173
1 什么叫白平衡
什么是白平衡呢?白平衡的英文為 White Balance，其基本概念是“不管在任何光源下，都能將白色物體還原為白色”，對在特定光源下拍攝時出現(xiàn)的偏色現(xiàn)象，通過加強對應的補色來進行補償。相機的白平衡設定可以校準色溫的偏差，在拍攝時我們可以大膽地調整白平衡來達到想要的畫面效果。
白平衡，字面上的理解是白色的平衡。白平衡是描述顯示器中紅、綠、藍三基色混合生成后白色精確度的一項指標。白平衡是電視攝像領域一個非常重要的概念，通過它可以解決色彩還原和色調處理的一系列問題。白平衡是隨著電子影像再現(xiàn)色彩真實而產(chǎn)生的，在專業(yè)攝像領域白平衡應用的較早。家用電子產(chǎn)品（家用攝像機、數(shù)碼照相機）中也廣泛地使用，然而技術的發(fā)展使得白平衡調整變得越來越簡單容易，但許多使用者還不甚了解白平衡的工作原理，理解上存在諸多誤區(qū)。它是實現(xiàn)攝像機圖像能精確反映被攝物的色彩狀況，有手動白平衡和自動白平衡等方式。許多人在使用數(shù)碼攝像機拍攝的時候都會遇到這樣的問題：在日光燈的房間里拍攝的影像會顯得發(fā)綠，在室內鎢絲燈光下拍攝出來的景物就會偏黃，而在日光陰影處拍攝到的照片則莫名其妙地偏藍，其原因就在于白平衡的設置上。
在我們使用的相機上，都可以設定白平衡，大多數(shù)的人都設定成自動白平衡，這個方式簡單又方便，大部分情況下也可以滿足日常拍攝的需求。相機會分析我們拍攝場景的光線環(huán)境，并且盡力還原白色，光的色調是通過色溫來實現(xiàn)的，色溫會告訴相機這些光是暖色調還是冷色調。在我們使用的相機上，都可以設定白平衡，大多數(shù)的人都設定成自動白平衡，這個方式簡單又方便，大部分情況下也可以滿足日常拍攝的需求。相機會分析我們拍攝場景的光線環(huán)境，并且盡力還原白色，光的色調是通過色溫來實現(xiàn)的，色溫會告訴相機這些光是暖色調還是冷色調。
2 色溫是什么？
色溫說的是光線的溫度，比如暖光或者冷光。色溫的測量單位是開爾文，表示為 K，也就是我們平常經(jīng)常再說色溫的時候，見到的比如 5000k, 4500k 這個概念。
? 1）冷光，色溫高，偏藍
? 2）暖光，色溫低，偏紅
現(xiàn)在我們是不是大概明白色溫的意思了。色溫其實并不難懂，上圖當中色溫從高到低，顏色也由偏藍的冷光到偏黃的暖光。
3 常見的色溫
有一些常見的場景的色溫，我們需要比較熟悉，這樣可以幫助我們快速的判斷我們的拍攝場景，選擇合適的色溫。
-
陰天的下午或陰天：6000-7000K
-
直接正午的陽光：5200-5500K
-
白色熒光燈：4000K
-
白熾燈：2800K
-
蠟燭：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)是以灰度世界假設為基礎的,該假設認為對于一幅有著大量色彩變化的圖像, R、 G、 B 三個分量的平均值趨于同一個灰度 K。一般有兩種方法來確定該灰度。
（1）直接給定為固定值, 取其各通道最大值的一半,即取為 127 或 128；
（2）令 K = (Raver+Gaver+Baver)/3,其中 Raver,Gaver,Baver 分別表示紅、 綠、 藍三個通道的平均值。
算法的第二步是分別計算各通道的增益：
? Kr=K/Raver;
? ? Kg=K/Gaver;
? ? Kb=K/Baver;?
算法第三步為根據(jù) Von Kries 對角模型,對于圖像中的每個像素 R、G、B，計算其結果值：
? ? Rnew = R * Kr;?
? ? Gnew = G * Kg;?
? ? Bnew = B * Kb;?
?對于上式，計算中可能會存在溢出（>255,不會出現(xiàn)小于 0 的)現(xiàn)象，處理方式有兩種。
? ? ?a、 直接將像素設置為 255，這可能會造成圖像整體偏白。
? ? b、 計算所有 Rnew、Gnew、Bnew 的最大值，然后利用該最大值將將計算后數(shù)據(jù)重新線性映射到[0,255]內。實踐證明這種方式將會使圖像整體偏暗，建議采用第一種方案。
Matlab 實現(xiàn)： ?
close all
clear all ?
clc ?
I=imread('test1.jpg'); ?
[H,W,L]=size(I);%得到圖像長寬高
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));
end
end ?
Raver = Rsum / (H*W);
Gaver = Gsum / (H*W);
Baver = Bsum / (H*W);
%K=128;%第一種 K 取值方法
K = (Raver+Gaver+Baver)/3;%第二種方法 ?
