數字圖像基本處理——白平衡(color balance)

本文轉載自查看原文 2020-03-12 12:05 1655 白平衡/ 數字圖像

下面介紹兩種簡單的處理圖像色彩平衡問題的算法，色彩平衡就是說將一張圖片中RGB三個通道的值處理的相對均衡，也就是將圖像中物體原本的顏色恢復出來，而不是在光照或者陽光下變色。

算法1：White Balance

matlab實現如下：

function res = WhiteBalance(img)
RGB=imread(img);
R=RGB(:,:,1);
G=RGB(:,:,2);
B=RGB(:,:,3);
I=0.299*R+0.587*G+0.114*B;
kr=mean(I(:))/mean(R(:));
kg=mean(I(:))/mean(G(:));
kb=mean(I(:))/mean(B(:));
% res(:,:,1)=kr*R;
% res(:,:,2)=kg*G;
% res(:,:,3)=kb*B;
res=cat(3,kr*R,kg*G,kb*B);
end

算法2：Maximum Value Balance

T_R,T_G,T_B的含義：首先統計三個通道中高於S_RGB的強度的個數，找到最大個數為N_max，最后在每個通道中找到第N_max個最大的強度值（也就是從大到小排序第Nmax個值）分別為T_R,T_G,T_B。

matlab實現如下：

function res = MaxValueBalance(img)
RGB=imread(img);
R=RGB(:,:,1);
% figure, imhist(R);
G=RGB(:,:,2);
% figure, imhist(G);
B=RGB(:,:,3);
% figure, imhist(B);
Srgb=min([max(R(:)) max(G(:)) max(B(:))]);
Nmax=max([sum(sum(R>=Srgb)) sum(sum(G>=Srgb)) sum(sum(B>=Srgb))]);
Tr_temp=sort(R(:),'descend');
Tr=Tr_temp(Nmax);
Tg_temp=sort(G(:),'descend');
Tg=Tg_temp(Nmax);
Tb_temp=sort(B(:),'descend');
Tb=Tb_temp(Nmax);
kr=Srgb/Tr;
kg=Srgb/Tg;
kb=Srgb/Tb;
% res(:,:,1)=kr*R;
% res(:,:,2)=kg*G;
% res(:,:,3)=kb*B;
res=cat(3,kr*R,kg*G,kb*B);
end

最后主函數測試一些示例圖片，主函數如下：

clear;close all;clc;
addpath('E:\Digital_img_processing\Lecture_3_dicussion_color_balance');
fig1='BW1.png';
fig2='BW2.png';
fig3='BW3.jpg';
wb_algorithm3=WhiteBalance(fig3);
% wb_algorithm2=WhiteBalance(fig2);
% wb_algorithm1=WhiteBalance(fig1);
% 
figure, imshow(wb_algorithm3);
title('White Balance algorithm 3');
% figure, imshow(wb_algorithm2);
% title('White Balance algorithm 2');
% figure, imshow(wb_algorithm1);
% title('White Balance algorithm 1');

% mvb_algorithm3=MaxValueBalance(fig3);
% mvb_algorithm2=MaxValueBalance(fig2);
% mvb_algorithm1=MaxValueBalance(fig1);

% figure, imshow(mvb_algorithm3);
% title('Max Value Balance algorithm 3');
% figure, imshow(mvb_algorithm2);
% title('Max Value Balance algorithm 2');
% figure, imshow(mvb_algorithm1);
% title('Max Value Balance algorithm 1');

測試結果如下：

算法1(輸入->輸出)：

值得注意的是，后面兩個測試圖片有白色的邊框，這在平衡后的圖像中也可以看出，如果去掉這些白色的邊框效果會更好，如下：

算法2(輸入->輸出)：

需要注意的問題：（這些問題是一些使用matlab或者是處理數字圖像的基本問題，查了一些其他資料，予以總結）

①變量清除的問題：如果重復執行某一腳本命令文件，需要在最前面加上在前面clc; close all; clear all; 為了清除工作空間中之前的變量，否則會影響后續的變量值。（clc: 清空命令窗口內容，不影響變量；close all: 關閉所有figure窗口；clear all: 清除工作空間所有變量，函數，MEX文件）

本實驗沒有加...作為一個好習慣以后都應該加上。

②數據類型的問題：

matlab中讀取圖片后保存的數據是uint8類型(8位無符號整數，即1個字節)，而matlab默認數據類型雙精度浮點double（64位，8個字節）。雖然matlab中讀入圖像的數據類型是uint8，但圖像矩陣運算時的數據類型是double類型（這是因為精度及計算溢出問題）。

將圖像轉為double格式：
(1) im2double()函數：參數為uint8型時，轉化結果矩陣元素取值位於(0,1)。
(2) double()函數：參數為uint8型時，轉化結果矩陣元素取值位於(0,255)。

圖像顯示：
matlab處理完圖像矩陣后，用imshow()顯示圖像或用inwrite()寫入圖片。如果參數數據類型是double型，認為double型數據位於(0,1)，對於數組中大於1的元素，會將其歸為1，顯示為白色。而imshow顯示uint8型時是0~255范圍。所以對double類型的圖像顯示的時候，要么歸一化到0~1之間，要么將double類型的0~255數據轉為uint8類型。解決方法如下：

imshow(I/255); % 將圖像矩陣轉化到0-1之間
imshow(I,[]); % 自動調整數據的范圍以便於顯示
inshow(uint8(I)); % 轉成uint8

另外如果矩陣數據圖像是double類型（0~1之間）可直接im2uint8，這樣不僅完成數據類型轉換，而且將0~1之間映射為了0~255之間的數據。但是如果圖像矩陣數據是double類型的0~255，直接im2uint8轉換的話，matlab會將大於1的數據都轉換為255，0~1之間的數據才會映射到0~255之間整型的數據。

mat2gray()和im2double()區別

這兩個如果都是對uint8數據操作，區別就在於前者是歸一化操作，歸一化后也在0~1之間，自然結果也是double類型，后者是將數據從0~255映射到0~1。計算公式如下(I 代表強度，也就是像素值)：

mat2gray: