matlab 自动阈值白平衡算法 程序可编译实现

一种效果很好的自动白平衡技术(WhiteBalance)

白平衡是图像处理的一个极重要概念。所谓白平衡（英文名称为White Balance），就是对白色物体的还原。当我们用肉眼观看这大千世界时，在不同的光线下，对相同的颜色的感觉基本是相同的，比如在早晨旭日初升时，我们看一个白色的物体，感到它是白的；而我们在夜晚昏暗的灯光下，看到的白色物体，感到它仍然是白的。这是由于人类从出生以后的成长过程中，人的大脑已经对不同光线下的物体的彩色还原有了适应性。但是，作为拍摄设备，如数码相机，可没有人眼的适应性，在不同的光线下，由于CCD输出的不平衡性，造成数码相机彩色还原失真。一般情况下，我们习惯性地认为太阳光是白色的，已知直射日光的色温是5200K左右，白炽灯的色温是3000K左右。用传统相机的日光片拍摄时，白炽灯光由于色温太低，所以偏黄偏红。所以通常现场光线的色温低于相机设定的色温时，往往偏黄偏红，现场光线的色温高于相机设定时，就会偏蓝。

为了解决不同色温下，引起的白色漂移现象。由于白色对色温变化的响应最大，通常用白色来作为调整的基色。通常的白平衡技术有：自动白平衡、钨光白平衡、荧光白平衡、室内白平衡、手动调节。本文仅介绍其中的一种自动白平衡。

白平衡算法通常分为两步：白色点的检测，白色点的调整。本方法采用一个动态的阀值来检测白色点。详细算法过程为：

1.  把图像w*h从RGB空间转换到YCrCb空间。

2.  选择参考白色点：

a. 把图像分成3*4个块(块数可选)。

b. 对每个块，分别计算Cr，Cb的平均值Mr，Mb。

c. 对每个块，根据Mr，Mb，分别计算Cr，Cb的方差Dr，Db。

d. 判定每个块的近白区域（near-white region）。

判别表达式为：Cb(i, j) − (Mb + Db × sign(Mb )) < 1.5× Db && Cr(i, j) − (1.5×Mr + Dr × sign(Mr )) < 1.5× Dr

设一个“参考白色点”的亮度矩阵RL，大小为w*h。

若符合判别式，则作为“参考白色点”,并把该点（i,j）的亮度（Y分量）值赋给RL(i,j)；

若不符合，则该点的RL(i,j)值为0。

3.  选取参考“参考白色点”中最大的10%的亮度（Y分量）值，并选取其中的最小值Lu_min.

4.  调整RL，若RL(i,j)<Lu_min,  RL(i,j)=0; 否则，RL(i,j)=1；

5.  分别把R，G，B与RL相乘，得到R2，G2，B2。  分别计算R2，G2，B2的平均值，Rav，Gav，Bav；

6.  得到调整增益：  Ymax=double(max(max(Y)))/15;
                                    Rgain=Ymax/Rav;
                                    Ggain=Ymax/Gav;
                                    Bgain=Ymax/Bav;

7.  调整原图像：Ro= R*Rgain; Go= G*Ggain; Bo= B*Bgain;

代码如下：

 function autoWhiteBalanceTest
 clear all;
 close all;
 clc;

 im=imread('13.jpg');
 im2=im;
 im1=rgb2ycbcr(im);%将图片的RGB值转换成YCbCr值%
 Lu=im1(:,:,);
 Cb=im1(:,:,);
 Cr=im1(:,:,);
 [x y z]=size(im);
 tst=zeros(x,y);

 %计算Cb、Cr的均值Mb、Mr%
 Mb=mean(mean(Cb));
 Mr=mean(mean(Cr));

 %计算Cb、Cr的均方差%
 Db=sum(sum(Cb-Mb))/(x*y);
 Dr=sum(sum(Cr-Mr))/(x*y);

 %根据阀值的要求提取出near-white区域的像素点%
 cnt=;
 for i=:x
     for j=:y
         b1=Cb(i,j)-(Mb+Db*sign(Mb));
         b2=Cr(i,j)-(1.5*Mr+Dr*sign(Mr));
         if (b1<abs(1.5*Db) & b2<abs(1.5*Dr))
            Ciny(cnt)=Lu(i,j);
            tst(i,j)=Lu(i,j);
            cnt=cnt+;
         end
     end
 end
 cnt=cnt-;
 iy=sort(Ciny,'descend');%将提取出的像素点从亮度值大的点到小的点依次排列%
 nn=round(cnt/);
 Ciny2(:nn)=iy(:nn);%提取出near-white区域中10%的亮度值较大的像素点做参考白点%

 %提取出参考白点的RGB三信道的值%
 mn=min(Ciny2);
 for i=:x
     for j=:y
         if tst(i,j)<mn
            tst(i,j)=;
         else
            tst(i,j)=;
         end
     end
 end

 R=im(:,:,);
 G=im(:,:,);
 B=im(:,:,);
 R=double(R).*tst;
 G=double(G).*tst;
 B=double(B).*tst;

 %计算参考白点的RGB的均值%
 Rav=mean(mean(R));
 Gav=mean(mean(G));
 Bav=mean(mean(B));
 Ymax=double(max(max(Lu)))/;%计算出图片的亮度的最大值%

 %计算出RGB三信道的增益%
 Rgain=Ymax/Rav;
 Ggain=Ymax/Gav;
 Bgain=Ymax/Bav;

 %通过增益调整图片的RGB三信道%
 im(:,:,)=im(:,:,)*Rgain;
 im(:,:,)=im(:,:,)*Ggain;
 im(:,:,)=im(:,:,)*Bgain;

 %显示图片%
 figure,imshow(im2),title('原图');
 figure,imshow(im),title('白平衡后的效果图');

参考地址：http://www.cnblogs.com/haar/articles/1392227.html

　　　　　http://www.cnblogs.com/tiandsp/archive/2012/05/01/2477897.html