CN112887693A - 图像紫边消除方法、设备及存储介质 - Google Patents

Abstract

本申请公开图像紫边消除方法、设备及存储介质。其中，图像紫边消除方法包括：获取目标图像；提取目标图像的色度信息，利用色度信息提取初始紫边图像；利用目标图像和初始紫边图像的信息，通过阈值分割获得多个二值图像，合并多个二值图像，获得紫边像素标记图像；对紫边像素标记图像进行物体边缘颜色检测，根据检测结果去除紫边像素标记图像中的物体颜色，获得修正紫边像素标记图像；将修正紫边像素标记图像与初始紫边图像相乘，获得修正紫边图像；利用修正紫边图像对目标图像进行紫边校正处理，获得紫边校正图像。本申请可有效解决紫边漏检和误判问题，实现紫边干净去除，过渡自然，提高图像的视觉效果。

Description

图像紫边消除方法、设备及存储介质

技术领域

本申请属于图像处理技术领域，具体涉及图像紫边消除方法、设备及存储介质。

背景技术

成像设备的缺陷通常会导致某种形式的颜色噪声或失真。色差是光学上透镜无法将各种波长的光聚焦在同一点上的现象，是一种与镜头有关的缺陷。数码相机拍摄时，当被拍摄的场景亮度反差大，易造成高光区与低光区交界处出现明显的紫边表现。紫边程度与拍摄场景、相机镜头、传感器和内部插值算法有关，无法完全避免，极大的影响成像系统的图像质量和视觉效果。

通过更改镜头设计，可以一定程度上减少图像紫边的出现，但这种做法成本高，也并不能完全抑制紫边的出现。另外，由于镜头质量和拍摄场景复杂的原因，图像紫边的表现也不同，有可能产生几十像素的宽紫边，在非高光的区域出现。因此亟待一种可有效消除图像紫边的方法。

发明内容

本申请提供图像紫边消除方法、设备及存储介质，以解决图像紫边消除困难的问题。

为解决上述技术问题，本申请采用的一个技术方案是：一种图像紫边消除方法，所述方法包括：获取目标图像，所述目标图像为含有紫边的彩色图像；提取所述目标图像的色度信息，利用所述色度信息提取初始紫边图像；利用所述目标图像和所述初始紫边图像的信息，通过阈值分割获得多个二值图像，合并所述多个二值图像，获得紫边像素标记图像；对所述紫边像素标记图像进行物体边缘颜色检测，根据检测结果去除所述紫边像素标记图像中的物体颜色，获得修正紫边像素标记图像；将所述修正紫边像素标记图像与所述初始紫边图像相乘，获得修正紫边图像；利用所述修正紫边图像对所述目标图像进行紫边校正处理，获得紫边校正图像。

根据本申请一实施方式，所述提取所述目标图像的色度信息包括：获取所述目标图像每个像素点的红色强度值、绿色强度值和蓝色强度值；获取第一色度信息，所述第一色度信息为所述红色强度值与所述绿色强度值的差值或比值，若所述第一色度信息为负数，则将所述第一色度信息记为0；获取第二色度信息，所述第二色度信息为所述蓝色强度值与所述绿色强度值的差值或比值，若所述第二色度信息为负数，则将所述第二色度信息记为0。

根据本申请一实施方式，所述提取所述目标图像的色度信息包括：将所述目标图像转换至亮色度分离空间，获取所述目标图像每个像素点的红色强度值、蓝色强度值和亮度信号；获取第一色度信息，所述第一色度信息为所述红色强度值与所述亮度信号的差值，若所述第一色度信息为负数，则将所述第一色度信息记为0；获取第二色度信息，所述第二色度信息为所述蓝色强度值与所述亮度信号的差值，若所述第二色度信息为负数，则将所述第二色度信息记为0。

根据本申请一实施方式，所述利用所述色度信息提取初始紫边图像包括：计算每个所述像素点的红色通道像素值，所述红色通道像素值为所述第一色度信息和第一乘积中的较小值，所述第一乘积为所述第二色度信息与预设最大比例的乘积；计算每个所述像素点的蓝色通道像素值，所述蓝色通道像素值为所述第二色度信息和第一比值中的较小值，所述第一比值为所述第一色度信息和预设最小比例的比值；计算每个所述像素点的绿色通道像素值，所述绿色通道像素值置为0。

