1.一种应用于智能终端的图像色偏检测方法，其特征在于，该应用于智能终端的图像色偏检测方法包括：
第一步，在Lab空间，计算图像在ab二维颜色坐标下的直方图和等价圆的参数；
第二步，分别求解源图像与转换后图像信息的NNO区域及对应的等价圆参数；量化阈值，对比参数，判断图像色偏情况，进行色偏图像分类，或者非色偏图像再检测对结果图像求解二维直方图对应等价圆DσNNO的参数，对比源图像等价圆的各个参数，将式(6)作为衡量图像参数变化的量化依据，从两者参数的变化趋势对非聚集图像或非色偏图像进行二次判断；
σcr＝(σ-σNNO)/σ；ucr＝(u-uNNO)/u (6)
其中，σcr和ucr分别代表了图像二维直方图等价圆的半径σ和圆心距离原点的距离u在提取NNO区域前后相对自身变化的幅度，能够有效地量化图像在提取NNO区域前后的二维直方图等价圆的变化情况，正常的非色偏图像源图像与NNO区域图像的二维直方图等价圆σ、u等参数的变化幅度较大，即正常非色偏图像的NNO区域图像的等价圆参数比源图像的等价圆参数变化较大，该特性符合正常无色偏图像的颜色特征；同时，色偏图像在提取NNO区域前后的σ、u参数值变化幅度较小，即色偏图像的NNO区域图像同样具有色偏的颜色特征；所以，通过分析σ、u参数值的变化来实现对非色偏图像分类的方法是有效的，参数阈值如下：
当图像NNO区域等价圆参数DσNNO<-0.5时，或者，σ、u参数在提取NNO区域前后变化的幅度分别超过70％和60％时，判断图像是正常非色偏图像；当图像NNO区域等价圆参数DσNNO>0.5时，或者，σ、u参数在提取NNO区域前后变化的幅度分别低于40％和30％时，判断图像为色偏图像；
第三步，经不大于3次检测，将图像分为色偏图像，本质色偏图像，真实色偏图像，无色偏图像，无法检测图像。
2.如权利要求1中所述的应用于智能终端的图像色偏检测方法，其特征在于，在第一步计算图像在ab二维颜色坐标下的直方图和等价圆的参数之前需要通过拍照智能终端获取一副RGB图像Img_sur作为待检测图像；将源图像Img_sur由RGB空间转换到Lab色度空间，得到转换后图像Img_Lab及其在L、a、b分量上的图像亮度及色度数据；其中RGB空间转换到Lab色度空间公式如下所示：
3.如权利要求1中所述的应用于智能终端的图像色偏检测方法，其特征在于，色偏图像分类包括以下步骤：计算亮度分量直方图；根据像素出现的次数和区间占比初次判断色偏类型；通过NNO区域与源图像二维直方图等价圆参数最终确定图像色偏类型：本质色偏，真实色偏。
4.如权利要求3中所述的应用于智能终端的图像色偏检测方法，其特征在于，色偏图像分类的具体方法包括：
步骤一，通过式(1)，分析Img_Lab图像在ab二维颜色坐标下的直方图分布特征，并依式(2)、(3)计算等价圆Eq的圆心C、半径σ、u、D、Dσ参数；
式(3)中u为该等价圆的圆心C距离中性轴(a＝0,b＝0)的距离，D为等价圆外侧距离中性轴的距离，Dσ表示该二维直方图等价圆偏离中性轴的程度：Dσ值越大，表明该图像直方图偏离中性轴越严重；
步骤二，初次判断图像色偏情况：当满足式(4)时，则认为图像的ab二维平面直方图是聚集的，并暂时将图像归类为色偏图像，否则，初步认定图像为非色偏图像，执行步骤步骤三；
(D>10and Dσ>0.6)or(Dσ>1.5) (4)
步骤三，求解图像的NNO区域；理论依据：图像场景中的无色差表面能够完全反映场景中入射光照的颜色；提取出场景中的灰色表面，通过灰色表面的色偏情况，得出图像的光照的偏移情况；方法如下：若Img_NNO(i,j)像素为NNO区域像素，则：
其中L、a、b为图像在Lab色度空间的三个分量信息，d为待测图像Img_sur在Lab色度空间中的色度半径最大值；限制d所在像素点以及每个NNO区域像素点Img_NNO(i,j)为非孤立像素点。
5.如权利要求1中所述的应用于智能终端的图像色偏检测方法，其特征在于，非色偏图像再检测是对上一次结果的补充与校正，步骤为：分别生成源图像与NNO区域图像的二维直方图等价圆，量化阈值，对比参数，输出检测结果：本质色偏，真实色偏，无色偏。
