如果不能正常显示,请查看原文 , 或返回

自动白平衡技术(AWB)_ISP行业的忠实粉丝-CSDN博客_白平衡

目录

 

1、白平衡概念

 2、调节白平衡

3、自动白平衡技术

 3.1基于图像统计的方法

​ 3.2基于学习的方法

4、总结


1、白平衡概念

        当人们用眼睛观察自然世界时,在不同的光线下,对相同颜色的感觉基本是相同的,比如在早晨旭日初升时,人们看 个白色的物体 感觉它是白的:而人们在夜晚昏暗的 灯光下,看到的白色物体,感觉它仍然是白的, 这是由于人类从出生到成长的过程中, 大脑己经对不同光线下的物体的彩色还原有了适应性, 这种现象称为颜色恒常性。不 幸的是, CMOS CCD 等感光器件没有这样的适应能力 白色物体在暖色灯光照射下,拍摄的图像橘 红色, 在冷色灯光照射下,拍摄的图像呈淡蓝色。

         为什么在不同色温的光源下,物体会出现偏色呢?这是因为图像传感器只是记录了所有投射到其上的光线,其本身并不能分辨投射到其上的色光是由物体本身的色彩反射而成,还是由偏色的环境光造成,所以传感器是没有颜色恒常性能力,不能够适应这种色光的变化 所以当它真实呈现出所拍摄到的图像时,就出现了偏色。

        为了使得摄像机也具有颜色恒常性能力,需要使用自平衡技术。所谓白平衡( Wh ite Balance ,简单地说就是去除环境光的影响 ,还原物体 真实的颜色,把不同色温下的颜色调整正确, 从理论上说白颜色调整正确了,其他色彩就都准确了。即在红色灯光照 射下,白色物体依然呈白色,在蓝色灯光照射下也呈现白色。        
          讲到白平衡离不开 一 个概念一一色温, 色温 (Color Temperature) 表示光源光色 的尺度,单位为 K 。英国著名物理学家开尔文认为,假定某一纯黑物体(称为"标准黑 体" ),能够将落在其上的所有热量吸收,而没有损失,同时又能够将热量生成的能量全部以"光"的形式释放出来的话,它便会因受热的高低而变成不同的颜色。将标准黑体从绝对零度开始加热,温度逐渐升高,光度亦随之改变,黑体呈现出由 红变化为橙红、黄、黄白、白、蓝白、蓝的过程。

 2、调节白平衡

        白平衡的调节一般是通过改变红、绿、蓝三色的比例关系实现。当环境光为纯白光时, 白色物体本身就呈现白色,红、绿、蓝三色的感光电路电子放大比例是相同的比例1  : 1 : 1 的关系。
目前,自平衡的调节主要有三种方式:预设白平衡、手动白平衡与自动白平衡。
        手动自平衡是指摄影师把摄像机对准白纸拍摄,这时,白纸充当标准白色,摄像机 需要通过内部自动调整 ,即估计出 红、绿、蓝 色偏色的比例 并做相应的调 整,使拍摄出的画面呈现纯白色,以此达到白平衡的目的 估计出偏色比例后,以此作为对环境色温的估计,以后的拍摄都以这个色温为准 手动自平衡测量 时,白纸 需要占 画面面积的一半以上。
手动自平衡方法,虽然脱离了色温计的束缚,但是却不能适应色温变化的环境。

        从预设白平衡,到手动自平衡,再到自动臼平衡,整个白平衡技术的关键都围绕着能否正确地估计环境色光上。自动白平衡技术的关键点也在于此。不同白平衡技术采用 了不同的方法来寻找画面中的白平衡基准点 ,以此来达到自平衡调校 。决定自平衡基准点的不同,就产生了不同的自动白平衡算法。

3、自动白平衡技术

是,光谱分布 L( λ) ,以及与摄像机响应 C(λ) ,甚至场景反射 S(x λ) 都是无法进行定量描述。所以色彩的白平衡校正就成为一个病态问题

 3.1基于图像统计的方法

基于图像统计特征的方法通常较为简单,易于实现。最简单常用的方法是灰度世界法( Gr ay World)。
灰世界法假设认为:场景中所有物理表面的平均反射是灰色的,即可以取 RGB个通道的平均颜色作为光照估计,即

式中 N为图像的像素数。

还有白点法(White patch)、灰边缘法等

        对于某颜色通道,算法流程设计如图 6-18 示。其中 ,像 素个数计数 cnt ,用于计 数均值平滑降采样所需的值; tmp now 累加均值平滑降采样所需 个像素的和: tmp_last 缓存上一次降采样的结果 gain 累加 分图像的像素和作为光照估计值。

 3.2基于学习的方法

        基于学习训练的方法需要通过训练集训练才能得到训练模型。基于学习训练的方法常常使用贝叶斯统计理论或神经网络(35) 等机器学习方法。虽然神经网络看上去能够合理地解决问题,但实际上它缺乏对颜色恒常性问题的深入描述,在实际应用中其泛化能力较差。
例如贝叶斯统计、色域映射、 基于支持向量机回归 的方法 、基于场景语义的方法。
​​​​​​​论文资料:

 

   

 

4、总结

        自动自平衡方法主要分为两大类 第一类是基于图像统计特征的方法,包 括灰世界法、白斑法、灰边缘法等 这类方法效果明显、计算简单,是目前摄像机中常用的方法 第二类是基于学习训练的方法 这类方法需要通过训练集学习得到关于光照的先验信息,然后再对未知光源下的色光进行估计,主要包括基于贝叶斯的方法、色域匹配 Gamut Mapping) 法以及本书提出的基于数据驱动的方法。这类方法计算复杂, 但是准确度相对较高。

 具体内容请参看《计算摄影学基础》

返回