白平衡（灰度世界、全反射、色温估计）

人在观测物体时，视线和感知会根据场景光源进行自动调节。
而机械以及光敏元件则会受到场景光源影响，并且无法判断和处理这种不良影响。

先验：白光的RGB分量为(R=G=B=255)；灰色的光(R=G=B)。

算法：
灰度世界算法GW(自动白平衡广泛应用)
假设：一副有足够色彩变化的图像，RGB的均值趋于相等。


GB没有写，都是一样的，这里非常简单地做了一个映射，以此来达到灰度世界的假设。该方法较为简单，可也忽略了一些细节问题。R_ave，代表红通道均值，其他类似。

全反射理论算法PR(自动白平衡最常用之一)
假设：图像最亮的点(定义为R+G+B的最大值)是白点，以此进行映射。


GW和PR正交组合算法QCGP
GW和PR算法，都是基于假设来处理的，有各自优点和不足，因此将两者结合，缺点改进，优点叠加，能得到更好的算法。采用分配系数的形式，决定两种方法的贡献。

然后通过公式的联立求出u和v，最后求得RA
色温估计算法

一、色温估计
色温：图像的平均色差
色差：蓝绿色差和红绿色差（Cb和Cr），白色色差为0。
YCbCr是色彩空间的一种，通常会用于影片中的影像连续处理，或是数字摄影系统中。其中Y表示图像的亮度(luma)。
JPEG就采用的该模式进行的压缩。

色温估计：在一定约束下，检索到白色像素，进而估计平均色差。
①Nakano

②Lee在①的基础上进行延伸

加入Y与Cb和Cr的相关性

二、增益计算
在一中找出了待选白色区域点，在区域内进行增益，通过增益算法，将Cb和Cr调整到0(或接近于0)。
对每个像素进行计算

三、色温校正
在二中找到了增益的计算方法，然后在其他非白色区域引用该增益计算方法。，对色温进行校正。
将图像每个预测白色像素点的R和B通道分别乘上u,v。重新计算色温校正后图像的色差，判断色差Cb,Cr是否已经达到足够小，未达到则返回增益计算。下图为迭代过程

评估

本文最后的图借鉴：
https://blog.csdn.net/u010373145/article/details/44223375