根据本申请一实施方式，所述利用所述目标图像和所述初始紫边图像的信息，通过阈值分割获得多个二值图像，合并所述多个二值图像，获得紫边像素标记图像，包括：将所述目标图像转为灰度图，计算所述灰度图中每个像素点的方差，并与第一阈值比较，将大于等于所述第一阈值的像素点记为1，小于所述第一阈值的像素点记为0，获得第一二值图像；将所述初始紫边图像中各通道像素值相加转为单通道图像，计算所述单通道图像中每个像素点的方差，并与所述第二阈值比较，将大于等于所述第二阈值的像素点记为1，小于所述第二阈值的像素点记为0，获得第二二值图像；计算所述灰度图的直方图信息，并与第三阈值比较，将强度值大于等于所述第三阈值的像素点作为高光区域，对所述高光区域进行形态学扩张，获得扩张区域，利用所述扩张区域减去所述高光区域，获得高对比区域，所述高对比区域为第三二值图像；合并所述第一二值图像、所述第二二值图像和所述第三二值图像，获得紫边像素标记图像。

根据本申请一实施方式，所述对所述目标图像进行物体边缘颜色检测，包括：以所述紫边像素标记图像中每个标记像素点为中心，在第一预设大小窗口内计算水平方向、垂直方向、主对角线方向、副对角线方向中的差异值，所述主对角线方向与所述副对角线方向相互垂直；选择所述差异值最大的方向作为最大差异方向，在所述最大差异方向上最近的第一非标记像素和第二非标记像素；在所述初始紫边图像上计算分别以第一非标记像素和第二非标记像素为中心的，第二预设大小窗口内所有非标记像素的求和平均值；计算所述求和平均值与对应所述标记像素点的差值绝对值，以获得所述标记像素点的物体边缘检测值；将所述物体边缘检测值与第四阈值比较，响应于所述物体边缘检测值小于所述第四阈值，则将所述标记像素点颜色作为物体颜色。

根据本申请一实施方式，在所述将所述修正紫边像素标记图像与所述初始紫边图像相乘之前包括：对所述修正紫边像素标记图像进行平滑处理。

根据本申请一实施方式，所述利用所述修正紫边图像对所述目标图像进行紫边校正处理，获得紫边校正图像，包括：利用所述目标图像减去所述修正紫边图像，获得消除紫边后的紫边校正图像；或者，转换到亮色度分离空间，根据所述修正紫边图像，保留所述目标图像的亮度不变，修改所述目标图像的色度，获得消除紫边后的紫边校正图像。

为解决上述技术问题，本申请采用的又一个技术方案是：一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述任一方法。

为解决上述技术问题，本申请采用的又一个技术方案是：一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述任一方法。

本申请的有益效果是：本申请利用色度信息在全局上提取初始紫边图像，计算目标和初始紫边图像的方差信息以及寻找高光高反差区域，获得覆盖真实紫边和蓝紫色物体边缘的紫边像素标记图像。利用该紫边像素标记图像进行物体边缘颜色检测，以修正紫边像素标记图像，再经修正紫边像素标记图像修正初始紫边图像获得精确的修正紫边图像，最后利用修正紫边图像对目标图像进行紫边校正处理获得紫边校正图像，解决紫边漏检和误判问题，实现紫边干净去除，过渡自然，提高图像的视觉效果。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：

图1是本申请的图像紫边消除方法一实施例的流程示意图；

图2是本申请的图像紫边消除方法一实施例中计算差异值的方向示意图；

图3是本申请的图像紫边消除方法一实施例中搜索非标记像素位置的方法示意图；

图4是本申请的图像紫边消除装置一实施例的框架示意图；

图5是本申请的电子设备一实施例的框架示意图；

图6是本申请计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

请参阅图1至图3，图1是本申请的图像紫边消除方法一实施例的流程示意图；图2是本申请的图像紫边消除方法一实施例中计算差异值的方向示意图；图3是本申请的图像紫边消除方法一实施例中搜索非标记像素位置的方法示意图。

