白平衡原理

http://chuansong.me/n/126105

白平衡原理串讲

2013-07-24 Zealer中国

    首先要明白什么是白平衡，它指的是在图像处理的过程中，对原本材质为白色的物体的图像进行色彩还原，通过去除外部光源色温的影响，使其在最终照片上的图像也呈现为原来一致的白色。

    那色温是怎么理解的呢？这个概念其实有点绕，它是开尔文通过黑体（blackbody）这一理想光源，在不同温度下的不同颜色光线来定义的。（黑体是一个理想化的概念，是指这么一个物体，能发光，但会吸收掉任何来自外部的光线，同时又会把吸收的所有能量以光的形式完全释放出来，所以叫做黑体。）黑体的温度单位叫做开尔文（K）。从3300K到9300K的温度变化情况下，它发光的颜色分别是，红色，白色、蓝色。便于理解，大家可以这么想象，就像火焰一样，内焰温度较低，外焰温度较高（蓝色），内焰温度较低的地方是黄色的（暖色），于是火焰最外面温度最高的地方反而会是蓝色的（冷色），有点些许反常识。而色温就是借助黑体的这个温度变化特性来量化色彩倾向的。色温数值低，偏黄，色温数值高，偏蓝，所谓的冷暖色调就是一种比较感性的叫法了。

    了解完色温的概念，我们就可以展开来讨论了，说白了白平衡修正的目的就是把色温调整下，让颜色跟人眼看上去一个样儿。而目前白平衡修正中的算法基础，就是下面两个很重要的理论。（重点，期末考试会考的）：

    灰度世界理论：这个理论蛮有意思，与其说是色彩学，我觉得更像是统计学范畴的东西，它认为任何一幅图像，当有足够的色彩变化时，其 R，G，B 分量均值会趋于平衡（即 RGB 三个数值相等，也就是说应当是黑白灰类型的颜色）。这个理论在全局白平衡中得到广泛应用，特点是能够利用更多的图像信息来做判断，但在面对色彩较为单一的图像时就显得有些乏力了。

    全反射理论：一幅图像中亮度最大的点就是白点，即假设在YCbCr空间中Ｙ值最大的点为白色，以此来校正整幅图像。特点是只考虑色彩最亮的那部分，跟上面的灰度世界理论正好相反，在处理色彩偏单调的图像时效果好些，但面对颜色丰富的图片时，因为最亮的点不一定是白色的，有可能会出现偏色或矫枉过正的情况。

    这两个理论分别对应着两种色彩空间RGB和YCbCr调整白平衡的理论基础：如何判断一张图片白平衡是否准确，如果不准确，又该如何量化其偏离数值。

    这里大家可能就会好奇了，白平衡就是一个纠正画面整体偏色的过程，那为什么人眼不需要呢？其实在你看到一个东西的时候，眼睛就已经对它进行了色彩修正，只不过习惯了以后你已经意识不到了，就像你的眼睛是实际上是可以看见自己鼻子的，但习惯以后潜意识里面就会把它从视野中去除掉，以便减少视觉干扰一样。相机肯定没有人眼那么智能（至少现在没有），概括的说，它的自动白平衡算法就是设定一个范围，如果拍摄照片的色彩平均值落在这个范围里面，那就OK，无需修正。如果偏离出这个范围，就要调整参数，并校正色彩数据直到其均值落入指定的范围内。这就是WB白平衡修正的过程。

    下面就来简单介绍几个白平衡算法大致原理，但具体的增益计算和数学建模过程就不作赘述了，这东西即便是专业的人看了也会觉得头大的（你们知道我学了六年数学有多苦逼吗？！）。

1.灰度世界算法（Gray World Assumption）

    这个算法原理很简单，就是根据前面所说的灰度世界理论，将原始图像的RGB均值分别调整到R=G=B即可。不完美的地方就是这个算法对颜色不丰富的图像敏感程度一般，处理起来效果也就不会很理想，局限性较大。