6.如权利要求5中所述的应用于智能终端的图像色偏检测方法，其特征在于，非色偏图像再检测的具体方法包括：
步骤一，对结果图像求解二维直方图对应等价圆DσNNO的参数，对比源图像等价圆的各个参数，将式(6)作为衡量图像参数变化的量化依据，从两者参数的变化趋势对非聚集图像或非色偏图像进行二次判断；
σcr＝(σ-σNNO)/σ；ucr＝(u-uNNO)/u (6)
其中，σcr和ucr分别代表了图像二维直方图等价圆的半径σ和圆心距离原点的距离u在提取NNO区域前后相对自身变化的幅度，能够有效地量化图像在提取NNO区域前后的二维直方图等价圆的变化情况，正常的非色偏图像源图像与NNO区域图像的二维直方图等价圆σ、u等参数的变化幅度较大，即正常非色偏图像的NNO区域图像的等价圆参数比源图像的等价圆参数变化较大，该特性符合正常无色偏图像的颜色特征；同时，色偏图像在提取NNO区域前后的σ、u参数值变化幅度较小，即色偏图像的NNO区域图像同样具有色偏的颜色特征；所以，通过分析σ、u参数值的变化来实现对非色偏图像分类的方法是有效的，设定参数阈值如下：
当图像NNO区域等价圆参数DσNNO<-0.5时，或者，σ、u参数在提取NNO区域前后变化的幅度分别超过70％和60％时，判断图像是正常非色偏图像；当图像NNO区域等价圆参数DσNNO>0.5时，或者，σ、u参数在提取NNO区域前后变化的幅度分别低于40％和30％时，判断图像为色偏图像；
步骤二，对初次判定为色偏图像的图像进行分类:
将利用图像在Lab色度空间的L分量的直方图分布信息，对图像进行首次分类；当图像内容为明显的本质色偏时，Lab色度空间的L分量的直方图分布呈现区域性的聚集分布；而图像内容为真实色偏时，Lab色度空间的L分量的直方图分布呈现为比较均匀的离散分布；
采用如下方式对图像的L分量进行处理：
当L分量直方图中某像素出现次数低于出现次数最高的像素出现次数的1％时，将该像素的像素数置零；判断经处理后的L分量直方图，像素出现次数不为零的最小像素与最大像素所横跨的区间在L分量的整个像素区间的比重是否小于80％；
当非零次数像素所跨越区域小于等于整个像素区间80％时，判定该图像色偏类型为本质色偏；当大于80时，则等待进一步的判断；
对具有本质色偏特征，且图像内容不是很单一的本质色偏图像以及真实色偏图像，根据NNO区域的二维直方图等价圆的各个参数相对源图像等价圆参数的变化来进行进一步的判定；颜色恒常性；若图像发生色偏失真，则NNO区域也会体现出色偏特征；若图像没有发生色偏失真，NNO区域应表现出正常图像的特征，同样用式(6)对色偏图像进行分类，阈值的设置根据不同的场景进行调整：
其中σcr和ucr分别代表了色偏图像二维直方图等价圆的半径σ和圆心距离原点的距离u在提取NNO区域前后相对自身变化的幅度指标。
7.如权利要求1中所述的应用于智能终端的图像色偏检测方法，其特征在于，该应用于智能终端的图像色偏检测方法具体包括以下步骤：
步骤一，通过具备照相功能的智能终端拍摄一副彩色图像Img_sur，即RGB图像为待检测图像；
步骤二，将源图像Img_sur由RGB空间转换到Lab色度空间，得到转换后图像Img_Lab及在L、a、b分量上的图像数据；
步骤三，通过式(1)，定量分析Img_Lab图像在ab二维颜色坐标下的直方图分布特征，并依式(2)、(3)计算等价圆Eq的圆心C、半径σ、u、D、Dσ参数；
式(3)中u为该等价圆的圆心C距离中性轴(a＝0,b＝0)的距离，D为等价圆外侧距离中性轴的距离，Dσ表示该二维直方图等价圆偏离中性轴的程度：Dσ值越大，表明该图像直方图偏离中性轴越严重；
步骤四，初次判断图像色偏情况：当满足式(4)时，则认为图像的ab二维平面直方图是聚集的，并暂时将图像归类为色偏图像，执行步骤七；否则，初步认定图像为非色偏图像，执行步骤五；
(D>10and Dσ>0.6)or(Dσ>1.5) (4)
