基于灰度世界和完美反射假设的自动白平衡算法

简介

自动白平衡（AWB，Automatic White Balance）是数码摄影中的关键技术。其目的是调整图像的色彩平衡，使图像中的白色看起来是真正的白色。灰度世界假设（Gray World Assumption）和完美反射假设（Perfect Reflector Assumption）是两种常见的AWB方法。本文介绍一种结合这两种假设的方法，以实现更准确的白平衡校正。

理论基础

灰度世界假设

灰度世界假设认为图像中的颜色平均值应该是中性的灰色，即红、绿、蓝三色分量的均值应相等。公式如下：

其中：

• ​ 分别是红、绿、蓝通道的平均值
• 是图像中RGB通道的平均灰度值

完美反射假设

完美反射假设认为图像中的某些区域能够完美反射所有入射光，这些区域的颜色应该是白色或灰色。公式如下：

其中：

• 分别是红、绿、蓝通道的最大值
• ​ 是图像中RGB通道的最大灰度值

联立方程求解

通过联立上述两个方程，可以求得 u′′ 和 v′的值。

实现步骤

1. 计算每个颜色通道的平均值和最大值

2. 计算平均灰度值和最大灰度值

3. 联立方程求解 u′ 和 v′′：

4. 应用增益

实现代码

以下是结合灰度世界假设和完美反射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 combined_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])

    # 计算每个通道的最大值
    max_r = np.max(img[:, :, 2])
    max_g = np.max(img[:, :, 1])
    max_b = np.max(img[:, :, 0])

    # 计算平均灰度值
    K_ave = (avg_r + avg_g + avg_b) / 3

    # 计算最大灰度值
    K_max = (max_r + max_g + max_b) / 3

    # 联立方程求解 u' 和 v' 对于红色通道
    A_r = np.array([[avg_r**2, avg_r], [max_r**2, max_r]])
    B_r = np.array([K_ave, K_max])
    u_v_prime_r = np.linalg.solve(A_r, B_r)
    u_prime_r, v_prime_r = u_v_prime_r

    # 联立方程求解 u' 和 v' 对于绿色通道
    A_g = np.array([[avg_g**2, avg_g], [max_g**2, max_g]])
    B_g = np.array([K_ave, K_max])
    u_v_prime_g = np.linalg.solve(A_g, B_g)
    u_prime_g, v_prime_g = u_v_prime_g

    # 联立方程求解 u' 和 v' 对于蓝色通道
    A_b = np.array([[avg_b**2, avg_b], [max_b**2, max_b]])
    B_b = np.array([K_ave, K_max])
    u_v_prime_b = np.linalg.solve(A_b, B_b)
    u_prime_b, v_prime_b = u_v_prime_b

    # 应用增益到每个通道
    img[:, :, 2] = u_prime_r * img[:, :, 2]**2 + v_prime_r * img[:, :, 2]
    img[:, :, 1] = u_prime_g * img[:, :, 1]**2 + v_prime_g * img[:, :, 1]
    img[:, :, 0] = u_prime_b * img[:, :, 0]**2 + v_prime_b * img[:, :, 0]

    # 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)

# 应用结合最大反射和灰度世界假设的AWB
awb_img = combined_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('Combined AWB Image')
plt.show()

效果展示：