白平衡是电视摄像领域一个非常重要的概念，通过它可以解决色彩还原和色调处理的一系列问题。白平衡是随着电子影像再现色彩真实而产生的，在专业摄像领域白平衡应用的较早，现在家用电子产品（家用摄像机、数码照相机）中也广泛地使用，然而技术的发展使得白平衡调整变得越来越简单容易，但许多使用者还不甚了解白平衡的工作原理，理解上存在诸多误区。它是实现摄像机图像能精确反映被摄物的色彩状况，有手动白平衡和自动白平衡等方式，本文简要的介绍了几种自动白平衡算法。

一、原始的灰度世界算法

　　灰度世界算法（Gray World)是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩变化的图像, R、 G、 B 三个分量的平均值趋于同一个灰度K。一般有两种方法来确定该灰度。

（1)直接给定为固定值, 取其各通道最大值的一半,即取为127或128；

（2)令 K = (Raver+Gaver+Baver)/3,其中Raver,Gaver,Baver分别表示红、 绿、 蓝三个通道的平均值。

算法的第二步是分别计算各通道的增益：

Kr=K/Raver;

　　　Kg=K/Gaver;

Kb=K/Baver;

算法第三步为根据Von Kries 对角模型,对于图像中的每个像素R、G、B，计算其结果值：

Rnew = R * Kr;

　　　　Gnew = G * Kg;

　　　　　Bnew = B * Kb;

对于上式，计算中可能会存在溢出（>255,不会出现小于0的)现象，处理方式有两种。

a、 直接将像素设置为255，这可能会造成图像整体偏白。

b、 计算所有Rnew、Gnew、Bnew的最大值，然后利用该最大值将将计算后数据重新线性映射到[0,255]内。实践证明这种方式将会使图像整体偏暗，建议采用第一种方案。

二、完美反射算法

当初写这个代码的时候的一些参考文献一下子也找不到了，就从已经写好的代码中描述下该算法的过程吧。

原理：完美全反射理论perfect Reflector假设图像上最亮点就是白点，并以此白点为参考对图像进行自动白平衡,最亮点定义为R+G+B的最大值,具体编码步骤如下：

（1）计算每个像素的R\G\B之和，并保存到一临时内存块中。

1
2
3
4
5
6
7
8
9
10
11
12
for(Y = 0; Y < Height; Y++)
{
    Pointer = bmp.Pointer + Y * Stride;
    for(X = 0; X < Width; X++)
    {
        Sum = (short)(*(Pointer) + *(Pointer + 1) + *(Pointer + 2));     // R+G+B
        HistRGB[Sum]++;
        *SumP = (short)Sum;
        Pointer += 3;
        SumP++;
    }
}

（2）按R+G+B值的大小计算出其前10%或其他Ratio的白色参考点的的阈值T。

1
2
3
4
5
6
7
8
9
for(Y = 767; Y >= 0; Y--)
{
    Sum += HistRGB[Y];
    if(Sum > Width * Height * Ratio / 100)
    {
        Threshold = Y;
        break;
    }
}

（3）遍历图像中的每个点，计算其中R+G+B值大于T的所有点的R\G\B分量的累积和的平均值。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
for(Y = 0; Y < Height; Y++)
{
    Pointer = bmp.Pointer + Y * Stride;
    for(X = 0; X < Width; X++)
    {
        if(*SumP > Threshold)
        {
            AvgB += *Pointer;
            AvgG += *(Pointer + 1);
            AvgR += *(Pointer + 2);             // 为获得增益做准备
            Amount++;
        }
        Pointer += 3;
        SumP++;
    }
}
AvgB /= Amount;
AvgG /= Amount;
AvgR /= Amount;

