白平衡算法模型（灰度世界、完美反射、自适应自动白平衡）

        

目录

1、灰度世界算法模型

2、完美反射模型

3、自适应自动白平衡算法

---

        该部分的白平衡算法主要是基于一定假设基础上的算法，主要有灰度世界算法模型、完美反射算法模型以及自适应自动白平衡算法模型，该类算法原理比较简单，方便实现，但是当假设不成立的话，方法的效果并不好。

1、灰度世界算法模型

        如果一副图像颜色足够丰富的话，那么在已知经典光源下的R、G、B三通道的均值应该等于相等，等于一个“灰色”值，这个灰色值是已知的，通过统计未知光源下的R、G、B三通道的均值，与已知的”灰色“值进行比较，就可以获得未知光源的信息，对于“灰色”值的定义一般有两种方法。

方法一：取整幅图像的RGB三通道的平均值值作为该“灰度”值。

方法二：考虑到人眼视觉系统中 ，人眼对绿色通道最敏感，同时大多数Bayer格式的CFA插值也是G通道的通光量最大，因此绿通道包含更多的光源信息，所以选取图像的G通道为该“绿色”值：

对于一幅像素点为M*N的图像，其灰色世界算法的一般计算过程如下：

首先计算三个通道的平均值

   然和根据Gray灰度标准值来确定各个通道的增益：

 最后根据计算出来的RGB增益，对图像进行调整：

         灰度世界模型比较简单，实现起来比较方便，在颜色丰富的场景能够得到较好的应用，但是当假设不成立时候，比如图像中存在大面积单一色块时，该算法的处理结果就会有偏差，有明显的偏色现象。

2、完美反射模型

完美反射法又称为镜面法，该算法假设图像中最亮的点就是白点，对于一幅M*N的图像，设Rmax，Gmax，Bmax分别为M*N像素点中的最大红绿蓝值，则RGB三通道的增益为：

应用图像颜色校正时，输出结果如下（红通道为例）：

 其他G、B通道的应用结果类似。

但是当图像中不存在白点，或者最亮点偏离白色点很多时候，该算法的处理结果就会出现较大的偏差， 为了提高统计白点的准确度，优化白平衡算法效果，在此算法的基础上，提出自适应自动白平衡算法。

3、自适应自动白平衡算法

先将图像从RGB空间转换到YCrCb空间，Y表示颜色的亮度，Cb、Cr表示蓝色和红色的色度分量，对于白点，R、G、B三通道的颜色分量相等，表现在YCbCr颜色空间上则是蓝色差分量Cb和红色差分量Cr均为0，所以，可以认为Y足够大，Cb、Cr足够小的像素点认为时白点。

   白色区域的检测方法的逐步细化，使得参与计算的像素具有更强的白色特征，优化了图像颜色校正的效果。