一種效果很好的自動白平衡技術(WhiteBalance)

     白平衡是圖像處理的一個極重要概念。所謂白平衡（英文名稱為White Balance），就是對白色物體的還原。當我們用肉眼觀看這大千世界時，在不同的光線下，對相同的顏色的感覺基本是相同的，比如在早晨旭日初升時，我們看一個白色的物體，感到它是白的；而我們在夜晚昏暗的燈光下，看到的白色物體，感到它仍然是白的。這是由於人類從出生以后的成長過程中，人的大腦已經對不同光線下的物體的彩色還原有了適應性。但是，作為拍攝設備，如數碼相機，可沒有人眼的適應性，在不同的光線下，由於CCD輸出的不平衡性，造成數碼相機彩色還原失真。一般情況下，我們習慣性地認為太陽光是白色的，已知直射日光的色溫是5200K左右，白熾燈的色溫是3000K左右。用傳統相機的日光片拍攝時，白熾燈光由於色溫太低，所以偏黃偏紅。所以通常現場光線的色溫低於相機設定的色溫時，往往偏黃偏紅，現場光線的色溫高於相機設定時，就會偏藍。

     為了解決不同色溫下，引起的白色漂移現象。由於白色對色溫變化的響應最大，通常用白色來作為調整的基色。通常的白平衡技術有：自動白平衡、鎢光白平衡、熒光白平衡、室內白平衡、手動調節。本文僅介紹其中的一種自動白平衡。

     白平衡算法通常分為兩步：白色點的檢測，白色點的調整。本方法采用一個動態的閥值來檢測白色點。詳細算法過程為：

          1.  把圖像w*h從RGB空間轉換到YCrCb空間。

          2.  選擇參考白色點：

                    a. 把圖像分成3*4個塊(塊數可選)。

                    b. 對每個塊，分別計算Cr，Cb的平均值Mr，Mb。

                    c. 對每個塊，根據Mr，Mb，分別計算Cr，Cb的方差Dr，Db。

                    d. 判定每個塊的近白區域（near-white region）。

                        判別表達式為：Cb(i, j) − (Mb + Db × sign(Mb )) < 1.5× Db && Cr(i, j) − (1.5×Mr + Dr × sign(Mr )) < 1.5× Dr

                       設一個“參考白色點”的亮度矩陣RL，大小為w*h。

                         若符合判別式，則作為“參考白色點”,並把該點（i,j）的亮度（Y分量）值賦給RL(i,j)；

                         若不符合，則該點的RL(i,j)值為0。

         3.  選取參考“參考白色點”中最大的10%的亮度（Y分量）值，並選取其中的最小值Lu_min.

         4.  調整RL，若RL(i,j)<Lu_min,  RL(i,j)=0; 否則，RL(i,j)=1；

         5.  分別把R，G，B與RL相乘，得到R2，G2，B2。  分別計算R2，G2，B2的平均值，Rav，Gav，Bav；

         6.  得到調整增益：  Ymax=double(max(max(Y)))/15;
                                    Rgain=Ymax/Rav;
                                    Ggain=Ymax/Gav;
                                    Bgain=Ymax/Bav;

        7.  調整原圖像：Ro= R*Rgain; Go= G*Ggain; Bo= B*Bgain;

代碼如下：

function autoWhiteBalanceTest
clear all;
close all;
clc;

im=imread('13.jpg');
im2=im;
im1=rgb2ycbcr(im);%將圖片的RGB值轉換成YCbCr值%
Lu=im1(:,:,1);
Cb=im1(:,:,2);
Cr=im1(:,:,3);
[x y z]=size(im);
tst=zeros(x,y);

%計算Cb、Cr的均值Mb、Mr%
Mb=mean(mean(Cb));
Mr=mean(mean(Cr));

%計算Cb、Cr的均方差%
Db=sum(sum(Cb-Mb))/(x*y);
Dr=sum(sum(Cr-Mr))/(x*y);

%根據閥值的要求提取出near-white區域的像素點%
cnt=1;    
for i=1:x
    for j=1:y
        b1=Cb(i,j)-(Mb+Db*sign(Mb));
        b2=Cr(i,j)-(1.5*Mr+Dr*sign(Mr));
        if (b1<abs(1.5*Db) & b2<abs(1.5*Dr))
           Ciny(cnt)=Lu(i,j);
           tst(i,j)=Lu(i,j);
           cnt=cnt+1;
        end
    end
end
cnt=cnt-1;
iy=sort(Ciny,'descend');%將提取出的像素點從亮度值大的點到小的點依次排列%
nn=round(cnt/10);
Ciny2(1:nn)=iy(1:nn);%提取出near-white區域中10%的亮度值較大的像素點做參考白點%
 
%提取出參考白點的RGB三信道的值% 
mn=min(Ciny2);
for i=1:x
    for j=1:y
        if tst(i,j)<mn
           tst(i,j)=0;
        else
           tst(i,j)=1;
        end
    end
end

R=im(:,:,1);
G=im(:,:,2);
B=im(:,:,3);
R=double(R).*tst;
G=double(G).*tst;
B=double(B).*tst;
 
%計算參考白點的RGB的均值%
Rav=mean(mean(R));
Gav=mean(mean(G));
Bav=mean(mean(B));
Ymax=double(max(max(Lu)))/15;%計算出圖片的亮度的最大值%
 
%計算出RGB三信道的增益% 
Rgain=Ymax/Rav;
Ggain=Ymax/Gav;
Bgain=Ymax/Bav;

%通過增益調整圖片的RGB三信道%
im(:,:,1)=im(:,:,1)*Rgain;
im(:,:,2)=im(:,:,2)*Ggain;
im(:,:,3)=im(:,:,3)*Bgain;

%顯示圖片%
figure,imshow(im2),title('原圖');
figure,imshow(im),title('白平衡后的效果圖');

參考地址：http://www.cnblogs.com/haar/articles/1392227.html 

　　　　　http://www.cnblogs.com/tiandsp/archive/2012/05/01/2477897.html