　　 （4）对每个点将像素量化到[0,255]之间。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
for(Y = 0; Y < Height; Y++)
{
    Pointer = bmp.Pointer + Y * Stride;
    for(X = 0; X < Width; X++)
    {
        Blue = *Pointer * MaxValue / AvgB;                                   // 另外一种算法需要先计算不抑制重新计算的RGB的范围，然后求RGB的最大值，如果最大值大于255，则所有的结果都要除以最大值在乘以255，但实际表明该算法、   不合适；
        Green = *(Pointer + 1) * MaxValue / AvgG;
        Red = *(Pointer + 2) * MaxValue / AvgR;
        if(Red > 255) Red = 255; elseif(Red < 0) Red = 0;                // 这里需要判断，因为RGB空间所有的颜色转换到YCbCr后，并不是填充满了0-255的范围的，反转过去就会存在一些溢出的点。
        if(Green > 255) Green = 255; elseif(Green < 0) Green = 0;        // 编译后应该比三目运算符的效率高
        if(Blue > 255) Blue = 255; elseif(Blue < 0) Blue = 0;
        *Pointer = (byte)Blue;
        *(Pointer + 1) = (byte)Green;
        *(Pointer + 2) = (byte)Red;
        Pointer += 3;
    }

}

三、动态阈值算法

参考论文：A Novel Automatic White Balance Method For Digital Still Cameras

同经典的一些算法相同，算法分为两个步骤：白点检测和白点调整。

白点检测：

（1）为了增强算法的鲁棒性，原文将图像分成12部分，其中宽高比为4：3，关于这一点，我认为不合理，对图像不是通用的，后文再说。

（2）计算每个区域的Cb\Cr分量的平均值Mb/Mr。

（3）按下式计算每个区域的Cb\Cr分量的绝对差的累积值Db/Dr：

上式中N为每个区域的像素数。

（4）如果Db/Dr的值偏小，则我们忽略这一块，因为这表明这一块的颜色分布比较均匀，而这样的局部对于白平衡不好。这个偏小的准则我们稍微再谈。

（5）统计对于除了符合第四条的的其他区域的Mb/Mr/Db/Dr的平均值作为整幅图像的Mb/Mr/Db/Dr值。

　　　　　　　　关于这一条，原文的话是：The final Mb、Mr、Db、Dr are obtained by taking the average of those regions that pass this additional step。

　　　　　　　我在实际中做的时候就是分别对每块进行的，似乎效果也还不错。

（6）按下述规则初步确定哪些点是属于白色参考点：

（7）对于初步判断已经属于白色参考点的像素，按大小取其亮度值为前10%的位最终确定的白色参考点。

白点调整：

　　　　　（1）计算白色参考点亮度值的平均值Raver,Gaver,Baver,（各通道分开计算)。

（2）按照以下各式计算每个通道的增益：

　　　　　　　　　　  

式中，Ymax就是YCbCr颜色空间中Y分量的在整幅图像中的最大值。

（3）按照以下各式计算最终每个通道的颜色值：

其中R/G/B为在原始的颜色空间中的值，注意这里要进行溢出检测的。

　　      简单的谈下白点检测的分块操作吧，原文把图像分成4*3的12快，这样做事针对于我们很多数码照片是这个比例的，如果通用，我觉得应该用每个块的大小来控制，比如每块为 100*100个像素。

该算法效果非常好；对块大小不太敏感，因此非常适合于自动化操作。

同样，提供个编译好的文件给有兴趣研究该算法的朋友看看效果：

http://files.cnblogs.com/Imageshop/AutoWhiteBalance.zip

********作者： laviewpbt   时间： 2013.4.20    联系QQ:  33184777  转载请保留本行信息*********

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相关推荐

  1. 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...

    原文:http://www.cnblogs.com/Imageshop/archive/2013/04/20/3032062.html 白平衡是电视摄像领域一个非常重要的概念,通过它可以解决色彩还原和 ...

  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

    文章目录 一.灰度世界算法 二.完美反射算法 三.动态阈值算法 一.灰度世界算法 C++ 算法: 灰度世界 灰度世界算法(Gray World)是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩 ...

