图像的颜色校正方法、拍摄设备、图像的颜色校正系统与流程

[0001]
本公开涉及图像处理技术领域，尤其涉及一种图像的颜色校正方法、拍摄设备、图像的颜色校正系统。


背景技术：

[0002]
现在越来越多的场合，例如婚庆、电影等拍摄场景，会利用空中的无人机与地面的相机配合拍摄，并且会将无人机拍摄的图像与地面相机拍摄的图像一起进行编辑、拼接，生成最终作品。
[0003]
由于所处的客观环境不同，无人机常常与地面相机的拍摄条件存在差异，这种差异会导致无人机拍摄的图像与地面相机拍摄的图像存在较大的颜色差别，这种颜色差别影响了最终作品的质量和效果，导致用户的观感和体验不佳。
[0004]
公开内容
[0005]
本公开提供了一种图像的颜色校正方法，包括：
[0006]
第一拍摄设备拍摄成像对象的第一图像；
[0007]
第二拍摄设备获取所述第一图像、以及所述第一图像的拍摄条件；
[0008]
所述第二拍摄设备获取其在所述拍摄条件下、所述成像对象的第二图像；
[0009]
所述第二拍摄设备根据所述第一图像和所述第二图像更新其自身的颜色校正参数。
[0010]
本公开还提供了一种拍摄设备，包括：
[0011]
拍摄单元，用于拍摄成像对象的第一图像；
[0012]
获取单元，用于获取拍摄所述第一图像时的拍摄条件；
[0013]
发送单元，用于发送所述第一图像和所述拍摄条件。
[0014]
本公开还提供了另一种拍摄设备，包括：
[0015]
接收单元，用于接收第一图像、以及所述第一图像的拍摄条件，所述第一图像为另一拍摄设备拍摄成像对象所成的图像；
[0016]
获取单元，用于获取所述拍摄设备在所述拍摄条件下、所述成像对象的第二图像；
[0017]
更新单元，用于根据所述第一图像和所述第二图像更新所述拍摄设备的颜色校正参数。
[0018]
本公开还提供了一种图像的颜色校正系统，包括：
[0019]
第一拍摄设备，用于拍摄成像对象的第一图像，获取所述第一图像的拍摄条件；
[0020]
第二拍摄设备，用于获取所述第一图像、以及所述第一图像的拍摄条件，并获取其在所述拍摄条件下、所述成像对象的第二图像，且根据所述第一图像和所述第二图像更新其自身的颜色校正参数。
[0021]
从上述技术方案可以看出，本公开至少具有以下有益效果：
[0022]
利用相机和无人机拍摄的图像实现了对无人机的颜色校正参数的更新，使得更新后的颜色校正参数与相机一致，从而可以极大地减轻甚至消除由于拍摄条件不同而导致的
颜色差异现象。
附图说明
[0023]
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
[0024]
图1为图像处理流程图。
[0025]
图2为本公开实施例图像的颜色校正方法的流程图。
[0026]
图3为本公开实施例图像的颜色校正方法的针对的应用场景图。
[0027]
图4为本公开实施例图像的颜色校正方法的伽马曲线图，其中，(a)为校正前的伽马曲线图，(b)为校正后的伽马曲线图。
[0028]
图5为本公开实施例图像的颜色校正方法中无人机的外观图。
[0029]
图6为本公开实施例图像的颜色校正方法中无人机的另一外观图。
[0030]
图7为本公开又一实施例的拍摄设备的结构示意图。
[0031]
图8为本公开再一实施例的拍摄设备的结构示意图。
[0032]
图9为本公开实施例图像的颜色校正系统的结构示意图。
具体实施方式
[0033]
本公开提供一种图像的颜色校正方法、拍摄设备以及图像的颜色校正系统。在利用实施例对本公开进行描述之前，首先对拍摄设备的图像处理过程进行介绍。
[0034]
如图1所示，拍摄设备拍摄成像对象时，来自成像对象的光首先进入镜头，图像传感器对经过镜头的光进行光电转换，产生电信号，此时产生的图像称为原始图像(raw)。raw图像由于没有经过后续处理，还不能直接输出，而是依次经过粗校正(包括黑电平校正、白平衡校正等)、颜色校正(颜色校正矩阵、伽马校正等)、以及后处理(去噪、锐化等)，使画质达到要求，得到处理后图像并输出。在本公开的图像的颜色校正方法、拍摄设备以及图像的颜色校正系统，正是对上述处理过程中的颜色校正阶段进行改进。
[0035]
下面将结合实施例和实施例中的附图，对本公开技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0036]
