图像白平衡原理及实现

　　概述

　　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。那什么是白色？这就涉及到一些色彩学的知识，白色是指反射到人眼中的光线由于蓝、绿、红三种色光比例相同且具有一定的亮度所形成的视觉反应。

　　%%白平衡与色温紧密相关，不同色温光源下图像会呈现不同程度的偏色

　　%%由于人眼独特的适应性，在不同光照条件下观看物体时不会出现偏色，而就没这么先进了

　　%%蓝色光色温高，红色光色温低

　　clc;

　　clear all;

　　close all;

　　tic;

　　imgSrc = imread（‘E：picture3-work2-imgProc0-ISPwb_sardmen-incorrect.jpg’）;

　　imgDst = imgSrc;

　　%%第一步，计算三个通道的平均灰度

　　imgR = imgSrc（：，：，1）;

　　imgG = imgSrc（：，：，2）;

　　imgB = imgSrc（：，：，3）;

　　RAve = mean2（imgR）;

　　GAve = mean2（imgG）;

　　BAve = mean2（imgB）;

　　aveGray = （RAve + GAve + BAve） / 3;

　　%%第二步，计算三个通道的增益系数

　　RCoef = aveGray / RAve;

　　GCoef = aveGray / GAve;

　　BCoef = aveGray / BAve;

　　%%第三步，使用增益系数来调整原始图像

　　RCorrection = RCoef * imgR;

　　GCorrection = GCoef * imgG;

　　BCorrection = RCoef * imgB;

　　imgDst（：，：，1） = RCorrection;

　　imgDst（：，：，2） = GCorrection;

　　imgDst（：，：，3） = BCorrection;

　　figure，subplot（1，2，1），imshow（imgSrc），title（‘original image’）;

　　subplot（1，2，2），imshow（imgDst），title（‘white balanced image’）;

　　toc;

　　白平衡，顾名思义，即白色的平衡，由于人眼的适应性，在不同色温下，都能准确判断出白色，但是相机就差远了，在不同色温的光源下，图像会出现偏色，与人眼看到的颜色不一致，因此需要进行白平衡处理。在数码相机中，往往有ISP，这里面会做AWB（自动白平衡）处理。

　　下面先来说说白平衡与色温，然后介绍一种简单的白平衡算法，并且考虑其硬件化实现。

　　 

　　白平衡后的图像看起来更真实，这里说的真实，是指人眼实际看到的效果。

　　白平衡与色温

　　色温指某一温度下黑体所辐射的光谱，我们知道，blackbody吸收所有光谱，既不反射也不透过，因此，我们看到的黑体的颜色只与其表面温度相关。不同温度下黑体辐射出的光谱相对强度如下，可以看出，温度升高时，辐射的峰值波长在向短波方向移动，我们知道，温度越高，能量越大，而红橙黄绿蓝锭紫，波长依次减小，光子能量依次增大。因此，色温越高，光线越偏冷色，色温越低，光线越偏暖色。

　　 

　　有些数码相机在做白平衡时，可以手动选择光源，不同光源的色温如下：

　　 

　　自动白平衡（auto white balance，AWB），相对来说可能没有手动白平衡效果好，对于非摄影应用来说，由于无须人为设置，而广泛应用成像监控领域。

　　白平衡的方法介绍

　　白平衡的算法很多，有灰度世界法，完美反射法、动态阈值法，这里先介绍一种比较简单的，灰度世界法。

　　该方法以灰度世界假设为前提，认为对于一幅有大量色彩的场景，R、G、B分量的平均值趋于同一个灰度。算法大致可以分为以下三步：

　　计算三个通道的平均灰度

　　计算三个通道的增益系数

　　原始值乘上增益系数

　　matlab代码如下：

　　效果如下，该算法适用于有大量色彩的场景。

 

　　考虑硬件化实现

　　对于数字硬件来说，要考虑算法硬件实现的可能性，一般来说，可以利用帧间数据相关性，使用上一帧计算得到的各个分量的增益系数来完成图像数据的调整。算法实现如下：

　　帧有效期间，完成各个分量数据的累加；

　　帧消隐期间，完成通道平均灰度与增益系数的计算；

　　下一帧有效期间，使用上一帧计算的增益系数完成数据调整，同时，完成各个分量数据的累加，依此下去。