基于灰度世界假设的自动白平衡算法

简介

自动白平衡（AWB，Automatic White Balance）是数码摄影中的一项关键技术。它用于调整图像的色彩平衡，使得图像中的白色看起来是真正的白色。灰度世界假设（Gray World Assumption）是一种常用的AWB方法。该方法基于一个简单的假设：在自然场景中，所有颜色的平均值应该是中性的灰色。这意味着红色、绿色和蓝色通道的平均值应该相等。

原理

灰度世界假设的核心思想是将图像中各个颜色通道的平均值调整为相等，从而实现白平衡。具体步骤如下：

1. 计算每个颜色通道的平均值：

   • 分别计算图像中红色、绿色和蓝色通道的平均值。

2. 计算增益：

   • 根据灰度世界假设，计算每个通道的增益，使得每个通道的平均值相等。

3. 应用增益：

   • 将计算得到的增益应用于图像的每个通道。

 

实现代码

下面是一个基于灰度世界假设的自动白平衡算法的Python实现

import cv2
import numpy as np
import matplotlib.pyplot as plt

def gray_world_awb(img):
    # 将图像转换为浮点类型以便于计算
    img = img.astype(np.float32)

    # 计算每个通道的平均值
    avg_r = np.mean(img[:, :, 2])
    avg_g = np.mean(img[:, :, 1])
    avg_b = np.mean(img[:, :, 0])

    # 计算整体的平均灰度值
    avg_gray = (avg_r + avg_g + avg_b) / 3

    # 计算每个通道的增益
    gain_r = avg_gray / avg_r
    gain_g = avg_gray / avg_g
    gain_b = avg_gray / avg_b

    # 应用增益到每个通道
    img[:, :, 2] *= gain_r
    img[:, :, 1] *= gain_g
    img[:, :, 0] *= gain_b

    # 确保像素值在[0, 255]范围内
    img = np.clip(img, 0, 255)
    img = img.astype(np.uint8)

    return img

# 读取图像
file_path = 'path/to/your/image.jpg'
img = cv2.imread(file_path)

# 应用灰度世界假设的AWB
awb_img = gray_world_awb(img)

# 显示原始图像和校正后的图像
fig, axes = plt.subplots(1, 2, figsize=(12, 6))
axes[0].imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
axes[0].set_title('Original Image')
axes[1].imshow(cv2.cvtColor(awb_img, cv2.COLOR_BGR2RGB))
axes[1].set_title('Gray World AWB Image')
plt.show()

优缺点

优点：

• 简单易用：灰度世界假设算法实现简单，计算效率高。
• 效果明显：对于大多数场景，能够显著改善图像的白平衡效果。

缺点：

• 假设过于简单：假设所有场景的颜色分布都是均匀的，可能不适用于所有图像。
• 不适用于极端情况：在颜色单一或特定颜色主导的场景中，效果可能不理想。