本公开一实施例提供了一种图像的颜色校正方法，结合图2和图3所示，包括以下步骤：
[0037]
步骤s101：第一拍摄设备拍摄成像对象的第一图像。
[0038]
步骤s102：第二拍摄设备获取所述第一图像、以及所述第一图像的拍摄条件。
[0039]
步骤s103：所述第二拍摄设备获取其在所述拍摄条件下、所述成像对象的第二图像。
[0040]
步骤s104：所述第二拍摄设备根据所述第一图像和所述第二图像更新其自身的颜色校正参数。
[0041]
首先对本实施例的应用场景进行介绍。本实施例的颜色校正方法涉及两个拍摄设备：第一拍摄设备与第二拍摄设备。这两个拍摄设备在不同的拍摄环境中拍摄，由此存在由
于拍摄条件不同而导致图像颜色差异的问题。在本实施例中，以第一拍摄设备为相机、第二拍摄设备为无人机、相机的拍摄环境为地面、无人机的拍摄环境为空中为例，对该颜色校正方法进行说明。但是本实施例不限于此，本领域技术人员应当明白，第一拍摄设备和第二拍摄设备还可以是除相机和无人机之外的任何拍摄设备，其对应的拍摄环境也可以是除地面和空中之外的任何拍摄环境，该拍摄环境例如还可以是水下。
[0042]
在步骤s101中，第一拍摄设备在第一拍摄环境中、在一拍摄条件下拍摄成像对象的第一图像。例如，相机可在地面拍摄成像对象。
[0043]
由于本实施例涉及颜色校正方法，所以该成像对象应该选取对颜色校正有利的对象，该对象一般包含多个数量的颜色且颜色的分布较广。在一个示例中，采用色卡(color checker)作为成像对象。色卡是包括多个色块的卡片，例如24色卡，其包括四行六列共24个不同颜色的色块。
[0044]
拍摄条件是指一个或多个拍摄参数的集合。本实施例的拍摄条件包括与图像颜色相关的拍摄参数。拍摄设备的各种拍摄参数多多少少都与颜色相关。当拍摄设备在不同拍摄环境中拍摄时，色温和感光度(iso)是对颜色影响较大的参数。即使是拍摄同一个成像对象，不同的色温和感光度会导致图像的颜色差异。因此，本实施例选择色温和iso这两个参数作为拍摄条件。
[0045]
本实施例中，考虑到后续的步骤，所述第一图像既包括raw图像，也包括处理后图像。即地面相机在地面拍摄24色卡，并将色卡的raw图像和处理后图像、以及拍摄时的色温和iso这两个参数，一并发送给第二拍摄设备。本实施例对处理后图像的格式不做限定，其可以本领域技术人员所知的各种格式。在本实施例中，以下以jpg格式为例对处理后图像进行说明。
[0046]
在步骤s102中，第二拍摄设备接收第一拍摄设备发送的第一图像、以及第一图像的拍摄条件。无人机获取到相机拍摄的第一图像的raw图像和jpg图像、以及色温和iso这两个拍摄参数。在该步骤中，无人机可以先飞离地面，在空中接收上述第一图像和拍摄参数。当然也可以仍然停留在地面，在地面接收上述第一图像和拍摄参数，然后再起飞飞离地面。
[0047]
在步骤s103中，第二拍摄设备获取其在所述拍摄条件下、所述成像对象的第二图像。即无人机获取在该拍摄条件下，无人机拍摄成像对象所成的图像。
[0048]
在本实施例中，无人机预先存储有对照表，并通过查找对照表，得到第二图像。本实施例的对照表如表1所示：
[0049]
表1
[0050][0051]
该对照表的每一行代表不同的色温值，每一列代表不同的iso值，表格中间的位置为色温值和iso值所对应的raw图像。
[0052]
无人机获取到拍摄条件后，根据色温和iso在表1中进行查找，即可得到第二图像。例如，如果相机拍摄24色卡的拍摄条件为：色温2800k、iso100，无人机接收到该拍摄条件后，在表1中查找色温2800k、iso100所对应的图像，即可得到无人机在色温2800k、iso100的拍摄条件下，所成的24色卡的raw图像，并把该raw图像作为第二图像。对于其他的拍摄条件(不同的色温和iso)，也是类似的操作。
[0053]
无人机可事先在各个拍摄参数(色温、iso)下拍摄24色卡，以得到表1中的各个图像，并将拍摄参数和图像以表格形式存储在无人机机身中。本实施例通过上述方式获取在所述拍摄条件下无人机对所述成像对象的第二图像，在颜色校正过程中无需对成像对象进行实际拍摄，操作简单、快捷，有利于提高颜色校正的效率，提升了用户体验。
[0054]
在步骤s104中，第二拍摄设备根据第一图像和第二图像，更新其自身的颜色校正参数。即无人机根据第一图像和第二图像来更新自己的颜色校正参数。
[0055]
