白平衡初探

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(yīng)的補色來進行補償。相機的白平衡設(shè)定可以校準色溫的偏差，在拍攝時我們可以大膽地調(diào)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(lǐng)域一個非常重要的概念，通過它可以解決色彩還原和色調(diào)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(lǐng)域白平衡應(yīng)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(shù)的發(fā)展使得白平衡調(diào)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(nèi)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(shè)置上。

在我們使用的相機上，都可以設(shè)定白平衡，大多數(shù)的人都設(shè)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(diào)是通過色溫來實現(xiàn)的，色溫會告訴相機這些光是暖色調(diào)還是冷色調(diào)。在我們使用的相機上，都可以設(shè)定白平衡，大多數(shù)的人都設(shè)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(diào)是通過色溫來實現(xiàn)的，色溫會告訴相機這些光是暖色調(diào)還是冷色調(diào)。

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(shè)為基礎(chǔ)的,該假設(shè)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(jié)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(shè)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(nèi)。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(shè)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(nèi)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(nèi)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(zhuǎn)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(shè)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(diào)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(diào)整增益：

? ? Ymax=double(max(max(Y)))/5;

? ??Rgain=Ymax/Rav;

? ? Ggain=Ymax/Gav;

? ? Bgain=Ymax/Bav;

（7）. ?調(diào)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(zhuǎn)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(diào)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');