一种动态阈值白平衡算法实现

一种自动阈值白平衡算法实现

1.算法原理

白平衡是图像处理的一个极重要概念。所谓白平衡（英文名称为White Balance），就是对白色物体的还原。当我们用肉眼观看这大千世界时，在不同的光线下，对相同的颜色的感觉基本是相同的，比如在早晨旭日初升时，我们看一个白色的物体，感到它是白的；而我们在夜晚昏暗的灯光下，看到的白色物体，感到它仍然是白的。这是由于人类从出生以后的成长过程中，人的大脑已经对不同光线下的物体的彩色还原有了适应性。但是，作为拍摄设备，如数码相机，可没有人眼的适应性，在不同的光线下，由于CCD输出的不平衡性，造成数码相机彩色还原失真。一般情况下，我们习惯性地认为太阳光是白色的，已知直射日光的色温是5200K左右，白炽灯的色温是3000K左右。用传统相机的日光片拍摄时，白炽灯光由于色温太低，所以偏黄偏红。所以通常现场光线的色温低于相机设定的色温时，往往偏黄偏红，现场光线的色温高于相机设定时，就会偏蓝。

为了解决不同色温下，引起的白色漂移现象。由于白色对色温变化的响应最大，通常用白色来作为调整的基色。通常的白平衡技术有：自动白平衡、钨光白平衡、荧光白平衡、室内白平衡、手动调节。本文仅介绍其中的一种自动白平衡。

白平衡算法通常分为两步：白色点的检测，白色点的调整。本方法采用一个动态的阀值来检测白色点。详细算法过程为：

1. 把图像w*h从RGB空间转换到YCrCb空间。

2. 选择参考白色点：

a. 把图像分成宽高比为4:3个块(块数可选)。

b. 对每个块，分别计算Cr，Cb的平均值Mr，Mb。

c. 对每个块，根据Mr，Mb，用下面公式分别计算Cr，Cb的方差Dr，Db。

d. 判定每个块的近白区域（near-white region）。

判别表达式为：

设一个“参考白色点”的亮度矩阵RL，大小为w*h。

若符合判别式，则作为“参考白色点”,并把该点（i,j）的亮度（Y分量）值赋给RL(i,j)；

若不符合，则该点的RL(i,j)值为0。

3. 选取参考“参考白色点”中最大的10%的亮度（Y分量）值，并选取其中的最小值Lu_min.

4. 调整RL，若RL(i,j)<Lu_min, RL(i,j)=0; 否则，RL(i,j)=1；

5. 分别把R，G，B与RL相乘，得到R2，G2，B2。分别计算R2，G2，B2的平均值，Rav，Gav，Bav；

6. 得到调整增益： Ymax=double(max(max(Y)))/5;
                                    Rgain=Ymax/Rav;
                                    Ggain=Ymax/Gav;
                                    Bgain=Ymax/Bav;

7. 调整原图像：Ro= R*Rgain; Go= G*Ggain; Bo= B*Bgain;

