基于灰度世界完美反射动态阈值等图像自动白平衡算法

文章目录

一、灰度世界算法二、完美反射算法三、动态阈值算法

一、灰度世界算法

C++ 算法: 灰度世界

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。

算法步骤

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；

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。

分别计算各通道的增益：

Kr=K/Raver;

Kg=K/Gaver;

Kb=K/Baver;

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。

import numpy as npimport cv2def grayworld(img):height,width = img.shape[:2]dst = np.zeros((height,width,3),dtype=np.float64)BGR = np.sum(img,axis=(1,2))BGR = np.divide(BGR,height*width)GrayValue = np.mean(BGR)kb = GrayValue / BGR[0]kg = GrayValue / BGR[1]kr = GrayValue / BGR[2]dst[:,:,0] = np.multiply(kb,img[:,:,0])dst[:,:,1] = np.multiply(kg,img[:,:,1])dst[:,:,2] = np.multiply(kr,img[:,:,2])dst = np.where(dst>255.0,255, dst).astype(np.uint8)return dstif __name__ == '__main__':img = cv2.imread("001.png")dst = grayworld(img)cv2.imshow("raw_img",img)cv2.imshow("dst_img",dst)cv2.waitKey(0)cv2.destroyAllWindows()

一般来说，灰度世界算法的效果还是比较好的呢，并且该算法的执行速度非常之快，目前也存在了不少对该算法进行改进的效果。

处理效果图:（原图 – 效果图）

显然衣服白平衡有所改善，但是脸部出现高光的情形。

二、完美反射算法

C++ 实现：自动白平衡之完美反射算法原理

计算每个像素之和并保存。按照 R+G+B 的值的大小计算出其前10%或其他Ratio的白色参考点的阈值T。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。将每个像素量化到 [0,255] 。

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：

python 实现

import numpy as npimport cv2def perfect_reflection(img):height,width = img.shape[:2]thresh = height * width * 0.1sum_array = np.sum(img.copy(),axis=2)MaxVal = np.max(sum_array)HistRGB = np.bincount(sum_array.reshape(1,-1)[0])HistRGB_Sum = np.add.accumulate(HistRGB[::-1])Threshold = np.argwhere(HistRGB_Sum>thresh)[0][0]Thresh_array = np.where(sum_array>Threshold,1,0)cnt = np.count_nonzero(Thresh_array)Thresh_array = Thresh_array[:, :, np.newaxis].repeat(3, axis=2)sumBGR = np.sum(np.multiply(img,Thresh_array),axis=(0,1))AvgB = sumBGR[0]/cntAvgG = sumBGR[1]/cntAvgR = sumBGR[2]/cntdst = np.zeros_like(img,dtype=np.float64)dst[:,:,0] = np.divide(np.multiply(img[:,:,0],MaxVal),AvgB)dst[:,:,1] = np.divide(np.multiply(img[:,:,1],MaxVal),AvgG)dst[:,:,2] = np.divide(np.multiply(img[:,:,2],MaxVal),AvgR)dst = np.where(dst>255,255,0).astype(np.uint8)return dstif __name__ == '__main__':img = cv2.imread("001.png")dst = perfect_reflection(img)cv2.imwrite("perfect_reflection.png",dst)

效果不对，待改进。