CN119211516B - 广角镜头的色彩还原测试方法和装置、电子设备、介质 - Google Patents

Abstract

本申请实施例提供了一种广角镜头的色彩还原测试方法和装置、电子设备、介质，属于数字图像处理领域。该方法包括：获取由广角镜头对预设色卡采集的初始图像，从初始图像中提取色卡区域，然后对色卡区域进行色块边缘检测，得到色块轮廓坐标数据，根据色块轮廓坐标数据对色卡区域进行色彩提取，得到色块颜色数据，根据色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像，最后基于重构色卡图像和预设色卡的色彩数据进行指标计算，得到色彩指标参数。相较于现有的测试方法，本申请实施例不需要对广角镜头采集的图像进行畸变校正，而是直接生成重构色卡图，并基于该色卡进行色彩还原能力评估，从而提高了色彩还原测试的效率。

Description

广角镜头的色彩还原测试方法和装置、电子设备、介质

技术领域

本申请涉及数字图像处理领域，尤其涉及一种广角镜头的色彩还原测试方法和装置、电子设备、存储介质。

背景技术

相关技术中，进行广角镜头的色彩还原测试之前会让广角镜头采集包含标准色卡的图像，然后对图像进行畸变校正，再根据标准色卡对校正后的图像计算相关指标参数，指标参数用于指示广角镜头还原色彩的能力。但如今的处理方法无法对单个图像完成完全的畸变校正，或者需要拼接多个采集角度的图像才能实现畸变校正，从而导致了色彩还原测试的效率较低。因此，如何提高广角镜头色彩还原测试的效率成为了亟待解决的问题。

发明内容

本申请实施例的主要目的在于提出一种广角镜头的色彩还原测试方法和装置、电子设备、存储介质，旨在提高广角镜头色彩还原测试的效率。

为实现上述目的，本申请实施例的第一方面提出了一种广角镜头的色彩还原测试方法，所述方法包括：

获取由广角镜头对预设色卡采集的初始图像；

从所述初始图像中提取色卡区域；

对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据；

根据所述色块轮廓坐标数据对所述色卡区域进行色彩提取，得到色块颜色数据；

根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像；

基于所述重构色卡图像和所述预设色卡的色彩数据进行指标计算，得到色彩指标参数，以根据所述色彩指标参数评估所述广角镜头的色彩还原能力。

在一些实施例，所述从所述初始图像中提取色卡区域，包括：

获取所述初始图像的初始像素颜色值；

根据所述初始像素颜色值进行分割阈值确定，得到第一颜色阈值；

将所述初始图像转换为在亮度色度颜色空间下的第一中间图像，并将所述第一颜色阈值转换为在亮度通道上的亮度阈值；其中，所述亮度色度颜色空间包括所述亮度通道；

根据所述亮度阈值对所述第一中间图像进行二值化，得到亮度二值化图像；

对所述亮度二值化图像进行轮廓检测，得到目标轮廓坐标数据；

基于所述目标轮廓坐标数据对所述初始图像进行裁剪，得到所述色卡区域。

在一些实施例，所述根据所述初始像素颜色值进行分割阈值确定，得到第一颜色阈值，包括：

对所述初始像素颜色值进行像素颜色聚类，得到第一颜色聚类数据，所述第一颜色聚类数据包括每一类所对应的每一像素的颜色值；

基于每一类所对应的像素的数量从所述第一颜色聚类数据中筛选出目标类，以及所述目标类所对应的每一像素的颜色值；

根据所述目标类所对应的像素的颜色值进行数值计算，得到所述第一颜色阈值。

在一些实施例，所述对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据，包括：

获取所述色卡区域的色卡像素颜色值；

根据所述色卡像素颜色值进行分割阈值确定，得到第二颜色阈值；

将所述色卡区域转换为在色相饱和度明度颜色空间下的第二中间图像，并将所述第二颜色阈值转换为在明度通道上的明度阈值；其中，所述色相饱和度明度颜色空间包括所述明度通道；

