白平衡算法之Gray World、White Patch、SoG

开坑记录一下白平衡相关算法，从两个最基本的白平衡算法开始。

白平衡算法之Gray World和White Patch

  颜色作为物体最基本的属性，在大部分场合对人类视觉而言是一个能够轻而易举捕获的信息。但在数字成像过程中，颜色是一种及其不稳定的图像特征。数字成像时获取的颜色主要依赖三个因素：物体表面光谱反射率、场景中的光照条件和成像器件的对光的灵敏度曲线。人类视觉系统存在一种颜色恒常性功能，能够在不同的光照下自动消除光照的影响，从而获得较稳定和准确的物体颜色。但是成像设备不具备这种特质，因此白平衡算法对成像颜色好坏起到了至关重要的作用。

  白平衡算法的核心内容就是估计光照。但是从一幅已有图像去估计光照本身就是一个病态问题，因此，现有的白平衡算法基本都是基于一定的假设和先验条件。其中，Gray World和White Patch是两个基于各自假设，简单、实用的白平衡算法。

---

White Patch（MaxRGB）

  White Patch假设：图像中，RGB颜色通道的最大响应是由场景中的白色表面引起的。理论上白色表面可以反射场景光照的颜色，因此，RGB通道中最大的值将被作为图像的光照颜色。所以，该算法又被称为MaxRGB算法。其数学形式为：

$$\underset{x}{\max }f(X)=ke\text{\hspace{1em}(1)}$$

  其中$X$表示像素点坐标，$k$为用于校准光照的常量，$e$为光照。该最大值是各通道分别计算，而不是必须是一个像素点的三通道最大。这就导致了该算法在很多场合中其实并不适用，因为该算法假设需要在场景中存在一个白色（标准光源下）像素点或者三通道反射率相同的点（灰点）。当场景中没有这样的点的时候，该算法的表现就会比较糟糕。而以后的许多算法也是在找白点上做了各种改进，该算法最大的优点就是简单高效。

  具体的实现也比较简单，实际用的时候，白点的定义也可以有很多。归一化后可以以1作为最大点，也可以用绿色通道最大值作为最亮点求各个通道的增益系数。

算法流程

• 计算三通道各自最大值$R_{max}$，$G_{max}$，$B_{max}$。
• 计算增益， k = [ R m