本申请一实施例提供了一种图像紫边消除方法，包括如下步骤：

S101：获取目标图像，目标图像为含有紫边的彩色图像。

获取目标图像，目标图像为含有紫边的彩色图像。

S102：提取目标图像的色度信息，利用色度信息提取初始紫边图像。

提取目标图像的色度信息，即获取目标图像每个像素点的色度信息，可以采用如下方法：

在一实施例中，可获取目标图像每个像素点的红色强度值R、绿色强度值G和蓝色强度值B。获取第一色度信息U，第一色度信息U为红色强度值R与绿色强度值G的差值R-G，若第一色度信息为负数，则将第一色度信息记为0。获取第二色度信息V，第二色度信息V为蓝色强度值与绿色强度值的差值B-G，若第二色度信息V为负数，则把第二色度信息记为0。

在其他实施例中，第一色度信息U还可以为红色强度值R与绿色强度值G的比值R/G，同样地，若第一色度信息为负数，则将第一色度信息记为0。第二色度信息V为蓝色强度值与绿色强度值的比值B/G，同样地，若第二色度信息V为负数，则把第二色度信息记为0。

在其他实施例中，还可以将目标图像转换至亮色度分离空间YUV，获取目标图像每个像素点的红色强度值R、蓝色强度值B和亮度信号Y。获取第一色度信息U，第一色度信息U为红色强度值R与亮度信号Y的差值R-Y，若第一色度信息U为负数，则将第一色度信息U记为0。第二色度信息V为蓝色强度值B与亮度信号Y的差值B-Y，若第二色度信息V为负数，则将第二色度信息V记为0。

获取目标图像的色度信息后，还需利用色度信息提取初始紫边图像，具体包括如下方法：

计算每个像素点的红色通道像素值r_diff，红色通道像素值r_diff为第一色度信息U和第一乘积中的较小值，第一乘积为第二色度信息V与预设最大比例max_rb的乘积。即r_diff＝min(U,V*max_rb)，将像素点的红色通道溢出值作为红色通道像素值，其中预设最大比例为设定的最大R/B比例，该值经大量实验确定，也可根据实际情况调整，此处不作限定。

计算每个像素点的蓝色通道像素值b_diff，蓝色通道像素值b_diff为第二色度信息V和第一比值中的较小值，第一比值为第一色度信息U和预设最小比例min_rb的比值。即b_diff＝min(V,U/min_rb)，将像素点的蓝色通道溢出值作为蓝色通道像素值，其中预设最小比例为设定的最小R/B比例，该值经大量实验确定，也可根据实际情况调整，此处不作限定。

计算每个像素点的绿色通道像素值，绿色通道像素值置为0。

初始紫边图像中每个像素点包括红色通道像素值、蓝色通道像素值和绿色通道像素值。

S103：利用目标图像和初始紫边图像的信息，通过阈值分割获得多个二值图像，合并多个二值图像，获得紫边像素标记图像。

利用目标图像和初始紫边图像的信息，通过阈值分割获得多个二值图像，其中，符合阈值的像素点记为1，并作为标记像素，不符合阈值的像素点记为0，并作为非标记像素。合并多个二值图像，获得紫边像素标记图像。

具体地，将目标图像转为灰度图，计算灰度图中每个像素点的方差，并与第一阈值比较，将大于等于第一阈值的像素点记为1，小于第一阈值的像素点记为0，获得第一二值图像，二值结果为1的像素点为标记像素，可能为紫边。在统计灰度图中每个像素点的方差时，可以先对灰度图进行低通滤波处理，让图像变得光滑，滤除图像中的噪声。

将初始紫边图像中各通道像素值相加转为单通道图像，计算单通道图像中每个像素点的方差，并与第二阈值比较，将大于等于第二阈值的像素点记为1，小于第二阈值的像素点记为0，获得第二二值图像，二值结果为1的像素点为标记像素，可能为紫边。

计算灰度图的直方图信息，并与第三阈值比较，将强度值大于等于第三阈值的像素点作为高光区域，对高光区域进行形态学扩张，获得扩张区域，利用扩张区域减去高光区域，获得高对比区域，高对比区域为第三二值图像。高对比区域可能为紫边，高对比区域的像素点记为1，其余像素点为0。