需要说明的是，图像的颜色一般可用三个属性来表示：亮度(luma)、饱和度(saturation)和色相(hue)。因此，如果第二图像与第一图像的颜色有差异，那么就意味着上述三个属性中的至少一个有所不同。也就是说，如果对第二图像的上述三个属性进行补偿，使其与第一图像的对应属性接近甚至一致，那就意味着减轻甚至消除了无人机与相机的图像颜色差异。
[0056]
在图像处理过程中，颜色校正阶段的颜色校正矩阵(ccm、color correction matrix)和伽马校正(gamma)分别用来校正颜色的上述属性。具体来说，通过颜色校正矩阵可以校正饱和度和色相，通过伽马曲线可以校正亮度。因此，本实施例的颜色校正参数选取颜色校正矩阵和伽马曲线，通过更新颜色校正矩阵和伽马曲线，可以使得在相同或近似的
拍摄条件下，极大地减轻甚至消除无人机和相机的处理后图像的颜色差异。
[0057]
首先介绍如何更新颜色校正矩阵。本实施例根据相机的处理后图像和无人机的原始图像在一颜色空间的颜色值、以及一约束条件，更新颜色校正矩阵，其中，所述颜色空间可以rgb空间、lab空间或r/gr/gb/b空间。
[0058]
当采用rgb空间时，假设相机的jpg图像的颜色值为[r_target，g_target，b_target]，无人机的raw图像的颜色值为[r_raw，g_raw.b_raw]，则有：
[0059][0060][0061]
其中，m
ccm
为rgb空间中的3
×
3颜色校正矩阵：公式(2)为约束条件，ε
1
为约束条件中的阈值，可根据需要设置。本实施例中，可通过二分法、梯度下降法、牛顿法、遗传算法等方法对公式(1)和(2)进行计算，得到颜色校正矩阵m
ccm
。
[0062]
如果相机和无人机采用的是r/gr/gb/b空间，则需要将相机的jpg图像的颜色值[r_target，gr_target，gb_target，b_target]、无人机的raw图像的颜色值[r_raw，gr_raw，gb_raw，b_raw]进行转换，以得到rgb空间的颜色值。r转换公式如下：
[0063]
g＝0.5*(gr+gb)
ꢀꢀꢀꢀ
(3)
[0064]
然后再利用上述公(2)，即可得到颜色校正矩阵m
ccm
。
[0065]
当采用rgb或r/gr/gb/b空间时，还可以把该空间的颜色值转换到lab空间，再通过lab空间的颜色值来计算颜色校正矩阵。其中，lab空间的转换公式为：
[0066][0067]
通过公式(4)，可将相机和无人机的rgb空间的颜色值转换为lab空间的颜色值。
[0068]
然后通过以下公式计算颜色校正矩阵。
[0069][0070][0071]
其中，m
′
ccm
为lab空间中的3
×
3颜色校正矩阵，公式(6)为约束条件，ε
2
为约束条件中的阈值，可根据需要设置。本实施例中，可通过二分法、梯度下降法、牛顿法、遗传算法等方法对公式(5)和(6)进行计算，得到颜色校正矩阵m
′
ccm
。
[0072]
然后介绍如何更新伽马曲线。本实施例中，无人机首先根据相机的原始图像和处理后图像得到相机的伽马曲线，然后根据无人机的伽马曲线与相机的伽马曲线之间的差
别，更新无人机的伽马曲线。
[0073]
具体来说，如图4(a)所示，首先，无人机通过分析相机的raw图像和jpg图像，可得到相机的伽马曲线。伽马曲线的横坐标代表输入亮度值，纵坐标代表输出亮度值。即对于一幅图像，其经过伽马曲线校正后，根据其校正前的亮度值，在伽马曲线上即可查找出其校正后的亮度值。
[0074]
需要说明的是，本实施例中，是根据raw图像和jpg图像的同一部分区域，得到相机的伽马曲线。如在图4(a)中，是根据24色卡的第四行的六个灰色色块，得到伽马曲线。这样的好处是需要分析的数据量较少，有利于简化颜色校正方法，提高颜色校正方法的效率。当然，图4(a)也只是示例性的说明，部分区域也可以不选择第四行的六个灰色色块，而是选择24色卡中的其他若干个色块，这些色块例如可以是高饱和度、肤色的色块。在其他示例中，也可以根据raw图像和jpg图像的全部区域，即24色卡的全部24个色块得到相机的伽马曲线。
[0075]
无人机具有自身的伽马曲线，但由于拍摄设备的例如图像传感器之间的差异，无人机的伽马曲线与相机的伽马曲线一般并不一致。如图4(a)所示，其显示了无人机的伽马曲线与相机的伽马曲线的差异。因此，得到相机的伽马曲线后，无人机分析其自身的伽马曲线与相机的伽马曲线之间的差别，并根据该差别更新无人机自身的伽马曲线，如图4(b)所示，更新后的伽马曲线与相机的伽马曲线一致或基本一致。
