devbox
你好赵伟
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

一种动态阈值白平衡算法实现_opencv 白平衡 动态阈值算法 c++

作者：你好赵伟 | 2024-03-22 10:41:37

赞

踩

opencv 白平衡 动态阈值算法 c++

一种自动阈值白平衡算法实现

1.算法原理

     白平衡是图像处理的一个极重要概念。所谓白平衡（英文名称为White Balance），就是对白色物体的还原。当我们用肉眼观看这大千世界时，在不同的光线下，对相同的颜色的感觉基本是相同的，比如在早晨旭日初升时，我们看一个白色的物体，感到它是白的；而我们在夜晚昏暗的灯光下，看到的白色物体，感到它仍然是白的。这是由于人类从出生以后的成长过程中，人的大脑已经对不同光线下的物体的彩色还原有了适应性。但是，作为拍摄设备，如数码相机，可没有人眼的适应性，在不同的光线下，由于CCD输出的不平衡性，造成数码相机彩色还原失真。一般情况下，我们习惯性地认为太阳光是白色的，已知直射日光的色温是5200K左右，白炽灯的色温是3000K左右。用传统相机的日光片拍摄时，白炽灯光由于色温太低，所以偏黄偏红。所以通常现场光线的色温低于相机设定的色温时，往往偏黄偏红，现场光线的色温高于相机设定时，就会偏蓝。

     为了解决不同色温下，引起的白色漂移现象。由于白色对色温变化的响应最大，通常用白色来作为调整的基色。通常的白平衡技术有：自动白平衡、钨光白平衡、荧光白平衡、室内白平衡、手动调节。本文仅介绍其中的一种自动白平衡。

     白平衡算法通常分为两步：白色点的检测，白色点的调整。本方法采用一个动态的阀值来检测白色点。详细算法过程为：

          1.  把图像w*h从RGB空间转换到YCrCb空间。

          2.  选择参考白色点：

                    a. 把图像分成宽高比为4:3个块(块数可选)。

                    b. 对每个块，分别计算Cr，Cb的平均值Mr，Mb。

                    c. 对每个块，根据Mr，Mb，用下面公式分别计算Cr，Cb的方差Dr，Db。


                    d. 判定每个块的近白区域（near-white region）。

                        判别表达式为：


                        设一个“参考白色点”的亮度矩阵RL，大小为w*h。

                         若符合判别式，则作为“参考白色点”,并把该点（i,j）的亮度（Y分量）值赋给RL(i,j)；

                         若不符合，则该点的RL(i,j)值为0。

         3.  选取参考“参考白色点”中最大的10%的亮度（Y分量）值，并选取其中的最小值Lu_min.

         4.  调整RL，若RL(i,j)<Lu_min,  RL(i,j)=0; 否则，RL(i,j)=1；

         5.  分别把R，G，B与RL相乘，得到R2，G2，B2。  分别计算R2，G2，B2的平均值，Rav，Gav，Bav；

         6.  得到调整增益：  Ymax=double(max(max(Y)))/5;
                                    Rgain=Ymax/Rav;
                                    Ggain=Ymax/Gav;
                                    Bgain=Ymax/Bav;

        7.  调整原图像：Ro= R*Rgain; Go= G*Ggain; Bo= B*Bgain;

