opencv 白平衡

目录

python 随机白平衡增强：

---

这个可以参考：

python opencv白平衡算法_基于图像分析的偏色检测及颜色校正方法 :param img: cv2.imread读取的图片数据 :-CSDN博客

OpenCV 图像白平衡算法（相机自动白平衡）

彩色相机内部有三个CCD电子耦合元件，分别用来感受红绿蓝三中颜色的光线，默认情况下，三个颜色的感光电路信号的放大比例是1:1:1的。在理想的拍摄环境下，纯白色的RGB分量按照1:1:1的比例放大之后，得到的是没有偏色的白色，当在非理想的环境光条件下，白色成像出来的效果会偏向环境光的颜色，而不是纯白色。

相机的自动白平衡就是要通过改变RGB感光电路信号的放大比例，让受环境光影响的白色还原成纯白色，保证在各种光线条件下，成像色彩跟物体真实的色彩保持一致。

常用的一种自动白平衡算法是灰度世界法，它假设对于一副色彩丰富的图像，图像上RGB三个分量的平均值趋于同一个灰度值，一般取这个灰度值的大小为RGB三分量的平均值。

python 随机白平衡增强：

import cv2
import numpy as np


def random_color_augmentation(image):
    # 将图像从BGR颜色空间转换为HSV颜色空间
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

    # 随机生成色调、饱和度和亮度的增强系数
    hue_shift = np.random.randint(-10, 10)
    saturation_scale = np.random.uniform(0.8, 1.2)
    value_scale = np.random.uniform(0.8, 1.2)

    # 调整色调
    hsv_image[:, :, 0] = (hsv_image[:, :, 0] + hue_shift) % 180

    # 调整饱和度和亮度
    hsv_image[:, :, 1] = np.clip(hsv_image[:, :, 1] * saturation_scale, 0, 255)
    hsv_image[:, :, 2] = np.clip(hsv_image[:, :, 2] * value_scale, 0, 255)

    # 将图像从HSV颜色空间转换回BGR颜色空间
    enhanced_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)

    return enhanced_image

# 读取图像
image = cv2.imread('aaa.png')

while True:
# 进行白平衡处理
    balanced_image = random_color_augmentation(image)

    # 显示原始图像和处理后的图像
    cv2.imshow('Original Image', image)
    cv2.imshow('Balanced Image', balanced_image)
    cv2.waitKey(0)

以下是OpenCV实现的灰度世界法：

python:

import cv2 as cv

# import numpy as np


# 读取图像

img = cv.imread(r'F:\images\11.jpg')

r, g, b = cv.split(img)

r_avg = cv.mean(r)[0]

g_avg = cv.mean(g)[0]

b_avg = cv.mean(b)[0]


# 求各个通道所占增益

k = (r_avg + g_avg + b_avg) / 3

kr = k / r_avg

kg = k / g_avg

kb = k / b_avg


r = cv.addWeighted(src1=r, alpha=kr, src2=0, beta=0, gamma=0)

g = cv.addWeighted(src1=g, alpha=kg, src2=0, beta=0, gamma=0)

b = cv.addWeighted(src1=b, alpha=kb, src2=0, beta=0, gamma=0)


balance_img = cv.merge([b, g, r])

c++

#include <highgui/highgui.hpp>

#include <imgproc/imgproc.hpp>


using namespace cv;


int main()

{

Mat imageSource = imread("02.jpg");

imshow("原始图像", imageSource);

vector<Mat> imageRGB;


//RGB三通道分离

split(imageSource, imageRGB);


//求原始图像的RGB分量的均值

double R, G, B;

B = mean(imageRGB[0])[0];

G = mean(imageRGB[1])[0];

R = mean(imageRGB[2])[0];


//需要调整的RGB分量的增益

double KR, KG, KB;

KB = (R + G + B) / (3 * B);

KG = (R + G + B) / (3 * G);

KR = (R + G + B) / (3 * R);


//调整RGB三个通道各自的值

imageRGB[0] = imageRGB[0] * KB;

imageRGB[1] = imageRGB[1] * KG;

imageRGB[2] = imageRGB[2] * KR;


//RGB三通道图像合并

merge(imageRGB, imageSource);

imshow("白平衡调整后", imageSource);

waitKey();

return 0;

}

原始图像一，整体图像偏绿色：

白平衡校正后，天空的蓝色和树叶的绿色都得到了很好的还原：

原始图像二，整体偏黄色：

白平衡校正后效果：