AWB 算法原理

来源：互联网发布：java mkdir 只读编辑：程序博客网时间：2024/05/29 06:30

AWB

AWB针对的问题：

物体在不同的光源照射下，呈现的颜色是不同的，这是有光源的色温决定的，它使物体反射光谱较真实色彩有一定的偏差，其中，白色物体变化最为明显，在室内钨丝灯光这样的低色温的照射下，白色物体看起来会带橘黄色的色调，在这样的光照条件下拍出来的物体就会偏黄，但如果在蔚蓝的天空这样的高色温的照射下，则会带有蓝色色调。自动白平衡的目的就是消除不同光源造成的色彩偏差，使得拍摄出来的照片尽量符合人眼的习惯。

AWB定理：

在同一色温环境中如果对一幅自色图像进行白平衡校正后.那么对于其他非白色图像就都能真实的再现物体的颜色，并且其颜色的色差值是唯一的。
利用色差值已知的非白色(R.B.G不为零)物体为参照物，同样可以实现白平衡处理
AWB 算法。

灰度世界法（在RGB域上进行）

灰度世界算法基于这样一种假设，给出一份含有足够色彩变化的图像，那么这个场景的平均反射能抵消色差，即R,G,B分量的平均值几乎相等。
R_avg = G_avg = B_avg，那么Y = R_avg + G_avg + B_avg,R_avg, G_avg, B_avg的比例系数分别为R_avg /Y，R_avg /Y, B_avg/Y.最终G’= G, R’= G/ R_avg * R, B’= G/ B_avg* B.
如果一副图像中包含的色彩并不丰富，那么灰度世界算法的假设就不成立，那么这种白平衡算法也就不正确，在此基础上，人们提出了改善的灰度世界算法，算法步骤:

划分块区: 确定块的起始横坐标和纵坐标，横向块数，纵向块数，块的宽度和高度
预算 : 画色温曲线，从2500K到13000K
求系数，算出每个块的R_avg/G_avg和B_avg/G_avg，并把R_avg/G_avg代入色温曲线函数，算出B1_avg/G_avg,然后比较B_avg/G_avg和B1_avg/G_avg,如果他们满足下面式子，则此白区有效。
(1+0.2) B_avg/G_avg≥B1_avg/G_avg≥(1-0.2) B_avg/G_avg
那么R的增益系数就为gainR =ΣG/ΣR; gainB =ΣG/ΣB.其中ΣG为满足条件的所有块区G分量的总和，ΣR为满足条件的所有块区R分量的总和，ΣB为满足条件的所有块区B分量的总和.
进行白平衡矫正
R’= gainR *R; G’= G; B’= gainB *B.

白点检测法（在YUV和RGB域共同运算）

选白点：条件Y_max≥Y≥Y_min，Y-|Cb|-|Cr|>ß
求白平衡系数：计算所有统计为白点的像素点的R,G,B分量的平均值即 R_avg = R_sum/num_{white_pixel}G_avg = G_sum/num_{white_pixel}B_avg = B_sum/num_{white_pixel}Y_avg= (R_avg+ G_avg + B_avg)/3 k_r = Y_avg/R_avgk_g = Y_avg/G_avgk_b = Y_avg/B_avg
进行白平衡矫正
R’= k_r* R ; G’= k_g*G; B’= k_b* B

基于色温估计的白平衡算法（原始数据）
原理，根据图像像素的原始值确定图像的灰色点，进而根据确定的灰色点估算出图像光源的色温，再按照计算出来的色温对图像进行相应的调整。

色温曲线
判断色温，流程如上图，获得图像像素值以后，首先要判断该值是否在合适的范围内，如果像素值过低，则其中包含了太多的噪声信息，而像素值过高则已过曝，不能提供有效的颜色信息，由于采用图像的原始数据进行处理，在数据处理采用多个像素拼合成一个大像素处理，即每8个像素点为一组，算出R,G,B
的平均值作为这个大像素的R,G,B值，这样数据处理量就变为原来的1/8，像素分好以后，对各个像素点进行色温判断，当确定像素点位于R/G,B/G空间的某个窗口时，那么就将该像素的R,G,B值分别附加到相应色温的像素的寄存器中，同时该色温对应的像素个数寄存器也相应加1，当整帧图像处理完时，取像素点个数多的色温为光源色温，相应的像素点用来计算R,G,B增益，
增益计算和白平衡矫正
R_gain = G_aver/R_aver
B_gain = G_aver/B_aver
G_gain = 1

0 0