自动白平衡三种方法实现内附测试程序（灰度世界、完美反射和动态阈值）

算法原理

一、原始的灰度世界算法
　　灰度世界算法（Gray World)是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩变化的图像, R、 G、 B 三个分量的平均值趋于同一个灰度K。一般有两种方法来确定该灰度。

（1)直接给定为固定值, 取其各通道最大值的一半,即取为127或128；

（2)令 K = (Raver+Gaver+Baver)/3,其中Raver,Gaver,Baver分别表示红、 绿、 蓝三个通道的平均值。

算法的第二步是分别计算各通道的增益：

Kr=K/Raver;

Kg=K/Gaver;

Kb=K/Baver;

算法第三步为根据Von Kries 对角模型,对于图像中的每个像素R、G、B，计算其结果值：

Rnew = R * Kr;

Gnew = G * Kg;

Bnew = B * Kb;

对于上式，计算中可能会存在溢出（>255,不会出现小于0的)现象，处理方式有两种。

a、 直接将像素设置为255，这可能会造成图像整体偏白。

b、 计算所有Rnew、Gnew、Bnew的最大值，然后利用该最大值将将计算后数据重新线性映射到[0,255]内。实践证明这种方式将会使图像整体偏暗，建议采用第一种方案。

一般来说，灰度世界算法的效果还是比较好的呢，并且该算法的执行速度非常之快，目前也存在了不少对该算法进行改进的效果，有时间我在整理一下。

二、完美反射算法算法
原理：完美全反射理论perfect Reflector假设图像上最亮点就是白点，并以此白点为参考对图像进行自动白平衡,最亮点定义为R+G+B的最大值,具体编码步骤如下：

（1）计算每个像素的R\G\B之和，并保存到一临时内存块中。

（2）按R+G+B值的大小计算出其前10%或其他Ratio的白色参考点的的阈值T。
（3）遍历图像中的每个点，计算其中R+G+B值大于T的所有点的R\G\B分量的累积和的平均值。
（4）对每个点将像素量化到[0,255]之间。
三、动态阈值算法
白平衡算法通常分为两步：白色点的检测，白色点的调整。本方法采用一个动态的阀值来检测白色点。详细算法过程为：

1. 把图像w*h从RGB空间转换到YCrCb空间。

2. 选择参考白色点：

a. 把图像分成宽高比为4:3个块(块数可选)。

b. 对每个块，分别计算Cr，Cb的平均值Mr，Mb。

 c. 对每个块，根据Mr，Mb，用下面公式分别计算Cr，Cb的方差Dr，Db。


 d. 判定每个块的近白区域（near-white region）。
    判别表达式为：


     设一个“参考白色点”的亮度矩阵RL，大小为w*h。
     若符合判别式，则作为“参考白色点”,并把该点（i,j）的亮度（Y分量）值赋给RL(i,j)；

     若不符合，则该点的RL(i,j)值为0。

3. 选取参考“参考白色点”中最大的10%的亮度（Y分量）值，并选取其中的最小值Lu_min.

4. 调整RL，若RL(i,j)<Lu_min, RL(i,j)=0; 否则，RL(i,j)=1；

5. 分别把R，G，B与RL相乘，得到R2，G2，B2。 分别计算R2，G2，B2的平均值，Rav，Gav，Bav；

6. 得到调整增益： Ymax=double(max(max(Y)))/5;

   Rgain=Ymax/Rav;

   Ggain=Ymax/Gav;

   Bgain=Ymax/Bav;

7.调整原图像：Ro= RRgain; Go= GGgain; Bo= B*Bgain;

测试程序使用和界面显示

测试图片：

运行界面显示

点击白平衡进入白平衡界面
打开后显示如下

灰度世界算法可以实现四种测试效果如下
（1）k值为固定值128和溢出截断

（2）k值为计算值128和溢出截断

（3）k值为固定值128和溢出重新归一到0-255

（4）k值为计算值和溢出重新归一到0-255

完美反射算法可以实现多种调整不同的比值就可以
（1）比值为1

（2）比值为5

（3）比值为10

动态阈值算法可以实现多种调整
（1）增益系数为1和比值10
测试工程参见：https://download.csdn.net/download/weixin_40912644/75714539