根据所述明度阈值对所述第二中间图像进行二值化，得到明度二值化图像；

对所述明度二值化图像进行轮廓检测，得到所述色块轮廓坐标数据。

在一些实施例，所述根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像，包括：

根据所述第二颜色阈值对所述色卡模板的边框区域进行颜色填充，得到中间色卡图像；

根据所述色块颜色数据对所述中间色卡图像的色块区域进行颜色填充，得到所述重构色卡图像。

在一些实施例，所述根据所述色块轮廓坐标数据对所述色卡区域进行色彩提取，得到色块颜色数据，包括：

根据所述色块轮廓坐标数据对所述色卡区域进行像素色彩提取，得到色块的每一像素的色块像素颜色值；

根据所述色块的所有像素的色块像素颜色值进行平均值计算，得到颜色平均值；

根据所述颜色平均值和每一色块像素颜色值对每一像素进行差距评估，得到离群像素；

若所述离群像素的数量大于预设离群数量阈值，删除预定比例的所述离群像素，并返回所述根据所述色块的所有像素的颜色值进行平均值计算，得到颜色平均值；

若所述离群像素的数量小于或等于预设像素数量阈值，确定所述颜色平均值为所述色块颜色数据。

在一些实施例，所述根据所述颜色平均值和每一色块像素颜色值对每一像素进行差距评估，得到离群像素，包括：

根据所述颜色平均值和每一像素的颜色值进行差值计算，得到每一像素的颜色差距值；

若所述颜色差距值大于或等于预设差值阈值，则确定所述像素为所述离群像素。

为实现上述目的，本申请实施例的第二方面提出了一种广角镜头的色彩还原测试装置，所述装置包括：

采集模块，所述采集模块用于获取由广角镜头对预设色卡采集的初始图像；

色卡提取模块，所述色卡提取模块用于从所述初始图像中提取色卡区域；

色块轮廓检测模块，所述色块轮廓检测模块用于对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据；

颜色提取模块，所述颜色提取模块用于根据所述色块轮廓坐标数据对所述色卡区域进行色彩提取，得到色块颜色数据；

色卡重构模块，所述色卡重构模块用于根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像；

参数确定模块，所述参数确定模块用于基于所述重构色卡图像和所述预设色卡的色彩数据进行指标计算，得到色彩指标参数，以根据所述色彩指标参数评估所述广角镜头的色彩还原能力

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子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上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

本申请提出的广角镜头的色彩还原测试方法和装置、电子设备、存储介质,其通过获取由广角镜头拍摄的初始色卡图像，并提取出色卡区域。然后，通过边缘检测识别色块的轮廓，并基于这些轮廓数据进行颜色提取，得到色块的颜色信息。接着，利用提取的颜色数据和预设色卡模板进行色彩填充，重构出色卡图像。最后，通过对比重构色卡图像与预设色卡的色彩数据，计算出色彩指标参数，从而评估广角镜头的色彩还原能力。相较于现有的测试方法，本方法不需要对广角镜头采集的图像进行畸变校正，而是根据该采集图像直接生成重构色卡图，并基于该色卡进行色彩还原能力评估，从而提高了色彩还原测试的效率。