通过合并第一二值图像、第二二值图像和第三二值图像，获得覆盖真实紫边和蓝紫色物体边缘的紫边像素标记图像，不易出现漏检的情况。在本实施例中，合并三个二值图像获得紫边像素标记图像，在其他实施例中，还可以合并其中两个二值图像获得紫边像素标记图像，或者通过其他方法获得并合并疑似紫边的二值图像，从而避免出现漏检的情况。

S104：对紫边像素标记图像进行物体边缘颜色检测，根据检测结果去除紫边像素标记图像中的物体颜色，获得修正紫边像素标记图像。

在一实施例中，对紫边像素标记图像进行物体边缘颜色检测，根据检测结果去除紫边像素标记图像中的物体颜色，获得修正紫边像素标记图像，包括：参见图2，以紫边像素标记图像中每个标记像素点X为中心，在第一预设大小窗口内计算水平方向、垂直方向、主对角线方向、副对角线方向中的差异值，主对角线方向与副对角线方向相互垂直。其中，第一预设大小窗口为5×5窗口，在其他实施例中，第一预设大小窗口还可以是3×3窗口、7×7窗口等；主对角线方向通常为左上到右下的对角线，副对角线为左下角到右上角的对角线。差异值的计算参见图2，差异值为竖线像素的和减去横线像素的和的绝对值，图2中左上角为水平方向，右上角为垂直方向，左下角为主对角线方向，右下角为副对角线方向。

参见图3，图3中填色的像素点为紫边标记像素，空白的像素点为非标记像素。选择差异值最大的方向作为最大差异方向，在最大差异方向上搜索与标记像素点X距离最近的第一非标记像素X₁和第二非标记像素X₂。

第一非标记像素X₁和第二非标记像素X₂位于紫边像素标记图像中，在初始紫边图像上计算分别以对应第一非标记像素X₁和第二非标记像素X₂的像素点为中心的，第二预设大小窗口内所有非标记像素的求和平均值。在本实施例中，第二预设大小窗口为3x3窗口，在其他实施例中，还可以是5×5窗口、7×7窗口等。

计算求和平均值与对应标记像素点的差值，并取差值的绝对值，将绝对值作为标记像素点的物体边缘检测值。

将物体边缘检测值与第四阈值比较，当物体边缘检测值小于第四阈值，则将该标记像素点颜色作为物体颜色。根据检测结果，去除紫边像素标记图像中的物体颜色，将为物体颜色的标记像素点标记置为0，获得修正紫边像素标记图像。

本实施例中在紫边像素标记图像上进行方向判断，在初始紫边图像上进行色差判断，当然，方向判断不限于在紫边像素标记图像上，色差判断也可在目标图像上进行，此处不作限定。

利用紫边像素标记图像，进行物体边缘颜色检测，根据检测结果修正紫边像素标记图像，能够增强对噪声的抗干扰能力，并极大的减少蓝紫色物体边缘的误判问题。

S105：将修正紫边像素标记图像与初始紫边图像相乘，获得修正紫边图像。

将修正紫边像素标记图像与初始紫边图像相乘，即每个像素点的像素值相乘，最后乘积为1的像素点为紫边，最终获得修正紫边图像。

在将修正紫边像素标记图像与初始紫边图像相乘之前，还可以对修正紫边像素标记图像进行平滑处理，例如采用低通滤波等，让修正紫边像素标记图像变得光滑，滤除修正紫边像素标记图像中的噪声,再修正初始紫边图像，紫边像素和周边的非紫边像素过度更加自然。

S106：利用修正紫边图像对目标图像进行紫边校正处理，获得紫边校正图像。

在一实施例中，利用修正紫边图像对目标图像进行紫边校正处理包括：利用目标图像减去修正紫边图像，获得消除紫边后的紫边校正图像。

在其他实施例中，利用修正紫边图像对目标图像进行紫边校正处理还可以包括：转换到亮色度分离空间YUV，根据修正紫边图像，保留目标图像的亮度不变，修改目标图像的色度，获得消除紫边后的紫边校正图像。

