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
-
计算每个颜色通道的平均值和最大值
-
计算平均灰度值和最大灰度值
-
联立方程求解 u′ 和 v′′:
-
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()