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('原始圖像'); ?
subplot(122),imshow(Iwb),title('自動白平衡圖像');
2）完美反射算法
原理：完美全反射理論 perfect Reflector 假設圖像上最亮點就是白點，并以此白點為參考對圖像進行自動白平衡,最亮點定義為 R+G+B 的最大值,具體編碼步驟如下：?
（1）計算每個像素的 RGB 之和，并保存到一臨時內存塊中。
（2）按 R+G+B 值的大小計算出其前 10%或其他 Ratio 的白色參考點的的閾值 T。
（3）遍歷圖像中的每個點，計算其中 R+G+B 值大于 T 的所有點的 RGB 分量的累積和的平均值。
（4）對每個點將像素量化到[0,255]之間。
?
Matlab:
%完美反射算法 --ABW
close all
clear all
clc ?
I=imread('test7.jpg');
I=im2double(I); ?
R=I(:,:,1);
G=I(:,:,2);
B=I(:,:,3);
%（1）計算每個像素的 RGB 之和，并保存到一臨時內存塊中。
RGBsum=R+G+B;
%（2）按 R+G+B 值的大小計算出其前 10%或其他 Ratio 的白色參考點的的閾值 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('原始圖像');
subplot(122),imshow(out),title('完美反射法')
3）動態(tài)閾值法
（1）. ?把圖像 w*h 從 RGB 空間轉換到 YCrCb 空間。
（2）. ?選擇參考白色點：
? a. 把圖像分成寬高比為 4:3 個塊(塊數(shù)可選)。
? b. 對每個塊，分別計算 Cr，Cb 的平均值 Mr，Mb。
? c. 對每個塊，根據(jù) Mr，Mb，用下面公式分別計算 Cr，Cb 的方差 Dr，Db。
? d. 判定每個塊的近白區(qū)域（near-white region）。
判別表達式為：
設一個“參考白色點”的亮度矩陣 RL，大小為 w*h。
若符合判別式，則作為“參考白色點”,并把該點（i,j）的亮度（Y 分量）值賦給 RL(i,j)；
?若不符合，則該點的 RL(i,j)值為 0。
（3）. ?選取參考“參考白色點”中最大的 10%的亮度（Y 分量）值，并選取其中的最小值 Lu_min.
（4）. ?調整 RL，若 RL(i,j)<Lu_min, ?RL(i,j)=0; 否則，RL(i,j)=1；
（5）. 分別把 R，G，B 與 RL 相乘，得到 R2，G2，B2。?分別計算 R2，G2，B2 的平均值，Rav，Gav，Bav；
（6）.? 得到調整增益：
? ? Ymax=double(max(max(Y)))/5;
? ??Rgain=Ymax/Rav;
? ? Ggain=Ymax/Gav;
? ? Bgain=Ymax/Bav;
（7）. ?調整原圖像：
? ?Ro= R*Rgain;?
? ?Go= G*Ggain;?
? ?Bo= B*Bgain;
?
?
Matlab：
clear all;?
close all;
clc;
I=imread('test1.jpg');
im1=rgb2ycbcr(I);%將圖片的 RGB 值轉換成 YCbCr 值%
Lu=im1(:,:,1);
Cb=im1(:,:,2);
Cr=im1(:,:,3);
[H, W, L]=size(I);
tst=zeros(H,W);
%計算 Cb、Cr 的均值 Mb、Mr%
Mb=mean(mean(Cb));
Mr=mean(mean(Cr));
%計算 Cb、Cr 的均方差%
Db=sum(sum(Cb-Mb))/(H*W);
Dr=sum(sum(Cr-Mr))/(H*W);
%根據(jù)閥值的要求提取出 near-white 區(qū)域的像素點%
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
end
end
cnt=cnt-1;
iy=sort(Ciny,'descend');%將提取出的像素點從亮度值大的點到小的點依次排列%?
nn=round(cnt/10);
Ciny2(1:nn)=iy(1:nn);%提取出 near-white 區(qū)域中 10%的亮度值較大的像素點做參考白點%
%提取出參考白點的 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
end
end
R=I(:,:,1);
G=I(:,:,2);
B=I(:,:,3);
R=double(R).*tst;
G=double(G).*tst;
B=double(B).*tst;
%計算參考白點的 RGB 的均值%
Rav=mean(mean(R));
Gav=mean(mean(G));
Bav=mean(mean(B));
Ymax=double(max(max(Lu)))/15;%計算出圖片的亮度的最大值%
%計算出 RGB 三信道的增益%
Rgain=Ymax/Rav;
Ggain=Ymax/Gav;
Bgain=Ymax/Bav;
%通過增益調整圖片的 RGB 三信道%
im(:,:,1)=I(:,:,1)*Rgain;
im(:,:,2)=I(:,:,2)*Ggain;
im(:,:,3)=I(:,:,3)*Bgain;
%顯示圖片%
figure(1),
subplot(121),imshow(I),title('原始圖像');
subplot(122),imshow(im),title('動態(tài)閾值法');