附图说明

图1是本申请实施例提供的广角镜头的色彩还原测试方法的流程图；

图2是图1中的步骤S102的流程图；

图3是图2中的步骤S202的流程图；

图4是图1中的步骤S103的流程图；

图5是图1中的步骤S104的流程图；

图6是图5中的步骤S503的流程图；

图7是图1中的步骤S105的流程图；

图8是本申请实施例提供的广角镜头的色彩还原测试装置的结构示意图；

图9是本申请实施例提供的电子设备的硬件结构示意图；

图10是本申请实施例提供的一种初始图像；

图11是本申请实施例提供的一种中间图像；

图12是本申请实施例提供的一种二值化图像；

图13是本申请实施例提供的一种色卡区域图像；

图14是本申请实施例提供的另一种中间图像；

图15是本申请实施例提供的另一种二值化图像；

图16是本申请实施例提供的一种重构色卡图像。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

三基色(Red-Green-Blue,RGB)颜色空间：一种基于红色(Red)、绿色(Green)和蓝色(Blue)三个基本颜色分量的颜色表示方式。

Lab颜色空间：指一种颜色表示模型，该颜色空间包括三个分量，分别为L(亮度，Lightness)、a(色度轴a)和b(色度轴b)，其中，L表示颜色的明暗程度，取值范围通常为0到100，L值越大，颜色越接近白色，L值越小，颜色越接近黑色。a表示颜色在绿到红之间的变化，正值表示颜色偏红，负值表示颜色偏绿。b(色度轴b)表示颜色在蓝到黄之间的变化，正值表示颜色偏黄，负值表示颜色偏蓝。

HSV(Hue,Saturation,Value)颜色空间：HSV是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间,也称六角锥体模型(Hexcone Model)。该颜色空间包括三个分量，分别为色相(Hue，H)、饱和度(Saturation，S)和明度(Value，V)。其中色相表示颜色的基本类型，即颜色的种类，如红色、绿色、蓝色等。饱和度表示颜色的纯度或强度，即颜色的鲜艳程度。明度表示表示颜色的亮度或明暗程度。

相关技术中，由于广角镜头的视场角和画面畸变较大，所以对此类镜头进行的色彩还原测试会先让广角镜头采集包含标准色卡的图像，然后对图像进行畸变校正，再根据标准色卡对校正后的图像计算相关指标参数(例如色差，饱和度等级，白平衡误差等参数)，指标参数用于指示广角镜头还原色彩的能力。但如今的处理方法无法对单个图像完成完全的畸变校正，或者需要拼接多个采集角度的图像才能实现畸变校正，从而导致了色彩还原测试的效率较低。因此，如何提高广角镜头色彩还原测试的效率成为了亟待解决的问题。

基于此，本申请实施例提供了一种广角镜头的色彩还原测试方法和装置、电子设备、存储介质，旨在提高广角镜头色彩还原测试的效率。

本申请实施例提供的色彩还原测试方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的色彩还原测试方法。

图1是本申请实施例提供的广角镜头的色彩还原测试方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。

步骤S101，获取由广角镜头对预设色卡采集的初始图像。

步骤S102，从初始图像中提取色卡区域。

步骤S103，对色卡区域进行色块边缘检测，得到色块轮廓坐标数据。

步骤S104，根据色块轮廓坐标数据对色卡区域进行色彩提取，得到色块颜色数据。

步骤S105，根据色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像。

步骤S106，基于重构色卡图像和预设色卡的色彩数据进行指标计算，得到色彩指标参数，以根据色彩指标参数评估广角镜头的色彩还原能力。

本申请实施例所示意的步骤S101至步骤S106，首先，获取由广角镜头拍摄的初始色卡图像，并提取出色卡区域。然后，通过边缘检测识别色块的轮廓，并基于这些轮廓数据进行颜色提取，得到色块的颜色信息。接着，利用提取的颜色数据和预设色卡模板进行色彩填充，重构出色卡图像。最后，通过对比重构色卡图像与预设色卡的色彩数据，计算出色彩指标参数，从而评估广角镜头的色彩还原能力。相较于现有的测试方法，本方法不需要对广角镜头采集的图像进行畸变校正，而是根据该采集图像直接生成重构色卡图，并基于该色卡进行色彩还原能力评估，从而提高了色彩还原测试的效率。

在一些实施例的步骤S101中，预设色卡可以是24色色卡，也可以是12色，测试人员可以根据实际测试需求进行调整。初始图像是由广角镜头采集的预设色卡的图像。需要说明的是，在一些实施例的色彩还原测试的应用场景中，测试要求预设色卡占初始图像画面的50％到70％。也就是初始图像会采集到除预设色卡外的背景，为剔除背景对后续图像处理的干扰，需要对初始图像中的色卡图像进行提取。

