数字图像处理（十一）白平衡算法 |
您所在的位置：网站首页 › sonynx100怎么调白平衡 › 数字图像处理（十一）白平衡算法 |
数字图像处理（十一）白平衡算法
|
文章目录
前言一、白平衡算法原理二、算法具体步骤三、C++代码四、实验结果参考
前言
当一副彩色图像数字化后，在显示时颜色有时会看起来有些不正常。这是因为颜色通道中不同的敏感度、增光因子、偏移量等，导致数字化中的三个图像分量(R,G,B)出现不同的变换，使结果图像的三原色"不平衡"，从而使景物中所有物体的颜色都偏离了其原有的真实色彩。彩色平衡处理的目的就是将有色偏的图像进行颜色校正，获得正常颜色的图像。白平衡方法使一种常见的彩色平衡处理方法。 一、白平衡算法原理白平衡原理是，如果原始场景中的某些像素点应该是白色的（即R=G=B=255），但是由于图像存在色偏，这些点的R、G、B三个分量的值不再保持相同，通过调整这三个颜色分量的值，使之达到平衡，由此获得对整幅图像的彩色平衡映射关系，通过该映射关系对整幅图像进行处理，即可达到彩色平衡的目的。 二、算法具体步骤实现白平衡的算法有很多，这里介绍一种基本的白平衡方法。 对拍摄到的有色偏的图像，按照下式计算该图像的亮度分量。 Y = 0.299 × R + 0.587 × G + 0.114 × B Y=0.299\times R+0.587\times G+0.114\times B Y=0.299×R+0.587×G+0.114×B由于存在色偏，即现实场景中白色的点，在图像中也可能不是理想状态的白色，即 Y ≠ 255 Y\neq255 Y=255。但是可以肯定的是，白色的亮度为图像中的最大亮度。所以需要求出图像中的最大亮度 Y m a x Y_{max} Ymax和平均亮度 Y ˉ \bar{Y} Yˉ。考虑对环境光照的适应性，寻找图像中所有亮度 ≤ 0.95 ⋅ Y m a x \le 0.95 \cdot Y_{max} ≤0.95⋅Ymax的像素点。将这些点假设为原始场景中的白色点，即设这些点所构成的像素点集为白色点集 { f ( i , j ) ∈ Ω w h i t e } \{f(i,j)\in\Omega_{white}\} {f(i,j)∈Ωwhite}。计算白色点集 Ω w h i t e \Omega_{white} Ωwhite中所有像素的R、G、B三个颜色分量的均值 R ˉ \bar{R} Rˉ、 G ˉ \bar{G} Gˉ、 B ˉ \bar{B} Bˉ。按照下式计算颜色均衡调整参数： k R = Y ˉ G ˉ k_R=\frac{\bar{Y}}{\bar{G}} kR=GˉYˉ k G = Y ˉ G ˉ k_G=\frac{\bar{Y}}{\bar{G}} kG=GˉYˉ k B = Y ˉ B ˉ k_B=\frac{\bar{Y}}{\bar{B}} kB=BˉYˉ对整幅图像的R、G、B三个颜色分量，进行彩色平衡调整如下： R ∗ = k R ⋅ R R^*=k_R\cdot R R∗=kR⋅R G ∗ = k G ⋅ G G^*=k_G\cdot G G∗=kG⋅G B ∗ = k B ⋅ B B^*=k_B\cdot B B∗=kB⋅B 三、C++代码 int main() { cv::Mat img = cv::imread("LenaRGB.bmp"); int width= img.cols; int height = img.rows; cv::Mat Y = cv::Mat::zeros(height, width, CV_32FC1); cv::Mat R = cv::Mat::zeros(height, width, CV_8UC1); cv::Mat G = cv::Mat::zeros(height, width, CV_8UC1); cv::Mat B = cv::Mat::zeros(height, width, CV_8UC1); for (int row = 0; row R.at(row, col) = (*(current_ptr + col))[2]; G.at(row, col) = (*(current_ptr + col))[1]; B.at(row, col) = (*(current_ptr + col))[0]; Y.at(row, col) = 0.299*(*(current_ptr + col))[2]+0.587*(*(current_ptr + col))[1]+ 0.144*(*(current_ptr + col))[0]; } } //求取Ymax double minValue, Y_max; cv::minMaxLoc(Y, &minValue, &Y_max); float Y_value=0.0, R_value=0.0, G_value=0.0, B_value=0.0; int num = 0; for (int row = 0; row if (*(current_ptr + col) >= 0.95*Y_max) { num += 1; Y_value += Y.at(row, col); R_value += R.at(row, col); G_value += G.at(row, col); B_value += B.at(row, col); } } } Y_value = Y_value / num; R_value = R_value / num; G_value = G_value / num; B_value = B_value / num; //调整系数 float k_R = Y_value / R_value; float k_G = Y_value / G_value; float k_B = Y_value / B_value; cv::Mat output_image = cv::Mat::zeros(height, width, CV_32FC3); for (int row = 0; row (*(output_ptr + col))[2] = k_R*(*(img_ptr + col))[2]; (*(output_ptr + col))[1] = k_G * (*(img_ptr + col))[1]; (*(output_ptr + col))[0] = k_B * (*(img_ptr + col))[0]; } } cv::convertScaleAbs(output_image, output_image); cv::imshow("input_image", img); cv::imshow("output_image", output_image); return 0; } 四、实验结果
1.数字图像处理基础.朱虹 |
【本文地址】
今日新闻 |
推荐新闻 |