一种简单的自动白平衡算法

目录

                   一种简单的自动白平衡算法

1.预备知识-----自动对比度调整原理

2. 基本原理

4. 直方图法

5.直方图法关键代码

6.直方图法图像效果

7. 排序法

8. 排序法效果图

1.预备知识-----自动对比度调整原理

     自动对比度调整的方法中，我们假设alow和ahight为单前图像中的最小值和最大值，需要映射的范围为[amin,amax],为了使得图像映射到整个映射范围，我们首先把最小值alow映射到0，之后用比例因子(amax-amin)/(ahigh-alow)增加其对比度，随后加上amin使得计算出来的值映射到需要的映射范围。其具体公式为：

讯享网

    对于8bit图像而言，amin = 0,amax = 255。

    故上述公式可以改写为：

   实现原理图如下：

    实际的图像中，上述的映射函数容易受到个别极暗或及亮像素的影响，导致映射可能出现错误。为了避免这种错误，我们选取较低像素和较亮像素的一定比例qlow,qhigh，并根据此比例重新计算alow和ahigh，以重新计算的alow和ahigh为原始的图像的亮度范围进行映射。我们可以通过累计直方图H(i)很方便的计算出最新的alow和ahigh。

     其中，0<=qlow ,qhigh<=1,qlow+qhigh<=1,M*N为图像的像素数量。

    其原理图如下所示：

2. 基本原理

        这种简单的白平衡算法是基于这么一种假设：图像中R、G、B最高灰度值对应于图像中的白点，最低灰度值的对应于图像中最暗的点。这种算法类似于自动对比度增强的方法，使用映射函数ax+b,尽可能的把彩色图像中R、G、B三个通道内的像素灰度值映射到[0.255]的范围内。由于一般图像中已经有很多图像的灰度值已经在[0,255]范围内（对应24bit BMP图像而言，每个通道内的像素都在此范围内。但是对于每个像素用16bit或更高的32bit表示的话，需要进过上述的映射方法，把像素灰度值映射到[0,255]范围内），因此，这种方法选取较高亮度的像素一定比例赋予255，选取较暗亮度的像素的一定比例赋予0。

       具体实现方法：

      1.排序。为了获取高亮度一定比例像素和较低亮度的一定比例像素，不要对整个图像的灰度值进行排序，方便选择对应的像素。

      2.从排序的像素数组中选取一定比例的高亮和较暗像素。假设s = s1+s2 =[0,100],我们需要选取N*S/100个像素。其中Vmin和Vmax应该选择位于排序后数组的位置为N*S1   /100和N（1-*S2/100）-1处的像素灰度值。

     3.填充像素。由上一步定义的Vmin和Vmax，把原始图像中低于或等于Vmin的像素灰度值赋予0；把原始像素中高于或等于Vmax的像素灰度值赋予255。

    4.映射像素灰度值。使用函数f(x) =(x-Vmin)*(max-min)/(Vmax-Vmin)把原始图像中位于（Vmin,Vmax）的像素映射到[0,255]范围内。其中min,max分别为0和255。

    当图像较大的时候，图像的像素可达到百万级，对这么大数量的像素进行排序，往往效率比较低。另外一种方法可以像上述自动对比度调整那样，建立一个256大小的数组，再以数组中N*S1/100和N（1-*S2/100）-1处的像素灰度值赋予Vmin和Vma。然后再进行像素值得映射。