请参阅图2，在一些实施例中，步骤S102，可以包括但不限于包括步骤S201至步骤S206：

步骤S201，获取初始图像的初始像素颜色值。

步骤S202，根据初始像素颜色值进行分割阈值确定，得到第一颜色阈值。

步骤S203，将初始图像转换为在亮度色度颜色空间下的第一中间图像，并将第一颜色阈值转换为在亮度通道上的亮度阈值。其中，亮度色度颜色空间包括亮度通道。

步骤S204，根据亮度阈值对第一中间图像进行二值化，得到亮度二值化图像。

步骤S205，对亮度二值化图像进行轮廓检测，得到目标轮廓坐标数据。

步骤S206，基于目标轮廓坐标数据对初始图像进行裁剪，得到色卡区域。

在一些实施例的步骤S201中，初始像素颜色值即初始图像中每一像素的RGB值。

在一些实施例的步骤S202中，第一颜色阈值即背景的RGB平均值。需要说明的是，在一些实施例的色彩还原测试的应用场景中，测试要求预设色卡的背景为18°的中性灰，如图10所示。

在一些实施例的步骤S203中，亮度色度颜色空间可以是Lab颜色空间，第一中间图像可以是初始图像从RGB颜色空间转换为Lab颜色空间的L通道图像，如图11所示。可以理解的是，本申请实施例选取Lab颜色空间以及L分量通道上的图像是因为对于色彩还原测试场景中的初始图像，该颜色空间和分量通道对背景区域和色卡区域的分割效果较好，颜色空间和分量通道的选择可以根据实际处理图像进行适应性修改。亮度阈值即第一颜色阈值转换为Lab颜色空间中的亮度L通道的亮度值。

在一些实施例的步骤S204中，将第一中间图像中亮度值大于或者等于亮度阈值的像素设置其亮度值为100，亮度值小于亮度阈值的像素设置其亮度值为0，得到二值化结果。在一些实施例中，还会再对二值化结果再进行反二值化，最终得到的图像即亮度二值化图像，如图12所示。

在一些实施例的步骤S205中，目标轮廓坐标数据可以是色卡边缘的像素坐标数据集合。可以通过机器视觉算法对亮度二值化图像进行轮廓检测，在本实施例中，使用OpenCV库的轮廓检测函数(find Contours)得到亮度二值化图像中的轮廓层级信息，此时轮廓层级信息包括多个小色块的轮廓和色卡边缘的轮廓。此时选取最大的轮廓，即色卡边缘的轮廓，对其进行轮廓拟合，从而得到目标轮廓坐标数据。

在一些实施例的步骤S206中，选取目标轮廓坐标数据中的四个顶点，从而定位到预设色卡，基于这四个顶点对目标轮廓坐标数据进行矫正仿射，需要说明的是，此处操作并不是对图像进行畸变校正，而是对提取得到的轮廓数据进行摆正，最终提取到色卡的最小外接矩形，根据该最小外接矩形裁剪出色卡区域，如图13所示。

本申请实施例所示意的步骤S201至步骤S206，通过一系列的图像处理步骤，精确地从初始图像中提取出色卡区域，为后续的色彩还原测试提供了可靠的数据基础。

请参阅图3，在一些实施例中，步骤S202根据初始像素颜色值进行分割阈值确定，得到第一颜色阈值，可以包括但不限于包括步骤S301至步骤S303：

步骤S301，对初始像素颜色值进行像素颜色聚类，得到第一颜色聚类数据。

步骤S302，基于每一类所对应的像素的数量从第一颜色聚类数据中筛选出目标类，以及目标类所对应的每一像素的颜色值。

步骤S303，根据目标类所对应的像素的颜色值进行数值计算，得到第一颜色阈值。

在一些实施例的步骤S301中，第一颜色聚类数据是对初始像素颜色值进行聚类的结果，包括每一类所对应的每一像素的颜色值，可以通过K聚类算法得到。示例性地，对于预设色卡是24色色卡的应用场景，在RGB颜色空间下的初始图像随机分布25个质心(24色加背景灰类)，根据像素RGB值与25个质心的空间距离对所有的初始图像的像素RGB值进行聚类，最终得到25类，并且每一类对应的像素。