2.关键实现代码

  1. int RGB2YCbCr(IMAGE_TYPE *bmp_img,T_U8*Y_img,double *Cb_img,double *Cr_img,DWORD width,DWORD height)
  2. {
  3. 	T_U32 lineByte,Source_linebyte,source_index,dst_index;
  4. 	T_U16 i,j,Y;
  5. 	T_U16 k = 0;
  6. 	T_U8 *Source_img,R,G,B;
  7.  
  8. 	double Cr;
  9. 	double Cb;
  10. 	
  11. 	lineByte = (width * 8 / 8 + 3) / 4 * 4; 
  12. 	Source_img = bmp_img+54;
  13. 	Source_linebyte = WIDTHBYTES(width*24);
  14. 	 
  15.  
  16. 	
  17. 	for (i = 0; i < height;i++)
  18. 	{
  19. 		for (j = 0;j < width;j++)
  20. 		{
  21. 			source_index = Source_linebyte*i+3*j;
  22. 			dst_index = lineByte*i+j;
  23. 			
  24. 			
  25. 			R = Source_img[source_index+2];
  26. 			G = Source_img[source_index+1];
  27. 			B = Source_img[source_index];
  28.  
  29. 			
  30. 			Y = 0.299*R+0.587*G+0.114*B;
  31. 			Cr = 0.5*R-0.419*G-0.081*B;
  32. 			Cb = -0.169*R-0.331*G+0.5*B;
  33. 			
  34.  
  35. 			Y_img[dst_index] = (T_U8)Y;
  36. 			Cr_img[dst_index] = Cr;
  37. 			Cb_img[dst_index] = Cb;
  38. 		}
  39. 	}
  40. 	return 0;		
  41. }
  42.  
  43.  
  44. int AutoWhiteBalance_Optimi(IMAGE_TYPE *bmp_img,DWORD width,DWORD height)
  45. {
  46.  
  47. 	T_U8*Y_img,*Ydata_img,*SignData,R,G,B,*bmp_data,*Dstbmp_img,*Dstbmp_data;
  48. 	T_U16 height_step = height/3,witdth_step = width/4;
  49. 	DWORD  PixNum = height_step*witdth_step,i,j,m,n,Threshold =0,YLumi[256] = {0};
  50. 	DWORD line_width,source_line_width,source_index,CbCr_indx,index,WhitePoint = 0,WhitePointCount = 0,WhitePoint10 = 0;
  51. 	int arrindex=0,YMax = -999;
  52. 	double Mr,Mb,Dr,Db,b1,b2,b,c,*Cb_img,*Cr_img,*Cbdata_img,*Crdata_img;
  53. 	double MeanSumr,MeanSumb;
  54. 	double absSumr,absSumb,Rave,Gave,Bave,RGain,GGain,BGain;
  55. 	
  56.  
  57.  
  58.  
  59. 	FILE *AutoWhiteBalance_fp = fopen("AutoBalance.bmp","wb");
  60. 	
  61. 	if(NULL == AutoWhiteBalance_fp)
  62. 	{
  63. 		printf("Can't open AutoBalance.bmp\n");
  64. 		return -1;
  65. 	}
  66. 	
  67.  
  68.  
  69. 	line_width = (width * 8 / 8 + 3) / 4 * 4; //8位深的BMP图像输入图像
  70. 	source_line_width = ((width * 24 / 8 + 3) / 4 * 4 );
  71. 	Cb_img = (double*)malloc(width*height*sizeof(double));
  72. 	Cr_img = (double*)malloc(width*height*sizeof(double));
  73. 	Y_img = (T_U8*)malloc(line_width*height);
  74. 	Dstbmp_img = (T_U8*)malloc(source_line_width*height+BMPHEADSIZE);
  75. 	SignData = (T_U8*)malloc(line_width*height);
  76. 	memcpy(Dstbmp_img,bmp_img,source_line_width*height+BMPHEADSIZE);
  77.  
  78. 	RGB2YCbCr(bmp_img,Y_img,Cb_img,Cr_img,width,height);
  79.  
  80. 	Cbdata_img = Cb_img;
  81. 	Crdata_img = Cr_img;
  82. 	Ydata_img = Y_img;
  83.  
  84. 	WhitePoint = 0;
  85. 	for (i= 0;i < height; i += height_step)
  86. 	{
  87. 		for (j = 0; j <width; j += witdth_step)
  88. 		{
  89. 			Mb = 0;
  90. 			Mr = 0;
  91. 			MeanSumr = 0;
  92. 			MeanSumb = 0;
  93. 			absSumr = 0;
  94. 			absSumb = 0;
  95. 			for (m = 0; m < height_step;m++)
  96. 			{
  97. 				for (n = 0; n <witdth_step;n++)
  98. 				{
  99. 					index = (m+i)*width+n+j;
  100. 					MeanSumr += (Crdata_img[index]);
  101. 					MeanSumb += (Cbdata_img[index]);
  102. 				}
  103. 			}
  104.  
  105. 			//计每个块Cb，Cr的均值
  106. 			Mr = MeanSumr/(double)PixNum;
  107. 			Mb = MeanSumb/(double)PixNum;
  108.  
  109. 			for (m = 0; m < height_step;m++)
  110. 			{
  111. 				for (n = 0; n <witdth_step;n++)
  112. 				{
  113. 					index = (m+i)*width+n+j;
  114. 					absSumr += abs(Crdata_img[index]-Mr);
  115. 					absSumb += abs(Cbdata_img[index]-Mb);
  116. 				}
  117. 			}
  118.  
  119. 			//计算每个块绝对差累加值
  120. 			Dr = absSumr / PixNum;
  121. 			Db = absSumb / PixNum;
  122.  
  123.  
  124. 			if (Mb<0)//计算mb+db*sign（mb）  
  125. 			{   