  3. 白平衡算法简单原理以及灰色世界、完美反射实现

    这篇文章是一次课程作业,发到网上以供参考,由于时间有点紧张导致有些部分不够详尽以及有些方法没有实现,之后如果有机会再进行补充. 作业要求 以下两题任选一道完成,自选合适的测试图象,提交代码.实验结果和 ...

  4. python图像分割动态域值_图像处理基本算法 动态阈值分割

    在图像处理时,受外界光线的干扰一般比较大,假如在阈值分割时采用固 定阈值,那么在环境改变时分割效果受影响极大,那么为了避免此影响就 必须采用动态阈值,自动求出合适的阈值进行分割. 本文的介绍几种主要的 ...

  5. grads 相关系数_基于小波变换的多聚焦图像融合算法

    引用本文 孟强强, 杨桄, 童涛, 张俭峰. 基于小波变换的多聚焦图像融合算法[J]. 国土资源遥感, 2014,26(2): 38-42 MENG Qiangqiang, YANG Guang, T ...

  6. 肤色检测算法 - 基于不同颜色空间简单区域划分的皮肤检测算法

    基于RGB颜色空间的简单阈值肤色识别 在human skin color clustering for face detection一文中提出如下简单的判别算式: R>95 And G>4 ...

  7. 图像融合算法（像素级）

    图像融合技术可以提取自然光图像和红外图像的互补信息,获得对同一场景描述解释更为准确.全面和可靠的图像.像素级融合是常用于灰度图像与可见光图像的融合.基于源图像的彩色化就是源图像和目标图像的融合过程,使 ...

  8. 图像处理（十三）保刚性图像变形算法-Siggraph 2004

    图像变形可以说是很多图像.动画领域的一个非常常见的功能,就说ps.天天P图.美图秀秀.可牛等这些每个软件,有好多个功能都要用到图像变形,比如图像方向校正.图像全景.视频防抖等,在我的另外一篇博文全景矩 ...

  9. 图像缩放算法及速度优化

    原文来自:博客园 小欣子 图像缩放算法及速度优化--(一)最近邻插值 图像缩放算法及速度优化--(二)双线性插值 --------------------以下为原文------------------ ...

  10. 基于动态阈值、灰色世界、镜面法的自动白平衡

    白平衡是图像处理的一个极重要概念.所谓白平衡(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 ...

最新文章

  1. 转帖DataTable批量插入数据库
  2. 圆柱属于能滚动的物体吗_中班科学活动教案：滚动的物体教案(附教学反思)
  3. 不会c语言能学习python_为什么很多人学不会C语言？学霸说：你要是像我一样学肯定能行！...
  4. VTK：可视化算法之BluntStreamlines
  5. 吸烟致癌的迷思是如何破除的？
  6. BZOJ.4727.[POI2017]Turysta(哈密顿路径/回路 竞赛图)
  7. 输入URL经历的过程
  8. QTextEdit 不允许输入文字
  9. 手机交互应用服务（邮件）
  10. Unity汉化字段重命名Inspector中字段属性时显示错位及其解决办法——Unity常见问题
  11. 归并排序java详解
  12. 自定义图标——阿里图标库
  13. livereload_LiveReload
  14. 计算机系统结构总复习
  15. 如何下载Django 离线文档？
  16. 关于求两个球相交部分体积计算
  17. Android TalkingData集成 注意事项
  18. log4j.properties 使用说明
  19. iPhoneX 适配
  20. Pytorch迁移学习加载部分预训练权重

热门文章

  1. 磊科linux无线网卡驱动安装步骤,磊科nw360无线网卡安装教程(附磊科nw360驱动下载)...
  2. Sublime Text格式化SQL
  3. 使用注册表删除没用的DLL文件
  4. 水星无线网卡配置AP模式连接无线信号上不了网，怎么办？
  5. matlab的四个取整函数！
  6. 责任链模式实现及在Filter中的应用
  7. rf2o_laser_odometry和robot_localization
  8. 图像入门：MATLAB图像识别
  9. 核方法（kernel Method）
  10. 微信小程序怎么做店铺?