一种暗通道优先的快速自动白平衡算法
自动白平衡算法
自动白平衡算法自动白平衡是数码相机中一种重要的图像处理技术，通过调整图像的色温来使得图像在不同的光照条件下呈现出真实、自然的颜色。
本文将从算法原理、应用领域和调优技巧三个方面来介绍自动白平衡算法。
一、算法原理自动白平衡算法基于摄像机的感光元件输出的图像数据，通过分析图像中的白色参考物体，计算出当前场景下的光源色温，然后调整图像的色彩来达到真实的色彩再现。
常用的自动白平衡算法有灰度世界算法、白色点算法和直方图拉伸算法。
灰度世界算法假设整个图像的色彩分布是均匀的，通过计算图像中所有像素点的RGB分量的平均值，然后将该平均值作为缩放系数应用于各个通道，从而达到白平衡的目的。
白色点算法则通过选取图像中灰度值最大的像素点作为参考点，根据参考点的三个通道值，并通过一定的数学计算，将其调整至一个预设的白色参考值，进而实现图像的白平衡。
直方图拉伸算法则是通过对图像的直方图进行拉伸，使得图像的灰度值分布更加均匀，从而达到白平衡的效果。
二、应用领域自动白平衡算法在众多领域中都有广泛的应用。
在摄影领域，自动白平衡可以使摄影师在不同光照条件下更加方便地拍摄出真实的颜色。
在监控领域，自动白平衡可以提高监控摄像头的图像质量，使得监控系统更加准确地监测场景。
在医学领域，自动白平衡算法可以改善医学图像的质量，从而提高医生的诊断准确性。
三、调优技巧在实际应用中，为了获得更好的自动白平衡效果，可以采用以下一些调优技巧。
首先，可以使用较高的色温作为预设值，以保留更多的暖色调，使得图像更加真实。
其次，可以通过人工干预来修正算法产生的不准确结果，比如提供一张纯白色参考图像来校正算法误差。
此外，还可以根据不同场景下的具体要求，通过调整算法参数来达到更好的白平衡效果。
总结起来，自动白平衡算法是数码相机中一项重要的图像处理技术。
它通过分析图像中的白色参考物体，计算出光源色温，并调整图像色彩，以实现真实、自然的颜色再现。
应用领域广泛，包括摄影、监控和医学等领域。
自动白平衡方法
自动白平衡方法
自动白平衡是一种图像处理的技术，用于自动调整图像中的白色色彩，以确保图像中白色物体的颜色看起来真实和准确。
目前常用的自动白平衡方法包括以下几种：
1. 灰度世界法（Gray World Algorithm）：假设整个图像中的
灰色像素的平均值应该是中性灰色，根据这个假设调整图像的颜色。
通过计算图像中红、绿、蓝三个通道的平均值，将这个平均值视为中性灰色，然后根据这个中性灰色对图像的颜色进行调整。
2. 最大值法（Max-RGB Algorithm）：假设在一张图像中，红、绿、蓝三个通道中，最大值所对应的像素应该是白色，根据这个假设调整图像的颜色。
通过找到图像中红、绿、蓝三个通道中的最大值，并将这个最大值设为白色的亮度值，然后根据这个亮度值对图像的颜色进行调整。
3. 白色补偿法（White Patch Algorithm）：假设图像中存在一
个物体是白色的，通过使用这个白色物体来调整整个图像的颜色。
通过在图像中寻找最亮的像素点，并将该像素点的颜色设为白色，然后根据这个白色值对图像的颜色进行调整。
4. 边缘法（Edge-Based Algorithm）：通过检测图像中边缘的
梯度信息来调整图像的颜色。
根据边缘的灰度变化情况来判断图像中的颜色偏差，然后根据颜色偏差对图像进行补偿。
以上只是几种常见的自动白平衡方法，实际应用中可以根据具体情况选择合适的方法或者结合多种方法进行处理。
基于色彩均衡和多权重融合的水下图像增强算法
基于色彩均衡和多权重融合的水下图像增强算法孙昊宇;牛宏侠【期刊名称】《无线电工程》【年(卷),期】2024(54)2【摘要】针对水下图像色偏严重及对比度、饱和度和色彩丰富度不足等问题,提出一种基于色彩均衡和多权重融合的水下图像增强算法。
利用暗通道先验(Dark Channel Prior,DCP)算法进行水下图像去模糊预处理,利用基于动态阈值的自动白平衡算法进行色偏校正,将处理后的图像再进行多权重融合。
融合处理过程主要建立在2个图像的权重计算,分别是基于伽马校正的对比度提升图像和基于直方图均衡化的边缘增强图像,分别计算2个图谱的显著性权重和饱和度权重,线性融合2个图谱计算后的权重得到增强图像。
结果表明,所提算法对水下图像整体清晰度恢复效果较好,而且对比度和图像色彩细节表现均有很大提升。
相比其他主流算法,水下图像色彩评价(Underwater Color Image Quality Evaluation,UCIQE)指标和水下图像的质量评价(Underwater Image Quality Measurement,UIQM)指标提升效果显著,平均参数指标分别提升了22.3%和10.2%。