4. 直方图法

    算法实现的伪代码为：

5.直方图法关键代码

/* *Function: 一种简单的图像白平衡算法--对比度增强 */ void quantiles_u8(const T_U8 *data, size_t img_size, size_t nb_min, size_t nb_max, T_U8*ptr_min,T_U8 *ptr_max) { /* * the histogram must hold all possible "unsigned char" values, * including 0 */ size_t h_size = UCHAR_MAX + 1; size_t histo[UCHAR_MAX + 1]; size_t i; /* make a cumulative histogram */ memset(histo, 0x00, h_size * sizeof(size_t)); for (i = 0; i < img_size; i++) histo[(size_t) data[i]] += 1; for (i = 1; i < h_size; i++) histo[i] += histo[i - 1]; /* get the new min/max */ if (NULL != ptr_min) { /* simple forward traversal of the cumulative histogram */ /* search the first value > nb_min */ i = 0; while (i < h_size && histo[i] <= nb_min) i++; /* the corresponding histogram value is the current cell position */ *ptr_min = (T_U8) i; } if (NULL != ptr_max) { /* simple backward traversal of the cumulative histogram */ /* search the first value <= size - nb_max */ i = h_size - 1; /* i is unsigned, we check i<h_size instead of i>=0 */ while (i < h_size && histo[i] > (img_size - nb_max)) i--; /* * if we are not at the end of the histogram, * get to the next cell, * the last (backward) value > size - nb_max */ if (i < h_size - 1) i++; *ptr_max = (T_U8) i; } return; } void minmax_u8(const T_U8 *data, size_t size, T_U8 *ptr_min, T_U8 *ptr_max) { T_U8 min, max; size_t i; /* compute min and max */ min = data[0]; max = data[0]; for (i = 1; i < size; i++) { if (data[i] < min) min = data[i]; if (data[i] > max) max = data[i]; } /* save min and max to the returned pointers if available */ if (NULL != ptr_min) *ptr_min = min; if (NULL != ptr_max) *ptr_max = max; return; } T_U8 *rescale_u8(T_U8 *data, size_t size,T_U8 min,T_U8 max) { size_t i; if (max <= min) for (i = 0; i < size; i++) data[i] = UCHAR_MAX / 2; else { /* build a normalization table */ T_U8 norm[UCHAR_MAX + 1]; for (i = 0; i < min; i++) norm[i] = 0; for (i = min; i < max; i++) /* * we can't store and reuse UCHAR_MAX / (max - min) because * 105 * 255 / 126. -> 212.5, rounded to 213 * 105 * (double) (255 / 126.) -> 212.4999, rounded to 212 */ norm[i] = (T_U8) ((i - min) * UCHAR_MAX / (double) (max - min) + .5); for (i = max; i < UCHAR_MAX + 1; i++) norm[i] = UCHAR_MAX; /* use the normalization table to transform the data */ for (i = 0; i < size; i++) data[i] = norm[(size_t) data[i]]; } return data; } T_U8 *balance_u8(T_U8* BMP8_data_img,size_t img_size,size_t nb_min, size_t nb_max) { unsigned char min, max; /* sanity checks */ if (NULL == BMP8_data_img) { fprintf(stderr, "a pointer is NULL and should not be so\n"); abort(); } if (nb_min + nb_max >= img_size) { nb_min = (img_size - 1) / 2; nb_max = (img_size - 1) / 2; fprintf(stderr, "the number of pixels to flatten is too large\n"); fprintf(stderr, "using (size - 1) / 2\n"); } /* get the min/max */ if (0 != nb_min || 0 != nb_max) quantiles_u8(BMP8_data_img,img_size, nb_min, nb_max, &min, &max); else minmax_u8(BMP8_data_img, img_size, &min, &max); (void)rescale_u8(BMP8_data_img, img_size, min, max); return BMP8_data_img; } int Simplest_24bitcolor_balance(IMAGE_TYPE *BMP24_img,DWORD width,DWORD height,float smin,float smax) { T_U32 lineByte,source_lineByte,source_index,dst_index; T_U16 k = 0,i,j; T_U8 *dst_Bmp24_img,*dst_BMP24_data,*R_img,*G_img,*B_img; int newbiBitCount =8; size_t img_size = width*height; float nb_min = img_size*smin/100.0,nb_max = img_size*smax/100.0; FILE *Simplest_color_balance_BMP8Bit_fp = fopen("Simplest_24bitcolor_balance.bmp","wb"); if(NULL == Simplest_color_balance_BMP8Bit_fp) { printf("Can't open Simplest_color_balance.bmp\n"); return EXIT_FAILURE; } if (0. > smin || 100. <= smin || 0. > smax || 100. <= smax) { fprintf(stderr, "the saturation percentages must be in [0-100[\n"); return EXIT_FAILURE; } lineByte = (width * 8 / 8 + 3) / 4 * 4; source_lineByte = ( (width * 24 / 8 + 3) / 4 * 4); dst_Bmp24_img = (T_U8*)malloc(source_lineByte*height+BMPHEADSIZE); R_img = (T_U8*)malloc(lineByte*height); G_img = (T_U8*)malloc(lineByte*height); B_img = (T_U8*)malloc(lineByte*height); Check_Malloc_TU8_Valid(dst_Bmp24_img); Check_Malloc_TU8_Valid(G_img); Check_Malloc_TU8_Valid(B_img); Check_Malloc_TU8_Valid(R_img); memcpy(dst_Bmp24_img,BMP24_img,source_lineByte*height+BMPHEADSIZE); dst_BMP24_data = dst_Bmp24_img+BMPHEADSIZE; for (i = 0; i < height;i++) { source_index = i*source_lineByte; dst_index = i*lineByte; for (j = 0; j < width;j++) { R_img[dst_index] = dst_BMP24_data[source_index+2]; G_img[dst_index] = dst_BMP24_data[source_index+1]; B_img[dst_index] = dst_BMP24_data[source_index+0]; source_index += 3; dst_index += 1; } } (void)balance_u8(R_img,img_size,(size_t)nb_min,(size_t)nb_max); (void)balance_u8(G_img,img_size,(size_t)nb_min,(size_t)nb_max); (void)balance_u8(B_img,img_size,(size_t)nb_min,(size_t)nb_max); for (i = 0; i <height;i++) { source_index = i*source_lineByte; dst_index = i*lineByte; for (j = 0; j <width;j++) { dst_BMP24_data[source_index+2] = R_img[dst_index]; dst_BMP24_data[source_index+1] = G_img[dst_index]; dst_BMP24_data[source_index+0] = B_img[dst_index]; source_index += 3; dst_index += 1; } } fwrite(BMP24_img,BMPHEADSIZE, 1, Simplest_color_balance_BMP8Bit_fp); fwrite(dst_BMP24_data, source_lineByte*height, 1, Simplest_color_balance_BMP8Bit_fp); fclose(Simplest_color_balance_BMP8Bit_fp); Simplest_color_balance_BMP8Bit_fp = NULL; free(dst_Bmp24_img); free(R_img); free(G_img); free(B_img); return 0; }