在一些实施例的步骤S302中，目标类是归类于背景颜色的一类，在本申请的色彩还原测试场景中，目标类即背景的18°中性灰类，且该颜色在初始图像中占比最大，所以选择像素数量最多的一类即能够提取出背景区域。

在一些实施例的步骤S303中，数值计算即对被归为目标类的像素RGB值做平均值计算。

本申请实施例所示意的步骤S301至步骤S303，通过像素颜色聚类和筛选，确保了在色彩还原测试中，能够精准地提取并使用背景颜色，为后续的图像处理和颜色校正提供了可靠的基础。

请参阅图4，在一些实施例的步骤S103，即对色卡区域进行色块边缘检测，得到色块轮廓坐标数据，步骤S103可以包括但不限于包括步骤S401至步骤S405：

步骤S401，获取色卡区域的色卡像素颜色值。

步骤S402，根据色卡像素颜色值进行分割阈值确定，得到第二颜色阈值。

步骤S403，将色卡区域转换为在色相饱和度明度颜色空间下的第二中间图像，并将第二颜色阈值转换为在明度通道上的明度阈值。其中，色相饱和度明度颜色空间包括明度通道。

步骤S404，根据明度阈值对第二中间图像进行二值化，得到明度二值化图像。

步骤S405，对明度二值化图像进行轮廓检测，得到色块轮廓坐标数据。

在一些实施例的步骤S401中，色卡像素颜色值是上述步骤提取得到的色卡区域的每一像素的RGB值。

在一些实施例的步骤S402中，第二颜色阈值是色卡中的黑类RGB值。此步骤的计算原理与第一颜色阈值的计算原理一致，在本申请的色彩还原测试场景中，由于色卡的模版的边框和一个色块均为黑色，所以先对色卡的像素RGB值进行聚类，像素数量最多的一类即为黑类，将黑类所对应的所有RGB值进行平均值计算，得到的RGB平均值即为第二颜色阈值。

在一些实施例的步骤S403中，色相饱和度明度颜色空间可以是HSV颜色空间。第二中间图像即色卡区域从RGB颜色空间转换为HSV颜色空间的V通道图像，如图14所示。明度阈值即第二颜色阈值转换为HSV颜色空间中的V通道的明度值。

在一些实施例的步骤S404中，将第二中间图像中明度值大于或者等于明度阈值的像素设置其明度值为1，表现为白色，亮度值小于亮度阈值的像素设置其亮度值为0，表现为黑色。最终得到的图像明度二值化图像，如图15所示。

在一些实施例的步骤S405中，色块轮廓坐标数据可以是色卡区域图像中所有色块边缘的像素坐标数据集合。使用轮廓检测函数(find Contours)得到明度二值化图像中的封闭图形轮廓，并对封闭图形轮廓的面积进行统计计算，通过修剪均值得到最终的色块轮廓坐标。示例性地，在本申请实施例的色彩还原测试场景中，色块轮廓为四边形，并且在确认黑类的时候，由于黑色色块与边缘均在明度二值化图像中表现为黑色，所以检测色块轮廓的时候，没有办法同其他色块区别出来，所以不会查找到黑色色块的轮廓，最终查到得到23个色块轮廓。