【总页数】11页(P436-446)【作者】孙昊宇;牛宏侠【作者单位】兰州交通大学光电技术与智能控制教育部重点实验室;甘肃省高原交通信息工程及控制重点实验室;兰州交通大学自动化与电气工程学院【正文语种】中文【中图分类】TP391【相关文献】1.结合背景光融合及水下暗通道先验和色彩平衡的水下图像增强2.基于色彩校正与暗通道先验算法的水下图像增强方法3.基于色彩平衡及校正的水下图像增强算法4.基于融合逆透射率图的水下图像增强算法5.基于图像融合的水下光照不均匀图像增强算法因版权原因，仅展示原文概要，查看原文内容请购买。
一种暗通道优先的快速自动白平衡算法
一种暗通道优先的快速自动白平衡算法王飞;王伟【摘要】针对目前自动白平衡算法中存在的白色区域检测错误导致白平衡失效的问题,本文提出了一种基于暗通道优先的白平衡算法.首先估计光线透射率,然后根据光线透射率来提取白色区域,去除掉高饱和度的区域.最后为了校正颜色并保证图像亮度不变化,在CIE-XYZ颜色空间相对于亮度通道Y来计算校正增益.实验表明,本文的算法和现有的一些经典算法相比,在主观视觉和客观评价上都取得了较好的效果,且在嵌入式设备上速率大于150 frames /s.%In order to overcome the problem that white balance failure caused by white region detection error in automatic white balance, this paper proposes a white balance method based on dark channel prior. First, get the dark channel image, then extract the white region in the image according to the dark channel, and then remove the region with high saturation. Finally, in order to correct the color and ensure that the image brightness does not change, we calculate the correction gain in the CIE-XYZ color space relative to the luminance channel Y. Experi-mental results show that our algorithm has achieved good results both in subjective and objective evaluation com-pared with some classical algorithms, and the rate is greater than 150 frames/s on embedded devices.【期刊名称】《光电工程》【年(卷),期】2018(045)001【总页数】7页(P73-79)【关键词】自动白平衡;暗通道;白色区域【作者】王飞;王伟【作者单位】西安电子科技大学智能设备实验室,陕西西安 710071;西安电子科技大学智能设备实验室,陕西西安 710071【正文语种】中文【中图分类】TP391.411 引言色彩校正对于许多基于图像处理的应用非常重要，色彩的偏差可能导致图像处理结果的错误，如颜色识别、图像分类、图像重建、图像目标检测及跟踪等。
一种暗通道先验去雾后图像参数的调节方法
（Ｊ．Ｇｕｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｘｉ ＧｕｉＬｉｎ ５４１００４，Ｃｈｉｎａ； ２．Ｔｉａｎｊｉｎ Ｇｅｎｅｒａｌ Ａｓｓｅｍｂｌｙ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｄｅｖｅｌｏｐｍ￣ｅｎｔ Ｃｏ．，Ｌｔｄ．，Ｔｉａｎｆｉｎ ３０００００，Ｃｈｉｎａ）
２．天津市联 大通讯发展有限公 司，天津 ３０００００）
