【技术实现步骤摘要】
光源值的计算方法、装置、电子设备及介质
[0001]本申请属于人工智能
,具体涉及一种光源值的计算方法、装置、电子设备及介质。
技术介绍
[0002]随着智能终端技术的发展,电子设备的拍照功能也发生着巨大变化,用户在使用电子设备进行拍照时,更加注重拍摄得到的图像的色彩真实度。
[0003]在相关技术中,电子设备在对目标对象拍照的过程中,需要对摄像头拍摄到的raw格式的图像进行处理,以生成最终的图像。例如,对raw格式的图像中能够反映真实光源值的灰色区域进行处理,以得到照射到该目标对象上的真实光源值的预测值,再基于该预测到的光源值,对图像的原始格式中的非灰色区域进行色彩校正,生成最终的图像。
[0004]然而,采用上述方案,在上述raw格式的图像中不存在灰色区域,或对灰色区域判定错误时,会导致预测到的光源值与照射到该目标对象上的真实光源值出现偏差,从而使得通过该预测光源值校正上述raw格式的图像得到的最终图像,无法表现目标对象的真实色彩。
技术实现思路
[0005]本申请实施例的目的是提供一种光源值的计算方法、装置、电子设备及介质,能够解决预测到的光源值与真实光源值出现偏差的问题。
[0006]第一方面,本申请实施例提供了一种光源值的计算方法,该方法包括:基于摄像头采集到的图像数据,生成第一图像;基于N个候选光源,提取上述第一图像对应的第一图像特征,N为正整数;基于该第一图像特征信息,得到上述N个候选光源对应的预测信息,该预测信息用于表征上述N个候选光源中每个候选光源分别与 ...
【技术保护点】
【技术特征摘要】
1.一种光源值的计算方法,其特征在于,所述方法包括:基于摄像头采集到的图像数据,生成第一图像;基于N个候选光源,提取所述第一图像对应的第一图像特征信息,N为正整数;基于所述第一图像特征信息,得到所述N个候选光源对应的预测信息,所述预测信息用于表征所述N个候选光源中每个候选光源分别与所述第一图像的真实光源间的相似度;基于所述预测信息和每个所述候选光源的光源值,计算得到预测光源值,所述预测光源值用于校正所述第一图像。2.根据权利要求1所述的方法,其特征在于,在所述第一图像包括第一子图像的情况下,第二图像特征信息为所述第一图像特征信息,所述基于N个候选光源,提取所述第一图像对应的第一图像特征信息,包括:将所述第一子图像输入特征预测模型后,基于所述特征预测模型中的卷积神经网络,对所述第一子图像进行特征提取,得到每个所述候选光源下的所述第一子图像的语义特征信息;基于所述特征预测模型中的全局池化层,对所述语义特征信息进行特征转换,得到每个所述候选光源下的所述第一子图像的第二图像特征信息,其中,所述第二图像特征信息为所述第一图像特征信息。3.根据权利要求1所述的方法,其特征在于,在所述第一图像包括第一子图像和第二子图像的情况下,所述基于N个候选光源,提取所述第一图像对应的第一图像特征信息,包括:将所述第一子图像输入特征预测模型后,基于所述特征预测模型中的卷积神经网络,对所述第一子图像进行特征提取,得到每个所述候选光源下的所述第一子图像的语义特征信息;基于所述特征预测模型中的全局池化层,对所述语义特征信息进行特征转换,得到每个所述候选光源下的所述第一子图像的第二图像特征信息;将所述第二图像特征信息与所述第二子图像中包含的色温特征信息以及灰度世界假设特征信息拼接,得到所述第一图像特征信息。4.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述第一图像特征信息,得到所述N个候选光源对应的预测信息,包括:将所述第一图像特征信息输入特征信息分类模型,对所述第一图像特征信息进行分类,得到所述N个候选光源对应的预测信息。5.根据权利要求1所述的方法,其特征在于,所述基于所述预测信息和每个所述候选光源的光源值,计算得到预测光源值之后,所述方法还包括:基于所述预测信息和所述N个候选光源的光源值,计算所述N个候选光源的离散程度值;基于所述预测光源值和所述真实光源的光源值,计算所述预测光源值与所述真实光源的光源值的角度误差值;将所述离散程度值和所述角度误差值进行拟合,得到拟合函数,所述拟合函数用于表征候选光源的离散程度与角度误差间的关联关系;将所述预测光源值与所述真实光源的光源值间的离散程度值,输入所述拟合函数,得到目标角度误差值;
其中,所述目标角度误差值用于指示所述预测光源值是否有效。6.一种光源值的计算装置,其特征在于,所述装置包括:生成模块、提取模块、预测模块和计算模块,其中:所述生成模块,用于基于摄像头采集到的图像数据,生成第一图像;所述提取模块,用于基...
【专利技术属性】
技术研发人员:何月华,
申请(专利权)人:维沃移动通信有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。