[0076]
本实施例的图像的颜色校正方法，利用相机和无人机拍摄的图像实现了对无人机的颜色校正参数的更新，使得更新后的颜色校正参数与相机一致，从而可以极大地减轻甚至消除由于拍摄条件不同而导致的颜色差异现象。
[0077]
需要说明的是，以上介绍了如何更新颜色校正矩阵和伽马曲线，在本实施例中，可以对颜色校正矩阵和伽马曲线的其中一个进行更新，这也可以在一定程度上改进因拍摄条件不同而导致的颜色差异。当对颜色校正矩阵和伽马曲线都进行更新时，本实施例对其先后顺序不做限定，可以先更新颜色校正矩阵、再更新伽马曲线，也可以相反。
[0078]
与步骤s102类似，无人机可以先飞离地面，在空中执行步骤s103和s104，也可以停留在地面，在地面执行步骤s103和s104，然后再起飞飞离地面。
[0079]
在本实施例中，该颜色校正方法还可以包括以下步骤：
[0080]
所述第二拍摄设备利用更新后颜色校正参数，在不同于所述第一拍摄设备的拍摄环境中进行拍摄。
[0081]
如果无人机仍然停留在地面、或者，已经在空中但还没有到达拍摄地点，则先飞到拍摄地点，再执行该步骤。
[0082]
在空中拍摄地点，无人机对目标进行拍摄，得到raw图像。在图像处理过程中，利用更新后颜色校正参数对raw图像进行处理，这样拍摄的处理后图像与相机拍摄的处理后图像相比，颜色差异很小甚至没有差异，在后期处理时，可以直接将无人机的图像与相机的图像一并编辑、拼接，生成最终作品，从而提高了最终作品的质量和效果，改善了用户的观感和体验。
[0083]
本公开另一实施例提供了一种图像的颜色校正方法，为简要描述，其与上一实施例相同或相似的特征不再赘述，以下仅描述其不同于上一实施例的特征。
[0084]
本实施例相对上一实施例，其不同之处在于步骤s103，即第二拍摄设备通过不同
的方式获取其在拍摄条件下、成像对象的第二图像。
[0085]
具体来说，在本实施例中，无人机同样预先存储有对照表，并通过查找对照表，得到第二图像。但是本实施例的对照表与上一实施例有所不同，该对照表如表2所示：
[0086]
表2
[0087][0088]
该对照表的每一行代表不同的色温值，每一列代表不同的iso值，表格中间的位置为并非色温值和iso值所对应的raw图像，而是24色卡中24个色块的颜色值。
[0089]
无人机获取到拍摄条件后，根据色温和iso在表2中进行查找，即可得到第二图像的颜色值。例如，如果相机拍摄24色卡的拍摄条件为：色温2800k、iso100，无人机接收到该拍摄条件后，在表2中查找色温2800k、iso100所对应的颜色值，即可得到无人机在色温2800k、iso100的拍摄条件下，所成的24色卡的raw图像的颜色值。对于其他的拍摄条件(不同的色温和iso)，也是类似的操作。
[0090]
无人机可事先在各个拍摄参数(色温、iso)下拍摄24色卡，以得到表2中的颜色值，并将拍摄参数和颜色值以表格形式存储在无人机机身中。本实施例通过上述方式获取在所述拍摄条件下无人机对所述成像对象的第二图像，在颜色校正过程中无需对成像对象进行实际拍摄，操作简单、快捷，有利于提高颜色校正的效率，提升了用户体验。
[0091]
在表2中，无人机采用的是r/gr/gb/b空间，但本实施例不限于此，其可以其他颜色空间，例如rgb空间、lab空间等。当采用rgb空间时，表2存储的是rgb空间的颜色值，当采用lab空间时，表2存储的是lab空间的颜色值。
[0092]
本实施例除拥有上一实施例的技术效果外，由于其存储的是颜色值，而不是图像，
颜色值占用的存储空间比图像占用的存储空间小的多，由此可以减小对无人机存储资源的占用，节省无人机的存储空间。
[0093]
本公开另一实施例提供了一种图像的颜色校正方法，为简要描述，其与上述实施例相同或相似的特征不再赘述，以下仅描述其不同于上述实施例的特征。
[0094]
本实施例相对上述实施例，其不同之处在于步骤s103，即第二拍摄设备通过不同的方式获取其在拍摄条件下、成像对象的第二图像。第二拍摄设备位于与第一拍摄设备不同的拍摄环境，在拍摄条件下拍摄成像对象，得到第二图像。
[0095]
具体来说，在步骤s103中，无人机处于空中，位于拍摄地点上方。无人机在空中，在与相机拍摄24色卡时相同的拍摄条件下，对24色卡进行现场拍摄，从而得到24色卡的raw图像。