2.关键实现代码

int RGB2YCbCr(IMAGE_TYPE *bmp_img,T_U8*Y_img,double *Cb_img,double *Cr_img,DWORD width,DWORD height)
{T_U32 lineByte,Source_linebyte,source_index,dst_index;T_U16 i,j,Y;T_U16 k = 0;T_U8 *Source_img,R,G,B;double Cr;double Cb;lineByte = (width * 8 / 8 + 3) / 4 * 4; Source_img = bmp_img+54;Source_linebyte = WIDTHBYTES(width*24);for (i = 0; i < height;i++){for (j = 0;j < width;j++){source_index = Source_linebyte*i+3*j;dst_index = lineByte*i+j;R = Source_img[source_index+2];G = Source_img[source_index+1];B = Source_img[source_index];Y = 0.299*R+0.587*G+0.114*B;Cr = 0.5*R-0.419*G-0.081*B;Cb = -0.169*R-0.331*G+0.5*B;Y_img[dst_index] = (T_U8)Y;Cr_img[dst_index] = Cr;Cb_img[dst_index] = Cb;}}return 0;
}int AutoWhiteBalance_Optimi(IMAGE_TYPE *bmp_img,DWORD width,DWORD height)
{T_U8*Y_img,*Ydata_img,*SignData,R,G,B,*bmp_data,*Dstbmp_img,*Dstbmp_data;T_U16 height_step = height/3,witdth_step = width/4;DWORD  PixNum = height_step*witdth_step,i,j,m,n,Threshold =0,YLumi[256] = {0};DWORD line_width,source_line_width,source_index,CbCr_indx,index,WhitePoint = 0,WhitePointCount = 0,WhitePoint10 = 0;int arrindex=0,YMax = -999;double Mr,Mb,Dr,Db,b1,b2,b,c,*Cb_img,*Cr_img,*Cbdata_img,*Crdata_img;double MeanSumr,MeanSumb;double absSumr,absSumb,Rave,Gave,Bave,RGain,GGain,BGain;FILE *AutoWhiteBalance_fp = fopen("AutoBalance.bmp","wb");if(NULL == AutoWhiteBalance_fp){printf("Can't open AutoBalance.bmp\n");return -1;}line_width = (width * 8 / 8 + 3) / 4 * 4; //8位深的BMP图像输入图像source_line_width = ((width * 24 / 8 + 3) / 4 * 4 );Cb_img = (double*)malloc(width*height*sizeof(double));Cr_img = (double*)malloc(width*height*sizeof(double));Y_img = (T_U8*)malloc(line_width*height);Dstbmp_img = (T_U8*)malloc(source_line_width*height+BMPHEADSIZE);SignData = (T_U8*)malloc(line_width*height);memcpy(Dstbmp_img,bmp_img,source_line_width*height+BMPHEADSIZE);RGB2YCbCr(bmp_img,Y_img,Cb_img,Cr_img,width,height);Cbdata_img = Cb_img;Crdata_img = Cr_img;Ydata_img = Y_img;WhitePoint = 0;for (i= 0;i < height; i += height_step){for (j = 0; j <width; j += witdth_step){Mb = 0;Mr = 0;MeanSumr = 0;MeanSumb = 0;absSumr = 0;absSumb = 0;for (m = 0; m < height_step;m++){for (n = 0; n <witdth_step;n++){index = (m+i)*width+n+j;MeanSumr += (Crdata_img[index]);MeanSumb += (Cbdata_img[index]);}}//计每个块Cb，Cr的均值Mr = MeanSumr/(double)PixNum;Mb = MeanSumb/(double)PixNum;for (m = 0; m < height_step;m++){for (n = 0; n <witdth_step;n++){index = (m+i)*width+n+j;absSumr += abs(Crdata_img[index]-Mr);absSumb += abs(Cbdata_img[index]-Mb);}}//计算每个块绝对差累加值Dr = absSumr / PixNum;Db = absSumb / PixNum;if (Mb<0)//计算mb+db*sign（mb）  {   b=Mb+Db*(-1);  }  else  b=Mb+Db;  if (Mr<0)//计算1.5*mr+dr*sign（mb）；  {  c=1.5*Mr+Dr*(-1);  }  else  c=1.5*Mr+Dr;  //候选白点像素计算for (m = 0; m < height_step;m++){for (n = 0; n <witdth_step;n++){index =(m+i)*line_width+n+j;CbCr_indx = (m+i)*width+n+j;if(abs(Cbdata_img[CbCr_indx]-b)<(1.5*Db) && abs(Crdata_img[CbCr_indx]-c)<(1.5*Dr)){YLumi[Ydata_img[index]]++;SignData[index] = Ydata_img[index];WhitePoint++;}}}}}//选取候选白点数的最亮10%确定为最终白点，并选择其前10%中的最小亮度值WhitePointCount = 0;for(i = 255; i >0; i--){WhitePointCount += YLumi[i];if(WhitePointCount >= (double)WhitePoint/10){Threshold  = i;break;}}WhitePoint10 = 0;for(i = 0; i < height;i++){for(j = 0;j < width;j++){index = i*line_width+j;if(SignData[index] >= Threshold){SignData[index] = 1;WhitePoint10++;}elseSignData[index] = 0;}}bmp_data = bmp_img+54;Dstbmp_data = Dstbmp_img + 54;Rave = 0;Gave = 0;Bave = 0;//白点的RGB三分量的平均值for(i = 0;i < height;i++){for(j = 0; j <width;j++){source_index = i*source_line_width+3*j;index = i*line_width+j;Dstbmp_data[source_index+0] = bmp_data[source_index]*SignData[index];Dstbmp_data[source_index+1] = bmp_data[source_index+1]*SignData[index];Dstbmp_data[source_index+2] = bmp_data[source_index+2]*SignData[index];Rave += Dstbmp_data[source_index+2];Gave += Dstbmp_data[source_index+1];Bave += Dstbmp_data[source_index+0];}}Rave = Rave / (WhitePoint10);Gave = Gave / (WhitePoint10);Bave = Bave / (WhitePoint10);for(i = 0; i < height;i++){for(j = 0; j < width;j++){index = i*line_width+j;if(YMax < Ydata_img[index])YMax = Ydata_img[index];}}//增益调整YMax = YMax / 3.0;RGain = YMax / Rave;GGain = YMax / Gave;BGain = YMax / Bave;//白平衡校正for(i = 0; i <height; i++){for(j = 0; j < width;j++){source_index = i*source_line_width+3*j;bmp_data[source_index] = (T_U8)(BGain* bmp_data[source_index]);bmp_data[source_index+1] = (T_U8)(GGain* bmp_data[source_index+1]);bmp_data[source_index+2] = (T_U8)(RGain* bmp_data[source_index+2]);}}fwrite(bmp_img, source_line_width*height+BMPHEADSIZE, 1, AutoWhiteBalance_fp);fclose(AutoWhiteBalance_fp);  free(Cb_img);free(Cr_img);free(Y_img);return 0;}

3.图像效果

A色温校正对比图

TL84色温校正对比图

D65色温校正对比图

参考文献：

1.http://www.cnblogs.com/haar/articles/1392227.html

2.基于灰度世界、完美反射、动态阈值等图像自动白平衡算法的原理、实现及效果

3.https://www.cnblogs.com/Imageshop/archive/2013/04/20/3032062.html