OpenCV-白平衡(完美反射算法)_opencv 白平衡

作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

实现原理

       白平衡的意义在于，对在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行补偿，使白色物体能还原为白色。

       完美反射算法是白平衡各种算法中较常见的一种，比灰度世界算法更优。它假设图像世界中最亮的白点是一个镜面，能完美反射光照；基于白点，将三通道的数值进行适当地调整，以达到白平衡效果；除此之外，还需要统计最亮的一定区间的三通道均值，该均值与该通道最大值的差距决定了该通道调整的力度。

       通俗的讲，若图像中绿色分量最大值是255，但是绿色最亮的前百分之10个点的平均值只有80，说明原图的绿色分量整体较低，需要对其加强；若最大值只有100，那么加强的系数就较低，白平衡的效果就不达预期。这就是完美反射算法比较依赖图像中存在白点的原因，白点的三通道灰度值接近【255，255，255】。最下方将用实际图像作进一步说明，以帮助读者理解。

       完美反射算法的实现流程如下：   

       1.计算图像RGB三通道各自的灰度最大值Rmax、Gmax、Bmax。

       2.利用三通道数值和，确定图像最亮区间的下限T。

       3.计算图像三通道数值和大于T的点的三通道均值Rm、Gm、Bm。

       4.计算三通道的补偿系数，即单通道最大值除以单通道亮区平均值。

功能函数代码

// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分离
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 定义参数
	int row = src.rows;
	int col = src.cols;
	int RGBSum[766] = { 0 };
	uchar maxR, maxG, maxB;
 
	// 计算单通道最大值
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			RGBSum[sum]++;
			maxB = max(maxB, b[j]);
			maxG = max(maxG, g[j]);
			maxR = max(maxR, r[j]);
		}
	}
 
	// 计算最亮区间下限T
	int T = 0;
	int num = 0;
	int K = static_cast<int>(row * col * 0.1);
	for (int i = 765; i >= 0; --i)
	{
		num += RGBSum[i];
		if (num > K)
		{
			T = i;
			break;
		}
	}
	
	// 计算单通道亮区平均值
	double Bm = 0.0, Gm = 0.0, Rm = 0.0;
	int count = 0;
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			if (sum > T)
			{
				Bm += b[j];
				Gm += g[j];
				Rm += r[j];
				count++;
			}
 
		}
	}
	Bm /= count;
	Gm /= count;
	Rm /= count;
 
	// 通道调整
	Channel[0] *= maxB / Bm;
	Channel[1] *= maxG / Gm;
	Channel[2] *= maxR / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}

C++测试代码

#include <iostream>
#include <opencv.hpp>
 
using namespace std;
 
// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分离
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 定义参数
	int row = src.rows;
	int col = src.cols;
	int RGBSum[766] = { 0 };
	uchar maxR, maxG, maxB;
 
	// 计算单通道最大值
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			RGBSum[sum]++;
			maxB = max(maxB, b[j]);
			maxG = max(maxG, g[j]);
			maxR = max(maxR, r[j]);
		}
	}
 
	// 计算最亮区间下限T
	int T = 0;
	int num = 0;
	int K = static_cast<int>(row * col * 0.1);
	for (int i = 765; i >= 0; --i)
	{
		num += RGBSum[i];
		if (num > K)
		{
			T = i;
			break;
		}
	}
	
	// 计算单通道亮区平均值
	double Bm = 0.0, Gm = 0.0, Rm = 0.0;
	int count = 0;
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			if (sum > T)
			{
				Bm += b[j];
				Gm += g[j];
				Rm += r[j];
				count++;
			}
 
		}
	}
	Bm /= count;
	Gm /= count;
	Rm /= count;
 
	// 通道调整
	Channel[0] *= maxB / Bm;
	Channel[1] *= maxG / Gm;
	Channel[2] *= maxR / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}
 
int main()
{
	// 载入原图
	cv::Mat src = cv::imread("test21.jpg");
 
	// 白平衡-完美反射
	cv::Mat result = WhiteBalcane_PRA(src);
 
	// 显示
	cv::imshow("src", src);
	cv::imshow("result", result);
	cv::waitKey(0);
 
	return 0;
}

测试效果

       如图1所示，是傍晚的一张图像，众所周知，傍晚的色温是较低的，此时采用高于傍晚色温的色温值拍照，就会得到一张暖色系的图片，偏黄；对其进行白平衡，使图片颜色回归真实的环境色温，就得到如图2的效果。

       如果你用过灰度世界算法，你会发现完美反射算法的效果更亮些；这是因为蓝通道最大值和蓝通道亮区平均值的差距较大，因而补偿的强度很强；若原图中不存在白色区，那蓝通道的补偿就会较弱，达不到较好的预期，因此该算法所处理的图像中最好有较白的点。

        如图3所示，是一张色彩相对一致的图像，整体呈粉色系。灰度世界法将三通道数值进行平均再补偿，就会使三通道的数值趋近一致，进而呈现灰色；而完美反射算法，计算的是三通道各自数值最大值和其亮区平均值的差距，再进行补偿，因此三通道的数值都会适当加强，使光感更强，即图片更亮。

        接下来做个有趣的测试，将原本粉色的墙纸设为较纯的绿色。

        如图5所示，因为图像中存在色调相冲的两个部分，完美反射算法的优势在这种场景下体现的很明显。因为绿色区域较大，灰度世界算法中单纯的计算均值再平衡，会无脑地将整图的绿色分量降低，红色分量提高，使得结果异常滑稽；而完美反射算法，因为图中有白值，三通道的最大值均在250左右，对绿色分量而言，其最亮区的均值接近于230，而红色分量和蓝色分量而言，其最亮区的均值也接近于200多，因此三通道的平衡结果就是整体提亮，而不是被无脑平均。

        灰度世界算法效果图见：

OpenCV-白平衡(灰度世界算法)_翟天保Steven的博客-CSDN博客

       如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~

       如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！