利用修正紫边图像对目标图像进行紫边校正处理，对于紫边严重的像素会呈灰色，而紫边程度较轻微像素，校正结果能够一定程度保留物体的颜色，而不是简单的降饱和，使得视觉效果上更加自然。

本申请利用色度信息在全局上提取初始紫边图像，计算目标和初始紫边图像的方差信息以及寻找高光高反差区域，获得覆盖真实紫边和蓝紫色物体边缘的紫边像素标记图像。利用该紫边像素标记图像进行物体边缘颜色检测，以修正紫边像素标记图像，再经修正紫边像素标记图像修正初始紫边图像获得精确的修正紫边图像，最后利用修正紫边图像对目标图像进行紫边校正处理获得紫边校正图像，解决紫边漏检和误判问题，实现紫边干净去除，过渡自然，提高图像的视觉效果。

请参阅图4，图4是本申请的图像紫边消除装置一实施例的框架示意图。

本申请又一实施例提供了一种图像紫边消除装置40，包括获取模块41和处理模块42，以实现上述对应实施例的图像紫边消除方法。具体地，获取模块41获取目标图像，目标图像为含有紫边的彩色图像。处理模块42提取目标图像的色度信息，利用色度信息提取初始紫边图像；处理模块42利用目标图像和初始紫边图像的信息，通过阈值分割获得多个二值图像，合并多个二值图像，获得紫边像素标记图像；处理模块42对紫边像素标记图像进行物体边缘颜色检测，根据检测结果去除紫边像素标记图像中的物体颜色，获得修正紫边像素标记图像；处理模块42将修正紫边像素标记图像与初始紫边图像相乘，获得修正紫边图像；处理模块42利用修正紫边图像对目标图像进行紫边校正处理，获得紫边校正图像。本装置利用色度信息在全局上提取初始紫边图像，计算目标和初始紫边图像的方差信息以及寻找高光高反差区域，获得覆盖真实紫边和蓝紫色物体边缘的紫边像素标记图像。利用该紫边像素标记图像进行物体边缘颜色检测，以修正紫边像素标记图像，再经修正紫边像素标记图像修正初始紫边图像获得精确的修正紫边图像，最后利用修正紫边图像对目标图像进行紫边校正处理获得紫边校正图像，解决紫边漏检和误判问题，实现紫边干净去除，过渡自然，提高图像的视觉效果。

请参阅图5，本申请又一实施例提供了一种电子设备50，包括相互耦接的存储器51和处理器52，处理器52用于执行存储器51中存储的程序指令，以实现上述任一实施例的图像紫边消除方法。在一个具体的实施场景中，电子设备50可以包括但不限于：微型计算机、服务器，此外，电子设备50还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。

具体而言，处理器52用于控制其自身以及存储器51以实现上述任一实施例的基于串编码技术的编码。处理器52还可以称为CPU(Central Processing Unit，中央处理单元)。处理器52可能是一种集成电路芯片，具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器52可以由集成电路芯片共同实现。

请参阅图6，本申请又一实施例提供了一种计算机可读存储介质60，其上存储有程序数据61，程序数据61被处理器执行时实现上述任一实施例的图像紫边消除方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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。

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方式方案的目的。

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存储介质60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60中，包括若干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)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质60包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种图像紫边消除方法，其特征在于，所述方法包括：

