方法 - opencv 白平衡算法

二、方法

1、灰度世界算法

灰度世界算法以灰度世界假設(shè)為基礎(chǔ)，該假設(shè)認(rèn)為：對(duì)于一幅有著大量色彩變化的圖像，R、G、B，三個(gè)分量的平均值趨于同一灰度值。從物理意義上講，灰色世界法假設(shè)自然界景物對(duì)于光線的平均反射的均值在總體上是個(gè)定值Gray，這個(gè)定值近似地為“灰色”。顏色平衡算法將這一假設(shè)強(qiáng)制應(yīng)用于待處理圖像，可以從圖像中消除環(huán)境光的影響，獲得原始場(chǎng)景圖像。

算法執(zhí)行步驟：

（1）確定灰度均值：Gray

（2）計(jì)算三個(gè)通道的增益：Kr，Kg，Kb；

（3）調(diào)整R、G、B分量；

這種算法簡(jiǎn)單快速，但是當(dāng)圖像場(chǎng)景顏色并不豐富時(shí)，尤其出現(xiàn)大塊單色物體時(shí)，該算法常會(huì)失效。

以下是OpenCV實(shí)現(xiàn)的灰度世界算法代碼：

#include 《highgui/highgui.hpp》

#include 《imgproc/imgproc.hpp》

using namespace cv;

int main（）

{

Mat imageSource = imread（“02.jpg”）;

imshow（“原始圖像”， imageSource）;

vector《Mat》 imageRGB;

//RGB三通道分離

split（imageSource， imageRGB）;

//求原始圖像的RGB分量的均值

double R， G， B;

B = mean（imageRGB［0］）［0］;

G = mean（imageRGB［1］）［0］;

R = mean（imageRGB［2］）［0］;

//需要調(diào)整的RGB分量的增益

double KR， KG， KB;

KB = （R + G + B） / （3 * B）;

KG = （R + G + B） / （3 * G）;

KR = （R + G + B） / （3 * R）;

//調(diào)整RGB三個(gè)通道各自的值

imageRGB［0］ = imageRGB［0］ * KB;

imageRGB［1］ = imageRGB［1］ * KG;

imageRGB［2］ = imageRGB［2］ * KR;

//RGB三通道圖像合并

merge（imageRGB， imageSource）;

imshow（“白平衡調(diào)整后”， imageSource）;

waitKey（）;

return 0;

}

原始圖像一，整體圖像偏綠色：

?

白平衡校正后，天空的藍(lán)色和樹葉的綠色都得到了很好的還原：

?

原始圖像二，整體偏黃色：

?

白平衡校正后效果：

?

2、完美全反射理論

完美全反射理論（perfect Reflector）假設(shè)圖像上最亮點(diǎn)就是白點(diǎn)，并以此白點(diǎn)為參考對(duì)圖像進(jìn)行自動(dòng)白平衡，最亮點(diǎn)定義為R+G+B的最大值。

3、動(dòng)態(tài)閾值算法

參考論文：A Novel Automatic White Balance Method For Digital Still Cameras

算法分為兩個(gè)步驟：白點(diǎn)檢測(cè)和白點(diǎn)調(diào)整。

三、驗(yàn)證

通過測(cè)試效果表明：動(dòng)態(tài)閾值法，1、該算法效果非常好；2、對(duì)塊大小不太敏感，因此非常適合于自動(dòng)化操作。