目录
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》