本申请实施例所示意的步骤S401至步骤S405，通过对提取的色卡区域进行二次处理，精确识别并提取色块的轮廓。

请参阅图5，在一些实施例中，步骤S104还可以包括但不限于包括步骤S501至步骤S505：

步骤S501，根据色块轮廓坐标数据对色卡区域进行像素色彩提取，得到色块的每一像素的色块像素颜色值。

步骤S502，根据色块的所有像素的色块像素颜色值进行平均值计算，得到颜色平均值。

步骤S503，根据颜色平均值和每一色块像素颜色值对每一像素进行差距评估，得到离群像素。

步骤S504，若离群像素的数量大于预设离群数量阈值，删除预定比例的离群像素，并返回根据色块的所有像素的颜色值进行平均值计算，得到颜色平均值。

步骤S505，若离群像素的数量小于或等于预设像素数量阈值，确定颜色平均值为色块颜色数据。

在一些实施例的步骤S501中，色块像素颜色值是对于同一色块而言，每一像素的RGB值。色块轮廓坐标数据包括每一色块的轮廓坐标集合，被同一色块轮廓坐标所包围的像素即可被确定为被提取RGB值的对象。

在一些实施例的步骤S502中，将同一色块的所有像素的RGB值进行平均值计算得到RGB平均值，该RGB平均值即颜色平均值。

在一些实施例的步骤S503中，请参阅图6，在一些实施例，步骤S503包括但不限于包括步骤S601至步骤S602：

步骤S601，根据颜色平均值和每一像素的颜色值进行差值计算，得到每一像素的颜色差距值。

步骤S602，若颜色差距值大于或等于预设差值阈值，则确定像素为离群像素。

在一些实施例的步骤S601中，颜色差距值即颜色平均值和对应色块中的一个像素RGB值的差值绝对值。

在一些实施例的步骤S602中，预设差值阈值可以是100，测试人员可以根据测试需要进行修改，本申请实施例对预设差值阈值的具体数值不作严格限定。离群像素即为RGB值与RGB平均值差异过大的像素。

本申请实施例所示意的步骤S601至步骤S602，通过计算像素与色块颜色平均值的差距，识别色块中的离群像素。提高了色块颜色均值的准确性，为后续的色彩还原测试和色差分析提供了更加可靠的数据基础。

在一些实施例的步骤S504中，预设离群数量阈值可以是当前色块的像素数量的5％，预定比例也可以是5％，本申请实施例对此不做严格限定。如果离群像素的数量大于预设离群数量阈值则返回步骤S502,重新计算当前色块的平均RGB值。

在一些实施例的步骤S505中，如果离群像素的数量小于或等于预设离群数量阈值，直接将S502中的平均RGB值作为当前色块的RGB值。

本申请实施例所示意的步骤S501至步骤S505，通过提高了色块颜色均值的准确性，为后续的色彩还原测试和色差分析提供了更加可靠的数据基础。

请参阅图7，在一些实施例中，步骤S105，即根据色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像，可以包括但不限于包括步骤S701至步骤S702：

步骤S701，根据第二颜色阈值对色卡模板的边框区域进行颜色填充，得到中间色卡图像。

步骤S702，根据色块颜色数据对中间色卡图像的色块区域进行颜色填充，得到重构色卡图像。

在一些实施例的步骤S701中，示例性地，色卡模版可以是大小为1920px*1280px，且阵列排布24个大小为240px*240px的色块的图像，其中第一个色块的起始像素坐标为(50,50)，相邻色块间隔50px。将黑类RGB值，即第二颜色阈值对边框区域进行填充，在本实施例中还需要根据黑类RGB值对黑色色块进行色彩填充，得到中间色卡图像，此时中间色卡图像除了黑色色块之外的其他色块还没有被填充颜色。

在一些实施例的步骤S702中，在上述步骤中获取的23个色块颜色数据对中间色卡图像依次进行填充，最终得到重构色卡图像，如图16所示。

本申请实施例所示意的步骤S701至步骤S702，通过提取色卡图像中的颜色，再将颜色直接填充进预设的色卡模板中，能够快速高效地生成色卡。

在一些实施例的步骤S106中，预设色卡的色彩数据可以是业内广泛应用的色彩数据，例如X-rite 24色卡标准值。色彩指标参数可以是色差、饱和度等级和白平衡误差数据等。可以将重构色卡图输入专业图像处理软件程序(如Imatest，该软件被广泛应用于科学研究、工业检测、医学影像等领域，以及iQ-Analyzer)计算输出不同的色彩空间的的色差值，饱和度，包含亮度的色差；校准饱和度后的色差，不校准饱和度后的色差。

