二、方法

1、灰度世界算法

灰度世界算法以灰度世界假設為基礎，該假設認為：對于一幅有著大量色彩變化的圖像，R、G、B，三個分量的平均值趨于同一灰度值。從物理意義上講，灰色世界法假設自然界景物對于光線的平均反射的均值在總體上是個定值Gray，這個定值近似地為“灰色”。顏色平衡算法將這一假設強制應用于待處理圖像，可以從圖像中消除環境光的影響，獲得原始場景圖像。

算法執行步驟：

（1）確定灰度均值：Gray

（2）計算三個通道的增益：Kr，Kg，Kb；

（3）調整R、G、B分量；

這種算法簡單快速，但是當圖像場景顏色并不豐富時，尤其出現大塊單色物體時，該算法常會失效。

以下是OpenCV實現的灰度世界算法代碼：

#include 《highgui/highgui.hpp》

#include 《imgproc/imgproc.hpp》

using namespace cv;

int main（）

{

Mat imageSource = imread（“02.jpg”）;

imshow（“原始圖像”， imageSource）;

vector《Mat》 imageRGB;

//RGB三通道分離

split（imageSource， imageRGB）;

//求原始圖像的RGB分量的均值

double R， G， B;

B = mean（imageRGB［0］）［0］;

G = mean（imageRGB［1］）［0］;

R = mean（imageRGB［2］）［0］;

//需要調整的RGB分量的增益

double KR， KG， KB;

KB = （R + G + B） / （3 * B）;

KG = （R + G + B） / （3 * G）;

KR = （R + G + B） / （3 * R）;

//調整RGB三個通道各自的值

imageRGB［0］ = imageRGB［0］ * KB;

imageRGB［1］ = imageRGB［1］ * KG;

imageRGB［2］ = imageRGB［2］ * KR;

//RGB三通道圖像合并

merge（imageRGB， imageSource）;

imshow（“白平衡調整后”， imageSource）;

waitKey（）;

return 0;

}

原始圖像一，整體圖像偏綠色：

?

白平衡校正后，天空的藍色和樹葉的綠色都得到了很好的還原：

?

原始圖像二，整體偏黃色：

?

白平衡校正后效果：

?

2、完美全反射理論

完美全反射理論（perfect Reflector）假設圖像上最亮點就是白點，并以此白點為參考對圖像進行自動白平衡，最亮點定義為R+G+B的最大值。

3、動態閾值算法

參考論文：A Novel Automatic White Balance Method For Digital Still Cameras

算法分為兩個步驟：白點檢測和白點調整。

三、驗證

通過測試效果表明：動態閾值法，1、該算法效果非常好；2、對塊大小不太敏感，因此非常適合于自動化操作。