2.标准差加权灰度世界算法（Standard Deviation Weighted Gray World Assumption）

    标准差加权灰度世界算法是针对上一个算法的改进，它的原理是把图像等分成几块，然后对每个块利用统计学进行分析，看里面颜色的丰富程度，颜色多的就加权，颜色少得就减少权重，最后求和得出一个均值。根据这个相对精确的数值来进行RGB数值的修正。

3.全反射算法（Perfect Reflector Assumpution）

    这个是基于前面介绍的全反射理论生成的算法，理解起来也不难，它认为中最亮的那个点就一定是白色的，如果原始图像中最亮的那个点不是，那就针对偏离白色的数值进行逆向修正。缺点就是如果图像色彩复杂或者就是没有高光点，它的修正效果就会比较乏力。

   

    上面三个算法比较简单，运算量不大，但各有优缺点，也就进一步衍生出了更加有效但是却要复杂的多一些混合算法，例如：亮度加权灰度世界算法与全反射算法的正交组合算法（Quadratic Combining Luminance Weighted Gray World & Prefect Reflector Assumption）。看这么长的名字就知道，这个算法很复杂，白平衡修正效果也是蛮不错的，而且它本身是收敛的，在对图像处理的时候不会带来太多损失，但可惜运算量巨大，对硬件资源的要求过高。

    算法方面挺枯燥的，非理工科对数学没兴趣也可以直接略过，大体知道这么回事儿就行。但我可以给出的结论是：最终效果越好的算法，其复杂程度就越高，运算量就越大，对硬件电路的要求也高。具体的实现还需要在白平衡校正能力，算法执行效率，处理器硬件性能三个方面进行权衡。

    而通过上面的了解你就会发现，如果ISP（Image Signal Processor图像信号处理器）的性能够高，白平衡算法施展的空间就会大了很多。某些时候白平衡不准确，一定程度上确实是与ISP性能跟不上有关，当然，这里也要看各家厂商在算法优化方面的功底。一般来说同一时代各个品牌的旗舰处理性能差别不会特别大，虽然软件方面下的功夫不容易看到，但重要性亦是毋庸置疑的，能否把硬件整体性能充分发挥出来才是关键。

    举例来说，在单反刚刚数码化的那个年代，相机的图像处理器性能比较低下，难以承受高运算强度的白平衡算法的蹂躏，于是很多单反相机（如佳能1D，尼康D2，奥林巴斯E-1等）机身上是有一个白平衡感应装置的（就是机身正面的那个小白点），这个可以辅助提高白平衡准确度。到后来随着相机图像处理器的性能飙升，大概是从富士通给尼康代工的Expeed一代处理器开始，就取消了外置白平衡感应器这个装置。通过越来越多的RGB测光分区数，配合越发强大的处理器来进行更加准确的色温修正。这里多说两句，分区越多，白平衡采样处理就越准确，但同时也会带来计算量上面的飙升，从最初的只有几个分区，到D800上面用的9.1万像素RGB感应器，在同时完成测光和白平衡计算的同时，甚至还能够余出力气进行人脸识别，背后那块改用了ARM架构Expeed 3才是最大的功臣。而像DC啊，手机摄像头啊这类连续取景的相机，则是用前一帧图像的处理结果应用到后面的图像上去的，实现方式同单反上面那个单独的测光感应器还不太一样的。这是产品本身结构差异性导致的。

    现如今手机上自带相机的白平衡功能不太强，可以从图像处理器性能不够强的角度上去理解，手机毕竟不是相机，在成本方面先天就存在诸多限制。但也不否认，即便在这种前提下，一些品牌在优化方面依然可以下很多功夫，在这方面做的很好，满足用户的日常拍摄需求是没啥问题的。就像拓海开他爸那辆老掉牙的AE86在秋名山上一样能赢GTR一样，内功外功都很重要。

                                                                                  李侃 Allen