获取目标图像，所述目标图像为含有紫边的彩色图像；

提取所述目标图像的色度信息，利用所述色度信息提取初始紫边图像；

利用所述目标图像和所述初始紫边图像的信息，通过阈值分割获得多个二值图像，合并所述多个二值图像，获得紫边像素标记图像；

对所述紫边像素标记图像进行物体边缘颜色检测，根据检测结果去除所述紫边像素标记图像中的物体颜色，获得修正紫边像素标记图像；

将所述修正紫边像素标记图像与所述初始紫边图像相乘，获得修正紫边图像；

利用所述修正紫边图像对所述目标图像进行紫边校正处理，获得紫边校正图像。

2.根据权利要求1中所述的方法，其特征在于，所述提取所述目标图像的色度信息包括：

获取所述目标图像每个像素点的红色强度值、绿色强度值和蓝色强度值；

获取第一色度信息，所述第一色度信息为所述红色强度值与所述绿色强度值的差值或比值，若所述第一色度信息为负数，则将所述第一色度信息记为0；

获取第二色度信息，所述第二色度信息为所述蓝色强度值与所述绿色强度值的差值或比值，若所述第二色度信息为负数，则将所述第二色度信息记为0。

3.根据权利要求1中所述的方法，其特征在于，所述提取所述目标图像的色度信息包括：

将所述目标图像转换至亮色度分离空间，获取所述目标图像每个像素点的红色强度值、蓝色强度值和亮度信号；

获取第一色度信息，所述第一色度信息为所述红色强度值与所述亮度信号的差值，若所述第一色度信息为负数，则将所述第一色度信息记为0；

获取第二色度信息，所述第二色度信息为所述蓝色强度值与所述亮度信号的差值，若所述第二色度信息为负数，则将所述第二色度信息记为0。

4.根据权利要求2或3中所述的方法，其特征在于，所述利用所述色度信息提取初始紫边图像包括：

计算每个所述像素点的红色通道像素值，所述红色通道像素值为所述第一色度信息和第一乘积中的较小值，所述第一乘积为所述第二色度信息与预设最大比例的乘积；

计算每个所述像素点的蓝色通道像素值，所述蓝色通道像素值为所述第二色度信息和第一比值中的较小值，所述第一比值为所述第一色度信息和预设最小比例的比值；

计算每个所述像素点的绿色通道像素值，所述绿色通道像素值置为0。

5.根据权利要求1中所述的方法，其特征在于，所述利用所述目标图像和所述初始紫边图像的信息，通过阈值分割获得多个二值图像，合并所述多个二值图像，获得紫边像素标记图像，包括：

将所述目标图像转为灰度图，计算所述灰度图中每个像素点的方差，并与第一阈值比较，将大于等于所述第一阈值的像素点记为1，小于所述第一阈值的像素点记为0，获得第一二值图像；

将所述初始紫边图像中各通道像素值相加转为单通道图像，计算所述单通道图像中每个像素点的方差，并与所述第二阈值比较，将大于等于所述第二阈值的像素点记为1，小于所述第二阈值的像素点记为0，获得第二二值图像；

计算所述灰度图的直方图信息，并与第三阈值比较，将强度值大于等于所述第三阈值的像素点作为高光区域，对所述高光区域进行形态学扩张，获得扩张区域，利用所述扩张区域减去所述高光区域，获得高对比区域，所述高对比区域为第三二值图像；

合并所述第一二值图像、所述第二二值图像和所述第三二值图像，获得紫边像素标记图像。

6.根据权利要求1中所述的方法，其特征在于，所述对所述目标图像进行物体边缘颜色检测，包括：

以所述紫边像素标记图像中每个标记像素点为中心，在第一预设大小窗口内计算水平方向、垂直方向、主对角线方向、副对角线方向中的差异值，所述主对角线方向与所述副对角线方向相互垂直；

选择所述差异值最大的方向作为最大差异方向，在所述最大差异方向上最近的第一非标记像素和第二非标记像素；

在所述初始紫边图像上计算分别以第一非标记像素和第二非标记像素为中心的，第二预设大小窗口内所有非标记像素的求和平均值；

计算所述求和平均值与对应所述标记像素点的差值绝对值，以获得所述标记像素点的物体边缘检测值；

将所述物体边缘检测值与第四阈值比较，响应于所述物体边缘检测值小于所述第四阈值，则将所述标记像素点颜色作为物体颜色。

7.根据权利要求1中所述的方法，其特征在于，在所述将所述修正紫边像素标记图像与所述初始紫边图像相乘之前包括：

对所述修正紫边像素标记图像进行平滑处理。

8.根据权利要求1中所述的方法，其特征在于，所述利用所述修正紫边图像对所述目标图像进行紫边校正处理，获得紫边校正图像，包括：

利用所述目标图像减去所述修正紫边图像，获得消除紫边后的所述紫边校正图像；或者，

转换到亮色度分离空间，根据所述修正紫边图像，保留所述目标图像的亮度不变，修改所述目标图像的色度，获得消除紫边后的所述紫边校正图像。

9.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至8中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现权利要求1至8中任一项所述的方法。

Images