摘 要 ：针对在暗通道先验去雾方 法中图像亮度随着去雾深度加深而降低 的情况 ，分 析 了导致 图像 亮度 降低 的原 因，并结合 户外 自动 白平衡 的有 雾图像 ，提 出了一种采用 图像 能量 回补来调节 图像 参数 的方 法，以此来提高 图像 亮度 和对 比度。 实 验 结 果 表 明 ，通 过 对 去 雾 后 图像 损 失 的 能量 进 行 回补 ，对 于 不 同 的去 雾 深 度 ，图像 的 亮度 和 对 比度 都 能得 到较 好 的调 节 。 关 键词 ：去 雾 ；暗通 道 先 验 ；图像 能量 回补 ；对 比度
自动白平衡暗处补偿方法及装置[发明专利]
![自动白平衡暗处补偿方法及装置[发明专利]](https://img.taocdn.com/s3/m/d152bb8b1eb91a37f1115cf2.png)
专利名称：自动白平衡暗处补偿方法及装置专利类型：发明专利
发明人：薛江,陈孟儒,庄群峰,陈红珍,董小英申请号：CN201110103226.0
申请日：20110422
公开号：CN102164290A
公开日：
20110824
专利内容由知识产权出版社提供
摘要：一种自动白平衡暗处补偿方法及装置，所述装置包括：输入单元；统计区域选择单元；补偿区域选择单元；色阶均值计算单元；通道选择单元；比较单元；暗处补偿处理单元，当调整通道的色阶均值与参考通道的色阶均值之差小于等于第一阈值时，不用对该调整通道进行处理；否则，根据调整函数对所述统计区域中的调整通道的色阶值进行调整，直至确定使统计区域中调整通道调整后的色阶均值与参考通道的色阶均值之差小于等于第一阈值的调整函数，采用确定的调整函数对补偿区域中的调整通道进行调整，得到所述补偿区域中调整通道调整后的色阶值；输出单元。
本发明消除了暗处区域的偏色现象，保证了对于图像色彩的整体真实还原。
申请人：格科微电子(上海)有限公司
地址：201203 上海市浦东新区张东路1388号20幢
国籍：CN
代理机构：北京集佳知识产权代理有限公司
代理人：骆苏华
更多信息请下载全文后查看。
夜间图像的白平衡算法研究与实现
夜间图像的白平衡算法研究与实现
陈光化;张犁
【期刊名称】《微电子学与计算机》
【年(卷),期】2018(35)3
【摘要】本文提出了一种基于像素点加权的白平衡算法,并且对算法进行了FPGA 实现.该算法首先将RGB图像转化为暗通道图像,根据图像的暗通道值以及高光区域的分布情况为各像素点加入权重.然后,根据各像素点的权重计算出各通道的加权平均值,并将其结合标准灰度得到各通道的增益因子,最后利用增益因子完成白平衡调整,消除图像的颜色偏色.实验结果表明,该算法有效解决了夜间图像的偏色问题,并且满足了实时系统的要求.
【总页数】5页(P33-36)
【关键词】颜色恒常性;夜间图像;颜色校正;FPGA
【作者】陈光化;张犁
【作者单位】上海大学微电子研究与开发中心
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于小波分析的夜间色光背景图像白平衡优化算法 [J], 文政颖;王佳欣
2.CMOS图像传感器自动白平衡算法及其FPGA实现 [J], 董国伟;侯作勋;王震;潘铮;刘明;关晨辉
3.图像信号处理器中自动白平衡的算法研究 [J], 韩强;戎蒙恬;刘文江
4.基于图像偏色检测的自动白平衡算法研究 [J], 巢琳;杨鸣
5.基于FPGA的图像自动白平衡研究和实现 [J], 王晨;王晓凯;徐鹤丁
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Article2018年，第45卷，第1期DOI : 10.12086/oee.2018.170549一种暗通道优先的快速自动白平衡算法王 飞*，王 伟西安电子科技大学智能设备实验室，陕西 西安 710071摘要：针对目前自动白平衡算法中存在的白色区域检测错误导致白平衡失效的问题，本文提出了一种基于暗通道优先的白平衡算法。
首先估计光线透射率，然后根据光线透射率来提取白色区域，去除掉高饱和度的区域。
最后为了校正颜色并保证图像亮度不变化，在CIE-XYZ 颜色空间相对于亮度通道Y 来计算校正增益。
实验表明，本文的算法和现有的一些经典算法相比，在主观视觉和客观评价上都取得了较好的效果，且在嵌入式设备上速率大于150 frames /s 。
