映射至预先划分的各个色票领域中，基于各个色票领域所映射的像素，可以确定各个色票领域各自的目标优化参数，从而确定出第一图像的最优化的颜色校正参数，并基于该颜色校正参数校正第一图像中需要校正的像素，生成更准确的第二图像，最大限度减小与准确的颜色值之间的色差。
111.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
112.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的颜色校正方法的颜色校正装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个颜色校正装置实施例中的具体限定可以参见上文中对于颜色校正方法的限定，在此不再赘述。
113.在一个实施例中，如图7所示，提供了一种颜色校正装置，包括：映射模块702、确定模块704和校正模块706，其中：
114.映射模块702，用于将第一图像的各个像素映射至预先划分的各个色票领域中。
115.确定模块704，用于基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数。
116.确定模块704还用于基于各个色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
117.校正模块706，用于基于颜色校正参数校正第一图像，得到第二图像。
118.上述颜色校正装置，将第一图像的各个像素映射至预先划分的各个色票领域中，则基于各个色票领域所映射的像素，可以确定各个色票领域各自的目标优化参数。也就是说，各个色票领域各自的目标优化参数是基于第一图像的各个像素得到的，与第一图像存在较强的相关性，那么，基于各个色票领域各自的目标优化参数，则可以确定出与第一图像具有较强相关性的颜色校正参数，基于该颜色校正参数，可以针对性地对第一图像进行颜色校正，从而生成颜色更加保真的第二图像，提高了颜色校正的准确性。
119.在一个实施例中，上述装置还包括划分模块，用于获取各个色票的色相和饱和度；基于每相邻两个色票的色相和饱和度，分别确定各个色票领域的划分边界值；基于各个色票领域的划分边界值生成各个色票领域。
120.在一个实施例中，上述确定模块704还用于统计各个色票领域所映射的像素数量，从各个色票领域中确定像素数量大于预设数量阈值的目标色票领域；基于各个目标色票领域的像素数量，确定各个目标色票领域各自的目标优化参数；同一目标色票领域的目标优化参数与所映射的像素数量成正相关，同一目标色票领域的目标优化参数与校正程度成正相关；基于各个目标色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
121.在一个实施例中，上述确定模块704还用于获取各个色票领域的初始优化参数；基
于各个色票领域所映射的像素数量，将各个色票领域的初始优化参数进行调整，得到各个色票领域各自的目标优化参数；同一色票领域所映射的像素数量与目标优化参数在所有目标优化参数中的比重成正相关，同一目标色票领域的目标优化参数与校正程度成正相关。
122.在一个实施例中，上述校正模块706还用于基于颜色校正参数校正第一图像的各个像素的原始像素值，得到各个像素的校正像素值；基于各个像素的校正像素值，生成第二图像。
123.在一个实施例中，上述装置还包括转换模块，用于将第一图像进行颜色空间转换，得到第三图像；其中，第三图像的颜色空间包括色相和饱和度；上述映射模块702还用于将第三图像的各个像素映射至预先划分的各个色票领域中；色票领域以色相维度和饱和度维度进行划分。
124.在一个实施例中，上述装置还包括线性处理模块，用于获取标准优化颜色校正矩阵；基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像；上述映射模块702还用于将线性图像的各个像素映射至预先划分的各个色票领域中。
125.上述颜色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。
126.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终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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、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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种颜色校正方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
127.本领域技术人员可以理解，图8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。
128.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，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：将第一图像的各个像素映射至预先划分的各个色票领域中；基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；基于各个色票领域各自的目标优化参数，确定第一图像的颜色校正参数；基于颜色校正参数校正第一图像，得到第二图像。
129.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：获取各个色票的色相和饱和度；基于每相邻两个色票的色相和饱和度，分别确定各个色票领域的划分边界值；
基于各个色票领域的划分边界值生成各个色票领域。
130.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：统计各个色票领域所映射的像素数量，从各个色票领域中确定像素数量大于预设数量阈值的目标色票领域；基于各个目标色票领域的像素数量，确定各个目标色票领域各自的目标优化参数；同一目标色票领域的目标优化参数与所映射的像素数量成正相关，同一目标色票领域的目标优化参数与校正程度成正相关；基于各个目标色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
131.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：获取各个色票领域的初始优化参数；基于各个色票领域所映射的像素数量，将各个色票领域的初始优化参数进行调整，得到各个色票领域各自的目标优化参数；同一色票领域所映射的像素数量与目标优化参数在所有目标优化参数中的比重成正相关，同一目标色票领域的目标优化参数与校正程度成正相关。