  126. 				b=Mb+Db*(-1);  
  127. 			}  
  128. 			else  
  129. 				b=Mb+Db;  
  130.   
  131.           
  132. 			if (Mr<0)//计算1.5*mr+dr*sign（mb）；  
  133. 			{  
  134. 				c=1.5*Mr+Dr*(-1);  
  135. 			}  
  136. 			else  
  137. 				c=1.5*Mr+Dr;  
  138.  
  139.  
  140. 			//候选白点像素计算
  141. 			for (m = 0; m < height_step;m++)
  142. 			{
  143. 				for (n = 0; n <witdth_step;n++)
  144. 				{
  145. 					index =(m+i)*line_width+n+j;
  146. 					CbCr_indx = (m+i)*width+n+j;
  147. 					if(abs(Cbdata_img[CbCr_indx]-b)<(1.5*Db) && abs(Crdata_img[CbCr_indx]-c)<(1.5*Dr))
  148. 					{
  149. 						YLumi[Ydata_img[index]]++;
  150. 						SignData[index] = Ydata_img[index];
  151. 						WhitePoint++;
  152. 					}
  153. 					
  154. 				}
  155. 			}
  156.  
  157. 		}
  158. 	}
  159.  
  160. 	//选取候选白点数的最亮10%确定为最终白点，并选择其前10%中的最小亮度值
  161. 	WhitePointCount = 0;
  162. 	for(i = 255; i >0; i--)
  163. 	{
  164. 		WhitePointCount += YLumi[i];
  165.  
  166. 		if(WhitePointCount >= (double)WhitePoint/10)
  167. 		{
  168. 				Threshold  = i;
  169. 				break;
  170. 		}
  171. 	}
  172.  
  173. 	WhitePoint10 = 0;
  174. 	for(i = 0; i < height;i++)
  175. 	{
  176. 		for(j = 0;j < width;j++)
  177. 		{
  178. 			index = i*line_width+j;
  179. 			if(SignData[index] >= Threshold)
  180. 			{
  181. 					SignData[index] = 1;
  182. 					WhitePoint10++;
  183. 			}
  184. 			else
  185. 				SignData[index] = 0;
  186. 		}
  187. 	}
  188.  
  189.  
  190. 	bmp_data = bmp_img+54;
  191. 	Dstbmp_data = Dstbmp_img + 54;
  192. 	Rave = 0;
  193. 	Gave = 0;
  194. 	Bave = 0;
  195.  
  196. 	//白点的RGB三分量的平均值
  197. 	for(i = 0;i < height;i++)
  198. 	{
  199. 		for(j = 0; j <width;j++)
  200. 		{
  201. 			source_index = i*source_line_width+3*j;
  202. 			index = i*line_width+j;
  203. 			Dstbmp_data[source_index+0] = bmp_data[source_index]*SignData[index];
  204. 			Dstbmp_data[source_index+1] = bmp_data[source_index+1]*SignData[index];
  205. 			Dstbmp_data[source_index+2] = bmp_data[source_index+2]*SignData[index];
  206.  
  207. 			Rave += Dstbmp_data[source_index+2];
  208. 			Gave += Dstbmp_data[source_index+1];
  209. 			Bave += Dstbmp_data[source_index+0];
  210. 		}
  211. 	}
  212.  
  213. 	Rave = Rave / (WhitePoint10);
  214. 	Gave = Gave / (WhitePoint10);
  215. 	Bave = Bave / (WhitePoint10);
  216.  
  217.  
  218. 	for(i = 0; i < height;i++)
  219. 	{
  220. 		for(j = 0; j < width;j++)
  221. 		{
  222. 			index = i*line_width+j;
  223. 			if(YMax < Ydata_img[index])
  224. 				YMax = Ydata_img[index];
  225. 		}
  226. 	}
  227.  
  228. 	//增益调整
  229. 	YMax = YMax / 3.0;
  230.  
  231. 	RGain = YMax / Rave;
  232. 	GGain = YMax / Gave;
  233. 	BGain = YMax / Bave;
  234.  
  235. 	//白平衡校正
  236. 	for(i = 0; i <height; i++)
  237. 	{
  238. 		for(j = 0; j < width;j++)
  239. 		{
  240. 			 source_index = i*source_line_width+3*j;
  241. 			 bmp_data[source_index] = (T_U8)(BGain* bmp_data[source_index]);
  242. 			 bmp_data[source_index+1] = (T_U8)(GGain* bmp_data[source_index+1]);
  243. 			 bmp_data[source_index+2] = (T_U8)(RGain* bmp_data[source_index+2]);
  244.  
  245. 		}
  246. 	}
  247.  
  248. 	
  249. 	fwrite(bmp_img, source_line_width*height+BMPHEADSIZE, 1, AutoWhiteBalance_fp);
  250. 	fclose(AutoWhiteBalance_fp);  
  251. 	free(Cb_img);
  252. 	free(Cr_img);
  253. 	free(Y_img);
  254.  
  255. 	return 0;
  256.  
  257. }

3.图像效果

A色温校正对比图


TL84色温校正对比图


D65色温校正对比图



参考文献：

1.http://www.cnblogs.com/haar/articles/1392227.html

2.基于灰度世界、完美反射、动态阈值等图像自动白平衡算法的原理、实现及效果

3.https://www.cnblogs.com/Imageshop/archive/2013/04/20/3032062.html




声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/287408
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号