[0096]
无人机可以拍摄24色卡的整体区域。考虑到无人机的机身尺寸有限，本实施例的无人机仅对24色卡的部分区域进行拍摄，从而无人机只需携带24色卡的该部分区域即可。
[0097]
对于低饱和度的颜色和灰色，由于其饱和度很低，对于人眼的影响有限。所以本实施例只选取高饱和度区域和肤色区域进行拍摄。当高饱和区域和肤色区域的颜色确定之后，无人机的色域大体上就可以确定，可以比较好地影响色域内部的颜色，从而高效地利用无人机上有限的空间。
[0098]
本实施例中，选择24色卡的以下位置的色块：第一行第六列、第二行第一列和第二列、第二行第四列、第二行第六列、第三行第一列至第五列，并将这些色块固定在无人机上，例如固定在无人机的脚架上，位于无人机的相机的视野范围内，如图5所示。无人机在空中调整拍摄参数(色温和iso)，将拍摄条件设置为与相机在地面拍摄24色卡时相同，并对这些色块进行现场拍摄，得到的raw图像作为第二图像。
[0099]
无人机在空中时，由于客观条件的限制，有时很难达到与地面相机相同的拍摄条件。例如，当无人机处于阴影区域时，阴影区域的色温与相机所处的地面可能不同。这种情况下，仅靠无人机的相机无法可能无法达到所需的拍摄条件。因此，本实施例中，第二拍摄设备利用环境补偿装置对拍摄环境进行补偿，以达到拍摄条件。
[0100]
如图6所示，本实施例的环境补偿装置为可调色温的闪光灯，安装在无人机的机身上，可对拍摄环境的色温进行补偿。为提高色温补偿效果，无人机还设有色温传感器，色温传感器用于检测拍摄地点的色温。环境补偿装置根据色温检测结果对拍摄环境的色温进行补偿，即若拍摄地点的色温与地面相机的色温的具有一差值，则闪光灯对该差值进行补偿。
[0101]
通过设置闪光灯，可以保证拍摄地点上方的色温与相机所处的地面色温相同，从而提高了颜色补偿方法的准确性，进一步保证了颜色补偿效果。
[0102]
本公开另一实施例提供了一种图像的颜色校正方法，为简要描述，其与上述实施例相同或相似的特征不再赘述，以下仅描述其不同于上述实施例的特征。
[0103]
本实施例相对上一实施例，其不同之处在于步骤s103，第二拍摄设备位于与第一拍摄设备相同的拍摄环境，在拍摄条件下拍摄成像对象，得到第二图像。
[0104]
具体来说，在步骤s103中，无人机同样位于地面，与相机处于相同的拍摄条件，并对24色卡进行现场拍摄，从而得到24色卡的raw图像。
[0105]
在本实施例中，由于无人机也在地面对24色卡进行拍摄，所以可以实现与相机一模一样的拍摄条件。具体实现时，可以无人机先拍摄，然后相机再拍摄，也可以相反，或者，
无人机和相机同时拍摄。由于无人机在地面，所以无需在无人机上设置色卡，并且可以对色卡的全部区域进行拍摄，同时由于可以实现与相机的拍摄条件完全一致，所以也无需双光灯进行色温补偿，实现起来简单、快捷，从而进一步提高了颜色补偿方法的准确性，保证了颜色补偿效果。
[0106]
本公开又一实施例提供了一种拍摄设备，用于在一拍摄环境中拍摄成像对象，如图7所示，该拍摄设备包括：拍摄单元、获取单元、以及发送单元。
[0107]
在本实施例中以相机为例，对该拍摄设备进行说明，但本领域技术人员应当明白，拍摄设备可以是除相机之外的任何拍摄设备，其对应的拍摄环境也可以是除地面之外的任何拍摄环境，该拍摄环境例如还可以是空中、水下等。
[0108]
拍摄单元用于拍摄成像对象的第一图像。在一个示例中，所述拍摄单元包括：相机的镜头和图像传感器。
[0109]
获取单元与拍摄单元连接，用于获取拍摄所述第一图像时的拍摄条件。该获取单元可以是相机的图像处理器。
[0110]
发送单元与获取单元连接，用于发送所述第一图像和所述拍摄条件。该发送单元可以是有线或无线的通信模块。
[0111]
在本实施例中，所述成像对象为色卡，尤其是24色卡。所述第一图像包括：24色卡的原始图像和处理后图像。所述拍摄条件包括：与图像颜色相关的拍摄参数，即色温和感光度。
[0112]
本公开再一实施例提供了一种拍摄设备，用于在一拍摄环境中拍摄成像对象，其中，本实施例的拍摄环境不同于上一实施例的拍摄环境。如图8所示，该拍摄设备包括：接收单元、获取单元和更新单元。
[0113]
在本实施例中以无人机为例，对该拍摄设备进行说明，但本领域技术人员应当明白，拍摄设备可以是除无人机之外的任何拍摄设备，其对应的拍摄环境也可以是除空中之外的任何拍摄环境，该拍摄环境例如还可以是地面、水下等。