请参阅图8，本申请实施例还提供一种广角镜头的色彩还原测试装置，可以实现上述广角镜头的色彩还原测试方法，该装置包括：

采集模块，用于获取由广角镜头对预设色卡采集的初始图像。

色卡提取模块，用于从初始图像中提取色卡区域。

色块轮廓检测模块，用于对色卡区域进行色块边缘检测，得到色块轮廓坐标数据。

颜色提取模块，用于根据色块轮廓坐标数据对色卡区域进行色彩提取，得到色块颜色数据。

色卡重构模块，用于根据色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像。

参数确定模块，用于基于重构色卡图像和预设色卡的色彩数据进行指标计算，得到色彩指标参数，以根据色彩指标参数评估广角镜头的色彩还原能力。

该广角镜头的色彩还原测试装置的具体实施方式与上述广角镜头的色彩还原测试方法的具体实施例基本相同，在此不再赘述。

本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述广角镜头的色彩还原测试方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器901，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器902，可以采用只读存储器(Read Only Memory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的广角镜头的色彩还原测试方法；

输入/输出接口903，用于实现信息输入及输出；

通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；

其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述广角镜头的色彩还原测试方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。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。

本申请实施例提供的广角镜头的色彩还原测试方法和装置、电子设备及存储介质，其通过获取由广角镜头拍摄的初始色卡图像，并提取出色卡区域。然后，通过边缘检测识别色块的轮廓，并基于这些轮廓数据进行颜色提取，得到色块的颜色信息。接着，利用提取的颜色数据和预设色卡模板进行色彩填充，重构出色卡图像。最后，通过对比重构色卡图像与预设色卡的色彩数据，计算出色彩指标参数，从而评估广角镜头的色彩还原能力。相较于现有的测试方法，本方法不需要对广角镜头采集的图像进行畸变校正，而是根据该采集图像直接生成重构色卡图，从而提高了色彩还原测试的效率。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ReadOnly Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (8)

1.一种广角镜头的色彩还原测试方法，其特征在于，所述方法包括：

获取由广角镜头对预设色卡采集的初始图像；

从所述初始图像中提取色卡区域；

对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据；

根据所述色块轮廓坐标数据对所述色卡区域进行色彩提取，得到色块颜色数据；

根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像；

基于所述重构色卡图像和所述预设色卡的色彩数据进行指标计算，得到色彩指标参数，以根据所述色彩指标参数评估所述广角镜头的色彩还原能力；

所述对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据，包括：

获取所述色卡区域的色卡像素颜色值；

根据所述色卡像素颜色值进行分割阈值确定，得到第二颜色阈值；其中，所述第二颜色阈值是色卡中的黑类RGB值；

将所述色卡区域转换为在色相饱和度明度颜色空间下的第二中间图像，并将所述第二颜色阈值转换为在明度通道上的明度阈值；其中，所述色相饱和度明度颜色空间包括所述明度通道；

根据所述明度阈值对所述第二中间图像进行二值化，得到明度二值化图像；

对所述明度二值化图像进行轮廓检测，得到所述色块轮廓坐标数据；

所述根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像，包括：

根据所述第二颜色阈值对所述色卡模板的边框区域和所述色卡模板的黑色色块进行颜色填充，得到中间色卡图像；

根据所述色块颜色数据对所述中间色卡图像的色块区域进行颜色填充，得到所述重构色卡图像。

2.根据权利要求1所述的方法，其特征在于，所述从所述初始图像中提取色卡区域，包括：

获取所述初始图像的初始像素颜色值；

根据所述初始像素颜色值进行分割阈值确定，得到第一颜色阈值；

将所述初始图像转换为在亮度色度颜色空间下的第一中间图像，并将所述第一颜色阈值转换为在亮度通道上的亮度阈值；其中，所述亮度色度颜色空间包括所述亮度通道；

根据所述亮度阈值对所述第一中间图像进行二值化，得到亮度二值化图像；

对所述亮度二值化图像进行轮廓检测，得到目标轮廓坐标数据；

基于所述目标轮廓坐标数据对所述初始图像进行裁剪，得到所述色卡区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述初始像素颜色值进行分割阈值确定，得到第一颜色阈值，包括：

