文章/答案/技术大牛

发布

社区首页 >专栏 >白平衡初探

白平衡初探

FPGA开源工作室

发布于 2020-07-22 12:04:25

1.5K00

代码可运行

文章被收录于专栏：FPGA开源工作室FPGA开源工作室

运行总次数：0

代码可运行

1 什么叫白平衡

什么是白平衡呢?白平衡的英文为White Balance，其基本概念是“不管在任何光源下，都能将白色物体还原为白色”，对在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行补偿。相机的白平衡设定可以校准色温的偏差，在拍摄时我们可以大胆地调整白平衡来达到想要的画面效果。

白平衡，字面上的理解是白色的平衡。白平衡是描述显示器中红、绿、蓝三基色混合生成后白色精确度的一项指标。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。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。许多人在使用数码摄像机拍摄的时候都会遇到这样的问题：在日光灯的房间里拍摄的影像会显得发绿，在室内钨丝灯光下拍摄出来的景物就会偏黄，而在日光阴影处拍摄到的照片则莫名其妙地偏蓝，其原因就在于白平衡的设置上。

在我们使用的相机上，都可以设定白平衡，大多数的人都设定成自动白平衡，这个方式简单又方便，大部分情况下也可以满足日常拍摄的需求。相机会分析我们拍摄场景的光线环境，并且尽力还原白色，光的色调是通过色温来实现的，色温会告诉相机这些光是暖色调还是冷色调。在我们使用的相机上，都可以设定白平衡，大多数的人都设定成自动白平衡，这个方式简单又方便，大部分情况下也可以满足日常拍摄的需求。相机会分析我们拍摄场景的光线环境，并且尽力还原白色，光的色调是通过色温来实现的，色温会告诉相机这些光是暖色调还是冷色调。

2 色温是什么？

色温说的是光线的温度，比如暖光或者冷光。色温的测量单位是开尔文，表示为K，也就是我们平常经常再说色温的时候，见到的比如5000k, 4500k这个概念。

1）冷光，色温高，偏蓝

2）暖光，色温低，偏红

现在我们是不是大概明白色温的意思了。色温其实并不难懂，上图当中色温从高到低，颜色也由偏蓝的冷光到偏黄的暖光。

3 常见的色温

有一些常见的场景的色温，我们需要比较熟悉，这样可以帮助我们快速的判断我们的拍摄场景，选择合适的色温。

阴天的下午或阴天：6000-7000K
直接正午的阳光：5200-5500K
白色荧光灯：4000K
白炽灯：2800K
蜡烛：1800K

4 白平衡算法

1）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。

Matlab 实现：

close allclear allclcI=imread('test1.jpg');[H,W,L]=size(I);%得到图像长宽高Rsum = 0;Gsum = 0;Bsum = 0;Rsum = double(Rsum);Gsum = double(Gsum);Bsum = double(Bsum);for i = 1 : H    for j = 1 :W        Rsum = Rsum + double(I(i,j,1));        Gsum = Gsum + double(I(i,j,2));        Bsum = Bsum + double(I(i,j,3));    endendRaver = Rsum / (H*W);Gaver = Gsum / (H*W);Baver = Bsum / (H*W);%K=128;%第一种K取值方法K = (Raver+Gaver+Baver)/3;%第二种方法Rgain = K / Raver;Ggain = K / Gaver;Bgain = K / Baver;Iwb(:,:,1) = I(:,:,1) * Rgain;Iwb(:,:,2) = I(:,:,2) * Ggain;Iwb(:,:,3) = I(:,:,3) * Bgain;imwrite(Iwb,'Result1.jpg');figure(1),subplot(121),imshow(I),title('原始图像');subplot(122),imshow(Iwb),title('自动白平衡图像');

2）完美反射算法

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。

（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。

（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。

（4）对每个点将像素量化到[0,255]之间。

Matlab:%完美反射算法--ABWclose allclear allclcI=imread('test7.jpg');I=im2double(I);R=I(:,:,1);G=I(:,:,2);B=I(:,:,3);%（1）计算每个像素的R\G\B之和，并保存到一临时内存块中。RGBsum=R+G+B;%（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。sumsort=sort(RGBsum(:)');count=round(size(sumsort,2)*0.9);T=sumsort(count);index=RGBsum>T;KR=max(R(:))/mean(R(index));KG=max(G(:))/mean(G(index));KB=max(B(:))/mean(B(index));R1=R*KR;G1=G*KG;B1=B*KB;out=cat(3,R1,G1,B1);figure(1),subplot(121),imshow(I),title('原始图像');subplot(122),imshow(out),title('完美反射法')

3）动态阈值法

（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;

Matlab：clear all;close all;clc;I=imread('test1.jpg');im1=rgb2ycbcr(I);%将图片的RGB值转换成YCbCr值%Lu=im1(:,:,1);Cb=im1(:,:,2);Cr=im1(:,:,3);[H, W, L]=size(I);tst=zeros(H,W);%计算Cb、Cr的均值Mb、Mr%Mb=mean(mean(Cb));Mr=mean(mean(Cr));%计算Cb、Cr的均方差%Db=sum(sum(Cb-Mb))/(H*W);Dr=sum(sum(Cr-Mr))/(H*W);%根据阀值的要求提取出near-white区域的像素点%cnt=1;    for i=1:H    for j=1:W        b1=Cb(i,j)-(Mb+Db*sign(Mb));        b2=Cr(i,j)-(1.5*Mr+Dr*sign(Mr));        if (b1<abs(1.5*Db) & b2<abs(1.5*Dr))           Ciny(cnt)=Lu(i,j);           tst(i,j)=Lu(i,j);           cnt=cnt+1;        end    endendcnt=cnt-1;iy=sort(Ciny,'descend');%将提取出的像素点从亮度值大的点到小的点依次排列%nn=round(cnt/10);Ciny2(1:nn)=iy(1:nn);%提取出near-white区域中10%的亮度值较大的像素点做参考白点%%提取出参考白点的RGB三信道的值%mn=min(Ciny2);for i=1:H    for j=1:W        if tst(i,j)<mn           tst(i,j)=0;        else           tst(i,j)=1;        end    endendR=I(:,:,1);G=I(:,:,2);B=I(:,:,3);R=double(R).*tst;G=double(G).*tst;B=double(B).*tst;%计算参考白点的RGB的均值%Rav=mean(mean(R));Gav=mean(mean(G));Bav=mean(mean(B));Ymax=double(max(max(Lu)))/15;%计算出图片的亮度的最大值%%计算出RGB三信道的增益%Rgain=Ymax/Rav;Ggain=Ymax/Gav;Bgain=Ymax/Bav;%通过增益调整图片的RGB三信道%im(:,:,1)=I(:,:,1)*Rgain;im(:,:,2)=I(:,:,2)*Ggain;im(:,:,3)=I(:,:,3)*Bgain;%显示图片%figure(1),subplot(121),imshow(I),title('原始图像');subplot(122),imshow(im),title('动态阈值法');