关键字：自动白平衡；暗通道；白色区域中图分类号：TP391.41 文献标志码：A 引用格式：王飞，王伟. 一种暗通道优先的快速自动白平衡算法[J]. 光电工程，2018，45 (1) : 170549An automatic white balance method via dark channel priorWang Fei *, Wang WeiIntelligent Equipment Laboratory , Xidian University , Xi'an , Shaanxi 710071, ChinaAbstract: In order to overcome the problem that white balance failure caused by white region detection error in automatic white balance, this paper proposes a white balance method based on dark channel prior. First, get the dark channel image, then extract the white region in the image according to the dark channel, and then remove the region with high saturation. Finally, in order to correct the color and ensure that the image brightness does not change, we calculate the correction gain in the CIE-XYZ color space relative to the luminance channel Y . Experi-mental results show that our algorithm has achieved good results both in subjective and objective evaluation com-pared with some classical algorithms, and the rate is greater than 150 frames/s on embedded devices.Keyworks: automatic white balance; dark channel; white point region.Citation: Wang F, Wang W. An automatic white balance method via dark channel prior[J]. Opto-Electronic Engi-neering , 2018, 45 (1): 170549收稿日期：2017-10-19； 收到修改稿日期：2017-11-27作者简介：王飞(1985-)，男，博士研究生，长期从事目标检测跟踪、目标识别、图像增强等相关工作。
E-mail ：290727048@1 引 言色彩校正对于许多基于图像处理的应用非常重要，色彩的偏差可能导致图像处理结果的错误，如颜色识别、图像分类、图像重建、图像目标检测及跟踪等。
人类的视觉系统能够自适应光源的变化，还原场景中真实的颜色，而图像传感器不具备自适应的功能。
因此，不同色温的光源会导致图像颜色的偏差。
白色物体在较低色温的光源照射下，图像会偏红；相反，如果在较高色温光源照射下，图像偏蓝[1]。
为了解决这个问题，数字摄像机使用自动白平衡来模拟人类自适应系统。
自动白平衡算法的目的是自动适应光照的变化。
为了尽量减少算法过程中用户的操作，整个白平衡过程应该全自动完成。
在之前的文献中，提出的白平衡算法主要分为两类：1）基于假设统计学的；2)基于样本学习的。
基于假设统计学的有GWM(grey world method)算法[2]，PRM(perflect reflector method)算法[3]，Grey-Edge 算法[4]，自适应阈值算法等；基于样本学习的有Cheng 等人提出的Regression Tree 算法[5]，Barron 等人提出的CCC 算法[6]，Shi 等人提出的DS-Net 算法[7]等。
GWM 算法假定场景中的平均反射率是无色的，且在不同色温下的平均反射率是相同的。
Max-RGB 算法假定光源的颜色来自RGB 中最大响应的通道。
PRM 算法假设图像中最亮像素点对应于镜子表面或者光滑的物体，这样的像素点最大限度反映了光照情况，而且含有大量光源信息。
Grey-Edge 算法提取图像的边缘，在边缘中提取若干个点作为假设白点进行校正。
自适应阈值算法将图像分为若干个区域，对每个区域在YCrCb 空间上计算分量均值，按照要求取前10%亮度的像素相对于Y 通道来计算校正增益。
基于假设统计学的方法对图像中白色区域或者白点检测不准确或者较少，影响白平衡的精度和效果；基于样本学习的方法普遍速度较慢且需要大量样本进行长时间的学习。