对所述初始像素颜色值进行像素颜色聚类，得到第一颜色聚类数据，所述第一颜色聚类数据包括每一类所对应的每一像素的颜色值；

基于每一类所对应的像素的数量从所述第一颜色聚类数据中筛选出目标类，以及所述目标类所对应的每一像素的颜色值；

根据所述目标类所对应的像素的颜色值进行数值计算，得到所述第一颜色阈值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述色块轮廓坐标数据对所述色卡区域进行色彩提取，得到色块颜色数据，包括：

根据所述色块轮廓坐标数据对所述色卡区域进行像素色彩提取，得到色块的每一像素的色块像素颜色值；

根据所述色块的所有像素的色块像素颜色值进行平均值计算，得到颜色平均值；

根据所述颜色平均值和每一色块像素颜色值对每一像素进行差距评估，得到离群像素；

若所述离群像素的数量大于预设离群数量阈值，删除预定比例的所述离群像素，并返回所述根据所述色块的所有像素的颜色值进行平均值计算，得到颜色平均值；

若所述离群像素的数量小于或等于预设像素数量阈值，确定所述颜色平均值为所述色块颜色数据。

5.根据权利要求4所述的方法，其特征在于，所述根据所述颜色平均值和每一色块像素颜色值对每一像素进行差距评估，得到离群像素，包括：

根据所述颜色平均值和每一像素的颜色值进行差值计算，得到每一像素的颜色差距值；

若所述颜色差距值大于或等于预设差值阈值，则确定所述像素为所述离群像素。

6.一种广角镜头的色彩还原测试装置，其特征在于，所述装置包括：

采集模块，所述采集模块用于获取由广角镜头对预设色卡采集的初始图像；

色卡提取模块，所述色卡提取模块用于从所述初始图像中提取色卡区域；

色块轮廓检测模块，所述色块轮廓检测模块用于对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据；

颜色提取模块，所述颜色提取模块用于根据所述色块轮廓坐标数据对所述色卡区域进行色彩提取，得到色块颜色数据；

色卡重构模块，所述色卡重构模块用于根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像；

参数确定模块，所述参数确定模块用于基于所述重构色卡图像和所述预设色卡的色彩数据进行指标计算，得到色彩指标参数，以根据所述色彩指标参数评估所述广角镜头的色彩还原能力；

所述色彩还原测试装置还用于：所述对所述色卡区域进行色块边缘检测，得到色块轮廓坐标数据，包括：

获取所述色卡区域的色卡像素颜色值；

根据所述色卡像素颜色值进行分割阈值确定，得到第二颜色阈值；其中，所述第二颜色阈值是色卡中的黑类RGB值；

将所述色卡区域转换为在色相饱和度明度颜色空间下的第二中间图像，并将所述第二颜色阈值转换为在明度通道上的明度阈值；其中，所述色相饱和度明度颜色空间包括所述明度通道；

根据所述明度阈值对所述第二中间图像进行二值化，得到明度二值化图像；

对所述明度二值化图像进行轮廓检测，得到所述色块轮廓坐标数据；

所述根据所述色块颜色数据和预设的色卡模板进行色彩填充，得到重构色卡图像，包括：

根据所述第二颜色阈值对所述色卡模板的边框区域和所述色卡模板的黑色色块进行颜色填充，得到中间色卡图像；

根据所述色块颜色数据对所述中间色卡图像的色块区域进行颜色填充，得到所述重构色卡图像。

7.一种电子设备，其特征在于，所述电子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权利要求1至5任一项所述的方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法。