本技术涉及光学领域，尤其涉及亮度预测方法、装置、设备及存储介质。
背景技术：
1、白平衡调整，又可以称为色温补偿，是指在图像中以白色为基色，还原图像中的其他颜色，使得还原得到的图像中的颜色为人眼看到的真实世界中的颜色，实现图像的色彩还原。
2、白平衡调整会使得图像中的色点的亮度发生变化，在一些光学设计场景中，对于色点的色坐标和亮度是有要求的，如果白平衡调整后的色点亮度不足，则色点不符合设计要求。而色点的设计范围较大，对于在设计范围内的色点，需要逐一进行设计打样并检测白平衡调整后的亮度，以从色点范围中确定出符合亮度要求的色点，这样就需要通过多次试错才能得到满足白平衡调整的亮度要求的色点，效率较低。
技术实现思路
1、本技术提供亮度预测方法、装置、设备及存储介质，以解决需要通过多次试错才能得到满足白平衡调整的亮度要求的色点所带来的效率较低的技术问题。
2、第一方面，提供一种亮度预测方法，包括：
3、获取目标色点的第一色坐标、第二色坐标和第一亮度，所述第一色坐标为对所述目标色点进行白平衡调整前所述目标色点的色坐标，所述第二色坐标为对所述目标色点进行白平衡调整后所述目标色点的色坐标，所述第一亮度为对所述目标色点进行白平衡调整前所述目标色点的亮度；
4、将所述第一色坐标、所述第二色坐标以及所述第一亮度输入至亮度预测模型进行亮度预测，并根据所述亮度预测模型预测输出的亮度预测结果确定所述目标色点的第二亮度，所述第二亮度为预测得到的对所述目标色点进行白平衡调整后所述目标色点的亮度。
5、在该技术方案中，通过获取色点在白平衡调整前后的色坐标以及白平衡调整前的亮度，将色点在白平衡调整前后的色坐标和白平衡调整前的亮度输入至亮度预测模型中进行亮度预测，并根据亮度预测模型输出的亮度预测结果确定色点在白平衡调整后的亮度；通过亮度预测模型来确定色点在白平衡调整后的亮度，设计人员只需将色点调整前后的色坐标和调整前的亮度输入至亮度预测模型即可确定色点在白平衡调整后是否符合亮度要求，相较于多次打样试错，通过亮度预测预测模型确定色点在白平衡调整后的亮度可以提高色点设计的效率。
6、结合第一方面，在一种可能的实现方式中，所述将所述第一色坐标、所述第二色坐标以及所述第一亮度输入至亮度预测模型进行亮度预测，并根据所述亮度预测模型预测输出的亮度预测结果确定所述目标色点的第二亮度，包括：将所述第一色坐标、所述第二色坐标以及所述第一亮度输入至亮度预测模型进行亮度预测，得到所述目标色点在白平衡调整前后的亮度差异预测值；根据所述第一亮度和所述亮度差异预测值，确定所述第二亮度。
7、结合第一方面，在一种可能的实现方式中，所述亮度预测模型为决策树模型；所述获取目标色点的第一色坐标、第二色坐标和第一亮度之前，还包括：获取白平衡调整样本集，所述白平衡调整样本集包括多个白平衡调整样本，一个白平衡调整样本包括一个色点的色点特征组合和所述色点特征组合对应的白平衡调整前后的亮度差异值，所述色点特征组合包括白平衡调整前后的色坐标以及白平衡调整前的亮度；根据所述白平衡调整样本集，进行决策树拟合回归，得到所述亮度预测模型。基于决策树来回归得到用于预测亮度差异值的亮度预测模型，使得亮度预测模型具有解释性，便于发现白平衡调整前后的色点特征与亮度变化规律。
8、结合第一方面，在一种可能的实现方式中，所述根据所述白平衡调整样本集，进行决策树拟合回归，得到所述亮度预测模型，包括：从i等于1开始，根据第i数据集，确定第i色点特征和第i色点特征对应的最优特征值，其中，所述第i色点特征为所述色点特征组合中用于划分所述第i数据集的最优特征，所述第i色点特征对应的最优特征值为所述第i色点特征对应的特征值中划分所述第i数据集所得误差最小的特征值；其中，当i等于1时，所述第i数据集为所述白平衡调整样本集；根据所述第i色点特征对应的最优特征值，将所述第i数据集划分为两个数据集，并将划分得到的两个数据集作为第(i+1)数据集，直至i大于预设阈值或所述第(i+1)数据集中的样本数量少于预设样本数量；其中，所述划分得到的两个数据集中的其中一个数据集中，所述第i色点特征的特征值大于所述第i色点特征对应的最优特征值，所述划分得到的两个数据集中的另一个数据集中，所述第i色点特征的特征值小于所述第i色点特征对应的最优特征值；根据确定出的各个色点特征以及所述各个色点特征对应的最优特征值，构建所述亮度预测模型；其中，第1色点特征和所述第1色点特征对应的最优特征值为所述亮度预测模型的根节点，第(i+1)色点特征在所述亮度预测模型中为第i色点特征的子节点，所述亮度预测模型的任意一个回归节点对应的一个亮度差异预测值为所述任意一个回归节点划分得到的不可划分数据集中的亮度差异值的拟合值。通过逐个确定划分数据集的最优特征和最优特征值，并根据确定出的最优特征和最优特征值构建亮度预测模型，能够使得找到反映白平衡调整前后的亮度变化规律的所有特征，提升亮度预测模型的准确度。
9、结合第一方面，在一种可能的实现方式中，所述根据第i数据集，确定第i色点特征和第i色点特征对应的最优特征值，包括：根据目标色点特征对应的目标特征值，将所述第i数据集划分为两个数据集，以得到第一数据集和第二数据集，所述目标色点特征为所述色点特征组合中的任意一个，所述目标特征值为所述目标色点特征对应的多个特征值中的任意一个，所述多个特征值基于所述目标色点特征的特征取值范围得到，所述第一数据集中所述目标色点特征的特征值小于所述目标特征值，所述第二数据集中所述目标色点特征的特征值大于所述目标特征值；根据所述第一数据集和所述第二数据集，计算所述目标特征值对应的预测误差，所述预测误差用于指示以所述目标色点特征作为决策节点并以所述目标特征值作为所述决策节点的决策标准划分所述第i数据集所产生的回归误差；将预测误差最小的色点特征确定为所述第i色点特征，并将所述第i色点特征对应的预测误差最小的特征值确定为所述第i色点特征对应的最优特征值。通过计算各个特征对应的各个特征值的预测误差，并选择预测误差最小的特征和特征值作为最优特征和最优特征值，用作决策节点和决策标准，能够提高亮度预测模型预测的准确度。