[0114]
接收单元为有线或无线的通信模块，与上一实施例的发送单元相互通信，用于接收上一实施例的拍摄设备发送的第一图像、以及所述第一图像的拍摄条件。
[0115]
获取单元与接收单元连接，用于获取本实施例的拍摄设备在所述拍摄条件下、所述成像对象的第二图像。
[0116]
更新单元连接获取单元，用于根据所述第一图像和所述第二图像更新所述拍摄设备的颜色校正参数。
[0117]
在本实施例中，所述成像对象为色卡，尤其是24色卡。所述第一图像包括：24色卡的原始图像和处理后图像，所述第二图像包括：24色卡的原始图像。所述拍摄条件包括：与图像颜色相关的拍摄参数：色温、感光度。
[0118]
在一个示例中，获取单元包括：无人机相机的图像处理器。无人机还还包括存储器。存储器存储有对照表，图像处理器通过查找对照表，得到第二图像。本实施例的对照表的每一行代表不同的色温值，每一列代表不同的iso值，表格中间的位置为色温值和iso值所对应的raw图像或者颜色值。
[0119]
无人机获取到拍摄条件后，根据色温和iso在对照表中进行查找，即可得到第二图像。例如，如果相机拍摄24色卡的拍摄条件为：色温2800k、iso100，无人机接收到该拍摄条
件后，在对照表中查找色温2800k、iso100所对应的图像或颜色值，即可得到无人机在色温2800k、iso100的拍摄条件下，所成的24色卡的raw图像或颜色值，并把该raw图像或颜色值作为第二图像。对于其他的拍摄条件(不同的色温和iso)，也是类似的操作。
[0120]
无人机可事先在各个拍摄参数(色温、iso)下拍摄24色卡，以得到对照表中的各个图像或颜色值，并将拍摄参数和图像以、或颜色值表格形式存储在存储器中。本实施例通过上述方式获取在所述拍摄条件下无人机对所述成像对象的第二图像，在颜色校正过程中无需对成像对象进行实际拍摄，操作简单、快捷，有利于提高颜色校正的效率，提升了用户体验。
[0121]
在另一个示例中，无人机处于空中，位于拍摄地点上方。无人机在空中，在与相机拍摄24色卡时相同的拍摄条件下，对24色卡进行现场拍摄，从而得到24色卡的raw图像。获取单元包括：无人机相机的镜头、图像传感器和图像处理器。
[0122]
无人机可以拍摄24色卡的整体区域。考虑到无人机的机身尺寸有限，本实施例的无人机仅对24色卡的部分区域进行拍摄，从而无人机只需携带24色卡的该部分区域即可。
[0123]
对于低饱和度的颜色和灰色，由于其饱和度很低，对于人眼的影响有限。所以本实施例只选取高饱和度区域和肤色区域进行拍摄。当高饱和区域和肤色区域的颜色确定之后，无人机的色域大体上就可以确定，可以比较好地影响色域内部的颜色，从而高效地利用无人机上有限的空间。
[0124]
本实施例中，选择24色卡的以下位置的色块：第一行第六列、第二行第一列和第二列、第二行第四列、第二行第六列、第三行第一列至第五列，并将这些色块固定在无人机上，例如固定在无人机的脚架上，位于无人机的相机的视野范围内。无人机在空中调整拍摄参数(色温和iso)，将拍摄条件设置为与相机在地面拍摄24色卡时相同，并对这些色块进行现场拍摄，得到的raw图像作为第二图像。
[0125]
无人机在空中时，由于客观条件的限制，有时很难达到与地面相机相同的拍摄条件。例如，当无人机处于阴影区域时，阴影区域的色温与相机所处的地面可能不同。这种情况下，仅靠无人机的相机无法可能无法达到所需的拍摄条件。因此，本实施例中，无人机还设置有环境补偿装置，可对拍摄环境进行补偿，以达到拍摄条件。
[0126]
本实施例的环境补偿装置为可调色温的闪光灯，安装在无人机的机身上，可对拍摄环境的色温进行补偿。为提高色温补偿效果，无人机还设有色温传感器，色温传感器用于检测拍摄地点的色温。环境补偿装置根据色温检测结果对拍摄环境的色温进行补偿，即若拍摄地点的色温与地面相机的色温的具有一差值，则闪光灯对该差值进行补偿。
[0127]
通过设置闪光灯，可以保证拍摄地点上方的色温与相机所处的地面色温相同，从而提高了颜色补偿方法的准确性，进一步保证了颜色补偿效果。
[0128]
无人机根据相机的处理后图像和无人机的原始图像在一颜色空间的颜色值、以及一约束条件，更新颜色校正矩阵，其中，所述颜色空间可以rgb空间、lab空间或r/gr/gb/b空间。需要说明的是，当获取单元为无人机相机的图像处理器时，图像处理器即作为获取单元，也作为更新单元，或者说，获取单元与更新单元合二为一。当获取单元包括：无人机相机的镜头、图像传感器和图像处理器时，更新单元可以是获取单元中的图像处理器。