6.直方图法图像效果

A色温白平衡校正前后对比图

TL84色温白平衡校正前后对比图

    如算法原理所述，使用的是类似于自动对比度调整的方法对图像进行白平衡校正。这种方法也能够很好的对比较朦胧的图像进行对比度的调整，提高图像的通透性。

彩色图像的对比度提升

灰度图像的对比图提升

7. 排序法

讯享网 #simple color balance def simple_color_balance(input_img,out_img,s1,s2): h,w = input_img.shape[:2] sort_img = input_img.copy() one_dim_array = sort_img.flatten()#转化为一维数组 sort_array = sorted(one_dim_array)#对一维数组按升序排序 per1 = int((h*w)*s1/100) minvalue = sort_array[per1] per2 = int((h*w)*s2/100) maxvalue = sort_array[(h*w)-1-per2] #实施简单白平衡算法 if(maxvalue<=minvalue): for i in range(h): for j in range(w): out_img[i,j] = maxvalue else: scale = 255.0/(maxvalue-minvalue) for m in range(h): for n in range(w): if(input_img[m,n] < minvalue): out_img[m,n] = 0 elif(input_img[m,n] > maxvalue): out_img[m, n] = 255 else: out_img[m, n] = scale*(input_img[m,n]-minvalue)#映射中间段的图像像素 out_img = cv2.convertScaleAbs(out_img) if __name__ == '__main__': img = cv2.imread("math_book.png") h,w = img.shape[:2] out_img_B = zeros((h,w),dtype = uint8) out_img_G = zeros((h, w), dtype=uint8) out_img_R = zeros((h, w), dtype=uint8) B = img[:,:,0] G = img[:,:,1] R = img[:,:,2] simple_color_balance(B, out_img_B,2,3) simple_color_balance(G, out_img_G, 2, 3) simple_color_balance(R, out_img_R, 2, 3) out = cv2.merge([out_img_B, out_img_G, out_img_R]) cv2.namedWindow("original image") cv2.namedWindow("simple color balance image") cv2.namedWindow("Compare image") cv2.imshow("original image", img) cv2.imshow("simple color balance image", out) cv2.imshow("Compare image",hstack((img,out))) cv2.imwrite("simple_color_balance_math_book.png", out) cv2.w

8. 排序法效果图

参考文献：

simple white balance

Principles of Digital Image Processing-Fundamental Techniques