10、结合第一方面，在一种可能的实现方式中，所述根据所述第一数据集和所述第二数据集，计算所述目标特征值对应的预测误差，包括：确定第一亮度差异均值和第二亮度差异均值，所述第一亮度差异均值为所述第一数据集中的所有亮度差异值的均值，所述第二亮度差异均值为所述第二数据集中的所有亮度差异值的均值；将所述第一数据集中的亮度差异值与所述第一亮度差异均值之间的均方误差，与所述第二数据集中的亮度差异值与所述第二亮度差异均值之间的均方误差之和，确定为所述目标特征值对应的预测误差。通过均方误差来衡量确定特征对应的特征值的预测误差，使得亮度预测模型对于一些离群色点也能有较好的预测效果，从而提高亮度预测模型的准确度。
11、结合第一方面，在一种可能的实现方式中，所述根据确定出的各个色点特征以及所述各个色点特征对应的最优特征值，构建所述亮度预测模型之前，还包括：确定第三亮度差异均值、第四亮度差异均值以及第五亮度差异均值，所述第三亮度差异均值为第三数据集中的所有亮度差异值的均值，所述第四亮度差异均值为第四数据集中的所有亮度差异值的均值，所述第五亮度差异均值为所述第三亮度差异均值与所述第四亮度差异均值的均值，所述第三数据集和所述第四数据集由第五数据集划分得到；计算所述第三数据集中的亮度差异值与所述第三亮度差异均值之间的均方误差，以得到第一误差；计算所述第四数据集中的亮度差异值与所述第四亮度差异均值之间的均方误差，以得到第二误差；计算所述第五数据集中的亮度差异值与所述第五亮度差异均值之间的均方误差，以得到第三误差；如果所述第三误差小于所述第一误差与所述第二误差之和，去除所述第五数据集对应的色点特征和所述第五数据集对应的最优特征值。通过去除一些特征点，能够简化亮度预测模型，在保证亮度预测模型的精度的前提下提高计算效率。
12、第二方面，提供一种亮度预测装置，包括：
13、获取模块，用于获取目标色点的第一色坐标、第二色坐标和第一亮度，所述第一色坐标为对所述目标色点进行白平衡调整前所述目标色点的色坐标，所述第二色坐标为对所述目标色点进行白平衡调整后所述目标色点的色坐标，所述第一亮度为对所述目标色点进行白平衡调整前所述目标色点的亮度；
14、亮度预测模块，用于将所述第一色坐标、所述第二色坐标以及所述第一亮度输入至亮度预测模型进行亮度预测，并根据所述亮度预测模型预测输出的亮度预测结果确定所述目标色点的第二亮度，所述第二亮度为预测得到的对所述目标色点进行白平衡调整后所述目标色点的亮度。
15、第三方面，提供一种计算机设备，包括存储器以及一个或多个处理器，所述存储器连接至所述一个或多个处理器，一个或多个处理器用于执行存储在存储器中的一个或多个计算机程序，一个或多个处理器在执行一个或多个计算机程序时，使得该计算机设备实现上述第一方面的亮度预测方法。
16、第四方面，提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，上述程序指令当被处理器执行时使上述处理器执行上述第一方面的亮度预测方法。
17、本技术可以实现如下技术效果：通过亮度预测模型来确定色点在白平衡调整后的亮度，设计人员只需将色点调整前后的色坐标和调整前的亮度输入至亮度预测模型即可确定色点在白平衡调整后是否符合亮度要求，相较于多次打样试错，通过亮度预测预测模型确定色点在白平衡调整后的亮度可以提高色点设计的效率。
1.一种亮度预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述第一色坐标、所述第二色坐标以及所述第一亮度输入至亮度预测模型进行亮度预测，并根据所述亮度预测模型预测输出的亮度预测结果确定所述目标色点的第二亮度，包括：
3.根据权利要求2所述的方法，其特征在于，所述亮度预测模型为决策树模型；
4.根据权利要求3所述的方法，其特征在于，所述根据所述白平衡调整样本集，进行决策树拟合回归，得到所述亮度预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据第i数据集，确定第i色点特征和第i色点特征对应的最优特征值，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一数据集和所述第二数据集，计算所述目标特征值对应的预测误差，包括：
7.根据权利要求4所述的方法，其特征在于，所述根据确定出的各个色点特征以及所述各个色点特征对应的最优特征值，构建所述亮度预测模型之前，还包括：
8.一种亮度预测装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器、处理器，所述存储器连接至所述处理器，所述处理器用于执行存储在所述存储器中的一个或多个计算机程序，所述处理器在执行所述一个或多个计算机程序时，使得所述计算机设备实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