[0129]
当采用rgb空间时，假设相机的jpg图像的颜色值为[r_target，g_target，b_target]，无人机的raw图像的颜色值为[r_raw，g_raw，b_raw]，则有：
[0130][0131][0132]
其中，m
ccm
为rgb空间中的3
×
3颜色校正矩阵：公式(8)为约束条件，ε
1
为约束条件中的阈值，可根据需要设置。本实施例中，可通过二分法、梯度下降法、牛顿法、遗传算法等方法对公式(7)和(8)进行计算，得到颜色校正矩阵m
ccm
。
[0133]
如果相机和无人机采用的是r/gr/gb/b空间，则需要将相机的jpg图像的颜色值[r_target，gr_target，gb_target，b_target]、无人机的raw图像的颜色值[r_raw，gr_raw，gb_raw，b_raw]进行转换，以得到rgb空间的颜色值。其中，转换公式如下：
[0134]
r＝r
[0135]
g＝0.5*(gr+gb)
ꢀꢀꢀꢀꢀ
(9)
[0136]
b＝b
[0137]
然后再利用上述公式(7)、(8)，即可得到颜色校正矩阵m
ccm
。
[0138]
当采用rgb或r/gr/gb/b空间时，还可以把该空间的颜色值转换到lab空间，再通过lab空间的颜色值来计算颜色校正矩阵。其中，lab空间的转换公式为：
[0139][0140]
通过公式(10)，可将相机和无人机的rgb空间的颜色值转换为lab空间的颜色值。
[0141]
然后通过以下公式计算颜色校正矩阵。
[0142][0143][0144]
其中，m
′
ccm
为lab空间中的3
×
3颜色校正矩阵，公式(12)为约束条件，ε
2
为约束条件中的阈值，可根据需要设置。本实施例中，可通过二分法、梯度下降法、牛顿法、遗传算法等方法对公式(11)和(12)进行计算，得到颜色校正矩阵m
′
ccm
。
[0145]
本实施例中，无人机首先根据相机的原始图像和处理后图像得到相机的伽马曲线，然后根据无人机的伽马曲线与相机的伽马曲线之间的差别，更新无人机的伽马曲线。
[0146]
具体来说，首先，无人机通过分析相机的raw图像和jpg图像，可得到相机的伽马曲线。本实施例中，是根据raw图像和jpg图像的同一部分区域，得到相机的伽马曲线。例如是根据24色卡的第四行的六个灰色色块，得到伽马曲线。这样的好处是需要分析的数据量较少，有利于简化颜色校正方法，提高颜色校正方法的效率。当然，部分区域也可以不选择第
四行的六个灰色色块，而是选择24色卡中的其他若干个色块，这些色块例如可以是高饱和度、肤色的色块。在其他示例中，也可以根据raw图像和jpg图像的全部区域，即24色卡的全部24个色块得到相机的伽马曲线。
[0147]
无人机具有自身的伽马曲线，但由于拍摄设备的例如图像传感器之间的差异，无人机的伽马曲线与相机的伽马曲线一般并不一致。因此，得到相机的伽马曲线后，无人机分析其自身的伽马曲线与相机的伽马曲线之间的差别，并根据该差别更新无人机自身的伽马曲线，更新后的伽马曲线与相机的伽马曲线一致或基本一致。
[0148]
本实施例的拍摄设备，利用相机和无人机拍摄的图像实现了对无人机的颜色校正参数的更新，使得更新后的颜色校正参数与相机一致，从而可以极大地减轻甚至消除由于拍摄条件不同而导致的颜色差异现象。
[0149]
需要说明的是，以上介绍了如何更新颜色校正矩阵和伽马曲线，在本实施例中，可以对颜色校正矩阵和伽马曲线的其中一个进行更新，这也可以在一定程度上改进因拍摄条件不同而导致的颜色差异。当对颜色校正矩阵和伽马曲线都进行更新时，本实施例对其先后顺序不做限定，可以先更新颜色校正矩阵、再更新伽马曲线，也可以相反。
[0150]
在本实施例中，所述第二拍摄设备还利用更新后颜色校正参数，在不同于所述第一拍摄设备的拍摄环境中进行拍摄。
[0151]
如果无人机仍然停留在地面、或者，已经在空中但还没有到达拍摄地点，则先飞到拍摄地点，再执行该步骤。
[0152]
在空中拍摄地点，无人机对目标进行拍摄，得到raw图像。在图像处理过程中，利用更新后颜色校正参数对raw图像进行处理，这样拍摄的处理后图像与相机拍摄的处理后图像相比，颜色差异很小甚至没有差异，在后期处理时，可以直接将无人机的图像与相机的图像一并编辑、拼接，生成最终作品，从而提高了最终作品的质量和效果，改善了用户的观感和体验。