本文提出了一种稳定的自动白平衡算法，该算法不使用彩色分量来提取白色区域，而是使用了何凯明等人提出的基于暗通道优先的方法[8-9]来估计光照透射模型，通过估计到的光照透射模型来计算图像中白色区域，在检测到白色区域后，相对于图像的亮度分量Y 来计算每个颜色通道的增益值。
经过大量实验验证，本方法在精度和视觉效果方面相对于传统的基于假设统计学的方法有较大改进，且在低主频ARM 平台上实现大于150 frames /s 的速率，具有较强的实用性。
2 算法描述定义g (x , y )是由图像传感器获取的一幅图像， f (x , y )是真实光照的图像，则传感器的成像模型我们可以定义为， (1)式中: (x, y ) 是图像中对应像素的坐标，t (x, y )是对应每个像素点的光线的透射率，A 表示全局光照强度。
通常情况下A 是恒定的，定义如下：，(2)式中: R (x, y )，G (x, y )，B (x, y )代表偏色图像中对应(x, y )点的r ，g ，b 通道的值。
根据暗通道的先验知识可以得到：， (3)式中Ω(x, y )是(x, y )像素对应的一个邻域。
对于一个小的邻域来说，光照透射率t (x, y )是恒定的，可以得到：，(4)式中: g c(x, y ) 表示g (x, y ) 邻域中r ，g ，b 通道的最小值，f c (x, y ) 表示f (x, y ) 邻域中r ，g ，b 通道最小值。
根据暗通道先验知识，式(4)中第3项为0，从而得光透射率图如图1。
其中，图1(b)为暗通道图，图1(c)图为光透射率图：。
(5)从式(2)、式(5)可以得到，图像中白色区域或者高饱和度区域的光线透射率较低，本文提出的算法就是根据以上特性来计算图像中白色区域。
但是如果图像中存在比较强的光源或者高饱和度的区域，这些区域就会被错误检测为白色区域，最终导致结果出现较大偏差。
为了解决这个问题，本文设置一个阈值来去除高饱和度区域。
， (6)式中： T (x, y )是对应的白色区域阈值变换之后的二值图像，K 为本文设置的一个变换阀值。
t 1为平均透射率，如式(7)：。
(7)图1(a)中红色框的区域由于室外强光的照射，在像素级别上是非常接近白色的，如果将其当作正常白色区域来计算，结果会出现较大的偏差。
图 1(d)是本文的方法提取到的白色区域。
为了得到可靠的阈值K ，本文从测试数据集中随机选择了200幅含有较多高饱和区域的图像做统计实验，最终K 的值选择为230，即大于230认为是过饱和区域。
图2中的曲线是本文算法中选择不同的K 值得到的平均误差和最小误差，可以看出，在K = 230时，最小误差和平均误差均最小。
当K < 200时，很多真实的白色点被排除掉，导致找到较少白色点，最终误差较大；当K = 255时，即不限制饱和区域，从图2中的曲线以看出，限制K = 230比不限制K 值误差降低了约26%。
得到白色区域后，使用白色区域的均值来计算r ，g ，b 三个通道的校正增益：。
(8)接下来可以根据计算的增益来校正图像，如果直接校正图像的话可能导致图像亮度发生较大的变化。
这就需要对增益做归一化处理。
CIE-XYZ 颜色空间能够很好地反映色度特性，因此本文使用CIE-XYZ 颜色空间相对于Y 来对R ，G ，B 做归一化处理，根据CIE-XYZ 空间定义可以得到Y通道的增益为。
(9)通过Y 通道的增益，用下面的公式来校正图像：(10)式中：f w为校正后的图像，W Y 为Y 通道校正增益，W r , g , b 为 r ，g ，b 三个通道的校正增益。
在实际使用中，白平衡算法多数是在嵌入式系统上运行的，比如监控相机、工业照相机等。
为降低功耗，这些设备往往都使用较低主频的ARM 、DSP 或者其他架构的嵌入式CPU 来实现。
这就需要白平衡算法具有较高的效率且较少的资源占用。
为了提高算法效率，减少内存资源占用，在不影响效果的情况下对图像进行了采样处理。
经实验证明，在1/16下采样时，对最终的结果不会产生较大影响。
本文在第3章对不同下采样下的误差及耗时进行了比较。
3 实验结果及分析为了验证算法的有效性，本文使用了常用的两个数据集来进行测试，一个是Color Check 数据集[10]，一个是NUS 8-Camera 数据集[11]。
Color Check 数据集包含了568张室内室外的图片，NUS 8-Camera 数据集包含1736幅使用8个相机拍摄的不同场景的图片。
为了保证不受图片中色卡的影响，在提取白色区域的时候屏蔽掉了色卡区域，并测试了算法在不同下采样率下的误差以及耗时。