步骤五，求解图像的NNO区域，理论依据：图像场景中的无色差表面能够完全反映场景中入射光照的颜色，通过灰色表面的色偏情况，得出图像的光照的偏移情况，方法如下：若Img_NNO(i,j)像素为NNO区域像素，则：
其中L、a、b为图像在Lab色度空间的三个分量信息，d为待测图像Img_sur在Lab色度空间中的色度半径最大值，限制d所在像素点以及每个NNO区域像素点Img_NNO(i,j)为非孤立像素点；
步骤六，对步骤五的结果图像求解其二维直方图对应等价圆DσNNO的参数，对比源图像等价圆的各个参数，将式(6)作为衡量图像参数变化的量化依据，从两者参数的变化趋势对非聚集图像或非色偏图像进行二次判断；
σcr＝(σ-σNNO)/σ；ucr＝(u-uNNO)/u (6)
其中，σcr和ucr分别代表了图像二维直方图等价圆的半径σ和圆心距离原点的距离u在提取NNO区域前后相对自身变化的幅度，能够有效地量化图像在提取NNO区域前后的二维直方图等价圆的变化情况，具有很好的参数代表作用，正常的非色偏图像源图像与NNO区域图像的二维直方图等价圆σ、u等参数的变化幅度较大，即正常非色偏图像的NNO区域图像的等价圆参数比源图像的等价圆参数变化较大，该特性符合正常无色偏图像的颜色特征；同时，色偏图像在提取NNO区域前后的σ、u参数值变化幅度较小，即色偏图像的NNO区域图像同样具有色偏的颜色特征，所以，通过分析σ、u参数值的变化来实现对非色偏图像分类的方法是有效的，设定参数阈值如下：
当图像NNO区域等价圆参数DσNNO<-0.5时，或者，σ、u参数在提取NNO区域前后变化的幅度分别超过70％和60％时，判断图像是正常非色偏图像；当图像NNO区域等价圆参数DσNNO>0.5时，或者，σ、u参数在提取NNO区域前后变化的幅度分别低于40％和30％时，判断图像为色偏图像；
步骤七，对初次判定为色偏图像的图像进行分类:
将利用图像在Lab色度空间的L分量的直方图分布信息，对图像进行首次分类，当图像内容为明显的本质色偏时，Lab色度空间的L分量的直方图分布呈现区域性的聚集分布；而图像内容为真实色偏时，Lab色度空间的L分量的直方图分布呈现为比较均匀的离散分布，采用如下方式对图像的L分量进行处理：
当L分量直方图中某像素出现次数低于出现次数最高的像素出现次数的1％时，将该像素的像素数置零；
判断经处理后的L分量直方图，像素出现次数不为零的最小像素与最大像素所横跨的区间在L分量的整个像素区间的比重是否小于80％：
当非零次数像素所跨越区域小于等于整个像素区间80％时，判定该图像色偏类型为本质色偏；
当大于80时，则等待进一步的判断；
对具有本质色偏特征，且图像内容不是很单一的本质色偏图像以及真实色偏图像，根据他们的NNO区域的二维直方图等价圆的各个参数相对源图像等价圆参数的变化来进行进一步的判定，颜色恒常性，若图像发生色偏失真，则NNO区域也会体现出色偏特征；若图像没有发生色偏失真，NNO区域应表现出正常图像的特征，同样用式(6)对色偏图像进行分类，其中，阈值的设置根据不同的场景进行调整：
其中σcr和ucr分别代表了色偏图像二维直方图等价圆的半径σ和圆心距离原点的距离u在提取NNO区域前后相对自身变化的幅度指标；；
步骤八，将此方法的程序嵌入到可拍照移动终端中，对设备所获取的图片实时地进行检测，该程序会反馈检测结果，即对该硬件在色彩方面性能的评价。
8.一种应用于智能终端的图像色偏检测系统，其特征在于，该应用于智能终端的图像色偏检测系统包括：色偏图像分类模块、非色偏图像模块、智能安卓系统手机；
在智能安卓系统手机App主界面上，放置三个控件：ImageView，用于显示相机获取的图像，即就是待评测的源图像；TextView，给出图像的评测结果，即通过该手机获取的图像是否存在色偏，以及是哪种类型的色偏；Button，设置监听事件onClick，当触发事件后，调用手机内置的照相机功能，获取到图像后并进行检测，并将结果反馈给TextView显示出来。