132.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：基于颜色校正参数校正第一图像的各个像素的原始像素值，得到各个像素的校正像素值；基于各个像素的校正像素值，生成第二图像。
133.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：将第一图像进行颜色空间转换，得到第三图像；其中，第三图像的颜色空间包括色相和饱和度；将第三图像的各个像素映射至预先划分的各个色票领域中；色票领域以色相维度和饱和度维度进行划分。
134.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：获取标准优化颜色校正矩阵；基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像；将线性图像的各个像素映射至预先划分的各个色票领域中。
135.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：将第一图像的各个像素映射至预先划分的各个色票领域中；基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；基于各个色票领域各自的目标优化参数，确定第一图像的颜色校正参数；基于颜色校正参数校正第一图像，得到第二图像。
136.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：获取各个色票的色相和饱和度；基于每相邻两个色票的色相和饱和度，分别确定各个色票领域的划分边界值；基于各个色票领域的划分边界值生成各个色票领域。
137.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：统计各个色票领域所映射的像素数量，从各个色票领域中确定像素数量大于预设数量阈值的目标色票领域；基于各个目标色票领域的像素数量，确定各个目标色票领域各自的目标优化参数；同一目标色票领域的目标优化参数与所映射的像素数量成正相关，同一目标色票领域的目标优化参数与校正程度成正相关；基于各个目标色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
138.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：获取各个色票领域的初始优化参数；基于各个色票领域所映射的像素数量，将各个色票领域的初始优化参数进行调整，得到各个色票领域各自的目标优化参数；同一色票领域所映射的像素数量与
目标优化参数在所有目标优化参数中的比重成正相关，同一目标色票领域的目标优化参数与校正程度成正相关。
139.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：基于颜色校正参数校正第一图像的各个像素的原始像素值，得到各个像素的校正像素值；基于各个像素的校正像素值，生成第二图像。
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：将第一图像进行颜色空间转换，得到第三图像；其中，第三图像的颜色空间包括色相和饱和度；将第三图像的各个像素映射至预先划分的各个色票领域中；色票领域以色相维度和饱和度维度进行划分。
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：获取标准优化颜色校正矩阵；基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像；将线性图像的各个像素映射至预先划分的各个色票领域中。
142.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：将第一图像的各个像素映射至预先划分的各个色票领域中；基于各个色票领域所映射的像素，确定各个色票领域各自的目标优化参数；基于各个色票领域各自的目标优化参数，确定第一图像的颜色校正参数；基于颜色校正参数校正第一图像，得到第二图像。
143.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：获取各个色票的色相和饱和度；基于每相邻两个色票的色相和饱和度，分别确定各个色票领域的划分边界值；基于各个色票领域的划分边界值生成各个色票领域。
144.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：统计各个色票领域所映射的像素数量，从各个色票领域中确定像素数量大于预设数量阈值的目标色票领域；基于各个目标色票领域的像素数量，确定各个目标色票领域各自的目标优化参数；同一目标色票领域的目标优化参数与所映射的像素数量成正相关，同一目标色票领域的目标优化参数与校正程度成正相关；基于各个目标色票领域各自的目标优化参数，确定第一图像的颜色校正参数。
145.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：获取各个色票领域的初始优化参数；基于各个色票领域所映射的像素数量，将各个色票领域的初始优化参数进行调整，得到各个色票领域各自的目标优化参数；同一色票领域所映射的像素数量与目标优化参数在所有目标优化参数中的比重成正相关，同一目标色票领域的目标优化参数与校正程度成正相关。
146.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：基于颜色校正参数校正第一图像的各个像素的原始像素值，得到各个像素的校正像素值；基于各个像素的校正像素值，生成第二图像。
147.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：将第一图像进行颜色空间转换，得到第三图像；其中，第三图像的颜色空间包括色相和饱和度；将第三图像的各个像素映射至预先划分的各个色票领域中；色票领域以色相维度和饱和度维度进行划分。
148.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：获取标准优化颜
色校正矩阵；基于标准优化颜色校正矩阵对第一图像进行处理，得到线性图像；将线性图像的各个像素映射至预先划分的各个色票领域中。
149.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
150.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、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
151.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。
152.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本技术专利范围的限制。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，本技术的保护范围应以所附权利要求为准。