白平衡之灰度世界算法

一、算法背景

  白平衡是图像处理比较常见的一个概念，在采集图像的过程中，相机的感光元件或者镜头会对原始色彩造成影响，而白平衡技术通常可以用来校正这种光线和镜头对颜色影响。所以现在先记录一个白平衡算法，叫做灰度世界算法，这个算法很多博客都有介绍，而且实际上就几个公式，所以我也是简单记录重要的公式和实现代码而已。

二、算法原理

  灰度世界算法（Gray World)假设认为,一幅彩色图像中，RGB三个通道的颜色平均值是趋于同一个灰度值K的，所以如果当前的通道的均值与K值存在差异，就需要对该通道的像素值进行矫正，矫正的结果则是与K有关。K值的取法有两种，一种是取最大像素值的一般，即8位图中的127或者128；第二种是以三通道的均值来作为K值。

  灰度世界白平衡算法流程如下：

  （1）、计算RGB三个通道各自的均值，得到R_avg、G_avg和B_avg ；

  （2）、取RGB均值的均值得到K值：K = ( R_avg + G_avg + B_avg ) / 3 ;

  （3）、计算各通道相对于K值的增益:

      K_R = K / R_avg

      K_G = K / G_avg

      K_B = K / B_avg

  （4）、根据增益逐个调整RGB三通道的像素值：

      R_new = R * K_R

      G_new = G * K_G

      B_new = B * K_B

  （5）、调整输出，由于上面的计算可能存在溢出，因此需要对结果进行调整，调整有两种做法：

      a）、超出部分取255；

      b）、计算R_new、G_new、B_new的最大值，然后映射回0到255。

三、实现代码

cv::Mat srcDouble;
src.convertTo(srcDouble, CV_64FC3);
cv::Scalar meanScale = cv::mean(src);

double K = (meanScale[0] + meanScale[1] + meanScale[2]) / 3;
double Kb = K / (meanScale[0]);
double Kg = K / (meanScale[1]);
double Kr = K / (meanScale[2]);

cv::Mat src_new = cv::Mat::zeros(srcDouble.size(), srcDouble.type());
for (int i = 0; i < srcDouble.rows; i++)
{
    const double *ptrSrc = srcDouble.ptr<double>(i);
    double *ptrSrc_new = src_new.ptr<double>(i);
    for (int j = 0; j < srcDouble.cols; j++)
    {
		*(ptrSrc_new + 3 * j) = *(ptrSrc + 3 * j) * Kb;
		*(ptrSrc_new + 3 * j + 1) = *(ptrSrc + 3 * j + 1) * Kg;
		*(ptrSrc_new + 3 * j + 2) = *(ptrSrc + 3 * j + 2) * Kr;
    }
}

double maxPix = -4096;
double minPix = 4096;
for (int i = 0; i < src_new.rows; i++)
{
	double *ptrSrc_new = src_new.ptr<double>(i);
	for (int j = 0; j < src_new.cols; j++)
	{
        maxPix = maxPix > *(ptrSrc_new + j * 3) ? maxPix : *(ptrSrc_new + j * 3);
        maxPix = maxPix > *(ptrSrc_new + j * 3 + 1) ? maxPix : *(ptrSrc_new + j * 3 + 1);
        maxPix = maxPix > *(ptrSrc_new + j * 3 + 2) ? maxPix : *(ptrSrc_new + j * 3 + 2);

        minPix = minPix < *(ptrSrc_new + j * 3) ? minPix : *(ptrSrc_new + j * 3);
        minPix = minPix < *(ptrSrc_new + j * 3 + 1) ? minPix : *(ptrSrc_new + j * 3 + 1);
        minPix = minPix < *(ptrSrc_new + j * 3 + 2) ? minPix : *(ptrSrc_new + j * 3 + 2);
	}
}

cv::Mat dst = cv::Mat::zeros(src.size(), src.type());
for (int i = 0; i < dst.rows; i++)
{
	double *ptrSrc_new = src_new.ptr<double>(i);
	uchar *ptrDst = dst.ptr<uchar>(i);
	for (int j = 0; j < dst.cols; j++)
	{
        *(ptrDst + j * 3) = (uchar)((*(ptrSrc_new + j * 3) / maxPix) * 255);
        *(ptrDst + j * 3 + 1) = (uchar)((*(ptrSrc_new + j * 3 + 1) / maxPix) * 255);
        *(ptrDst + j * 3 + 2) = (uchar)((*(ptrSrc_new + j * 3 + 2) / maxPix) * 255);
    }
}

cv::Mat dst1 = cv::Mat::zeros(src.size(), src.type());
for (int i = 0; i < dst.rows; i++)
{
    double *ptrSrc_new = src_new.ptr<double>(i);
    uchar *ptrDst1 = dst1.ptr<uchar>(i);
    for (int j = 0; j < dst.cols; j++)
    {
        *(ptrDst1 + j * 3) = (uchar)(*(ptrSrc_new + j * 3)>255?255: *(ptrSrc_new + j * 3));
        *(ptrDst1 + j * 3 + 1) = (uchar)(*(ptrSrc_new + j * 3 + 1)>255?255: *(ptrSrc_new + j * 3+1));
        *(ptrDst1 + j * 3 + 2) = (uchar)(*(ptrSrc_new + j * 3 + 2)>255?255: *(ptrSrc_new + j * 3+2));
    }
}
cv::imwrite("dst.jpg", dst);
cv::imwrite("dst1.jpg", dst1);
return dst;

四、算法结果

  从上到下是原图、255截断、255归一化的结果，255截断的效果会比较好一点，不过整体来说，这个算法本来就比较简单，所以也只是对于一些图像而言效果还是挺好的。

元丹丘，爱神仙，朝饮颍川之清流，
暮还嵩岑之紫烟，三十六峰长周旋。
长周旋，蹑星虹，身骑飞龙耳生风，
横河跨海与天通，我知尔游心无穷。
– 唐代 李白 《元丹丘歌》