[0153]
本公开一实施例还提供了一种图像的颜色校正系统，如图9所示，包括：在第一拍摄环境中拍摄成像对象的第一拍摄设备、以及在第二拍摄环境中拍摄成像对象的第二拍摄设备。本实施例的第一拍摄设备可以是本公开又一实施例中的拍摄设备，第二拍摄设备可以是本公开再一实施例中国的拍摄设备。
[0154]
在本实施例中，第一拍摄设备可以是相机、第二拍摄设备可以是无人机、相机的拍摄环境为地面、无人机的拍摄环境为空中。但是本实施例不限于此，本领域技术人员应当明白，第一拍摄设备和第二拍摄设备还可以是除相机和无人机之外的任何拍摄设备，其对应的拍摄环境也可以是除地面和空中之外的任何拍摄环境，该拍摄环境例如还可以是水下。
[0155]
第一拍摄设备用于拍摄成像对象的第一图像，获取所述第一图像的拍摄条件。
[0156]
第二拍摄设备用于获取所述第一图像、以及所述第一图像的拍摄条件，并获取其在所述拍摄条件下、所述成像对象的第二图像，且根据所述第一图像和所述第二图像更新其自身的颜色校正参数。
[0157]
在本实施例中，所述成像对象为色卡，尤其是24色卡。所述第一图像包括：原始图像和处理后图像，所述第二图像包括：原始图像。
[0158]
所述拍摄条件包括：与图像颜色相关的拍摄参数：色温、感光度。
[0159]
所述第二拍摄设备用于查找对照表，得到与所述拍摄条件对应的所述成像对象的
所述第二图像。其中，所述对照表反映以下两种数据的对应关系：所述拍摄参数、所述成像对象在所述拍摄参数下所成的图像；或者，所述拍摄参数、所述成像对象在所述拍摄参数下所成的图像的颜色值。所述颜色值可以是rgb、r/gr/gb/b、lab空间的颜色值。所述对照表存储于所述第二拍摄设备。
[0160]
所述第二拍摄设备位于与所述第一拍摄设备不同的拍摄环境，在所述拍摄条件下拍摄所述成像对象，得到所述第二图像。其中，所述第二拍摄设备用于拍摄所述成像对象的整体或部分区域。所述部分区域包括：所述成像对象的高饱和度和/或肤色区域。所述部分区域至少包括24色卡的以下位置的色块：第一行第六列、第二行第一列和第二列、第二行第四列、第二行第六列、第三行第一列至第五列。
[0161]
所述第二拍摄设备包括：环境补偿装置，用于对所述拍摄环境进行补偿，以达到所述拍摄条件。所述环境补偿装置为可调色温的闪光灯，以对所述拍摄环境的色温进行补偿。
[0162]
所述第二拍摄设备还包括：色温传感器，用于检测所述拍摄环境的色温，所述环境补偿装置根据色温检测结果对所述拍摄环境的色温进行补偿。
[0163]
所述第二拍摄设备位于与所述第一拍摄设备相同的拍摄环境，在所述拍摄条件下拍摄所述成像对象，得到所述第二图像。
[0164]
所述颜色校正参数包括以下参数的至少其中之一：颜色校正矩阵、伽马曲线。
[0165]
所述第二拍摄设备根据所述处理后图像和所述第二拍摄设备的原始图像在一颜色空间的颜色值、以及一约束条件，更新所述颜色校正矩阵。所述颜色校正矩阵至少通过以下方法计算：二分法、梯度下降法、牛顿法、遗传算法。所述颜色空间至少包括：rgb、lab空间。
[0166]
所述第二拍摄设备对所述处理后图像和所述第二拍摄设备的原始图像在r/gr/gb/b空间的颜色值进行转换，以得到所述rgb空间的颜色值。所述第二拍摄设备对所述处理后图像和所述第二拍摄设备的原始图像在rgb空间的颜色值进行转换，以得到所述lab空间的颜色值。
[0167]
所述第二拍摄设备根据所述第一拍摄设备的原始图像和所述处理后图像得到所述第一拍摄设备的伽马曲线，根据所述第二拍摄设备的伽马曲线与所述第一拍摄设备的伽马曲线之间的差别，更新所述第二拍摄设备的所述伽马曲线。
[0168]
其中，所述第二拍摄设备根据所述原始图像和所述处理后图像二者的同一部分区域，得到所述第一伽马曲线。所述部分区域至少包括：所述成像对象的高饱和度、肤色、灰色区域。
[0169]
所述第二拍摄设备利用更新后颜色校正参数，在不同于所述第一拍摄设备的拍摄环境中进行拍摄。
[0170]
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；在不冲突的情况下，本公开实施例中的特征可以任意组合；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。