C++?OpenCV實(shí)現(xiàn)白平衡之完美反射算法

更新時(shí)間：2022年05月30日 09:58:30 作者：翟天保Steven

完美反射算法是白平衡各種算法中較常見的一種，比灰度世界算法更優(yōu)。本文將利用C++和OpenCV實(shí)現(xiàn)白平衡中的完美反射算法，需要的可以參考一下

實(shí)現(xiàn)原理

白平衡的意義在于，對(duì)在特定光源下拍攝時(shí)出現(xiàn)的偏色現(xiàn)象，通過加強(qiáng)對(duì)應(yīng)的補(bǔ)色來進(jìn)行補(bǔ)償，使白色物體能還原為白色。

完美反射算法是白平衡各種算法中較常見的一種，比灰度世界算法更優(yōu)。它假設(shè)圖像世界中最亮的白點(diǎn)是一個(gè)鏡面，能完美反射光照；基于白點(diǎn)，將三通道的數(shù)值進(jìn)行適當(dāng)?shù)卣{(diào)整，以達(dá)到白平衡效果；除此之外，還需要統(tǒng)計(jì)最亮的一定區(qū)間的三通道均值，該均值與該通道最大值的差距決定了該通道調(diào)整的力度。

通俗的講，若圖像中綠色分量最大值是255，但是綠色最亮的前百分之10個(gè)點(diǎn)的平均值只有80，說明原圖的綠色分量整體較低，需要對(duì)其加強(qiáng)；若最大值只有100，那么加強(qiáng)的系數(shù)就較低，白平衡的效果就不達(dá)預(yù)期。這就是完美反射算法比較依賴圖像中存在白點(diǎn)的原因，白點(diǎn)的三通道灰度值接近【255，255，255】。最下方將用實(shí)際圖像作進(jìn)一步說明，以幫助讀者理解。

完美反射算法的實(shí)現(xiàn)流程如下：

1.計(jì)算圖像RGB三通道各自的灰度最大值Rmax、Gmax、Bmax。

2.利用三通道數(shù)值和，確定圖像最亮區(qū)間的下限T。

3.計(jì)算圖像三通道數(shù)值和大于T的點(diǎn)的三通道均值Rm、Gm、Bm。

4.計(jì)算三通道的補(bǔ)償系數(shù)，即單通道最大值除以單通道亮區(qū)平均值。

功能函數(shù)代碼

// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分離
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 定義參數(shù)
	int row = src.rows;
	int col = src.cols;
	int RGBSum[766] = { 0 };
	uchar maxR, maxG, maxB;
 
	// 計(jì)算單通道最大值
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			RGBSum[sum]++;
			maxB = max(maxB, b[j]);
			maxG = max(maxG, g[j]);
			maxR = max(maxR, r[j]);
		}
	}
 
	// 計(jì)算最亮區(qū)間下限T
	int T = 0;
	int num = 0;
	int K = static_cast<int>(row * col * 0.1);
	for (int i = 765; i >= 0; --i)
	{
		num += RGBSum[i];
		if (num > K)
		{
			T = i;
			break;
		}
	}
	
	// 計(jì)算單通道亮區(qū)平均值
	double Bm = 0.0, Gm = 0.0, Rm = 0.0;
	int count = 0;
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			if (sum > T)
			{
				Bm += b[j];
				Gm += g[j];
				Rm += r[j];
				count++;
			}
 
		}
	}
	Bm /= count;
	Gm /= count;
	Rm /= count;
 
	// 通道調(diào)整
	Channel[0] *= maxB / Bm;
	Channel[1] *= maxG / Gm;
	Channel[2] *= maxR / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}

C++測(cè)試代碼

#include <iostream>
#include <opencv.hpp>
 
using namespace std;
 
// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分離
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 定義參數(shù)
	int row = src.rows;
	int col = src.cols;
	int RGBSum[766] = { 0 };
	uchar maxR, maxG, maxB;
 
	// 計(jì)算單通道最大值
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			RGBSum[sum]++;
			maxB = max(maxB, b[j]);
			maxG = max(maxG, g[j]);
			maxR = max(maxR, r[j]);
		}
	}
 
	// 計(jì)算最亮區(qū)間下限T
	int T = 0;
	int num = 0;
	int K = static_cast<int>(row * col * 0.1);
	for (int i = 765; i >= 0; --i)
	{
		num += RGBSum[i];
		if (num > K)
		{
			T = i;
			break;
		}
	}
	
	// 計(jì)算單通道亮區(qū)平均值
	double Bm = 0.0, Gm = 0.0, Rm = 0.0;
	int count = 0;
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			if (sum > T)
			{
				Bm += b[j];
				Gm += g[j];
				Rm += r[j];
				count++;
			}
 
		}
	}
	Bm /= count;
	Gm /= count;
	Rm /= count;
 
	// 通道調(diào)整
	Channel[0] *= maxB / Bm;
	Channel[1] *= maxG / Gm;
	Channel[2] *= maxR / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}
 
int main()
{
	// 載入原圖
	cv::Mat src = cv::imread("test21.jpg");
 
	// 白平衡-完美反射
	cv::Mat result = WhiteBalcane_PRA(src);
 
	// 顯示
	cv::imshow("src", src);
	cv::imshow("result", result);
	cv::waitKey(0);
 
	return 0;
}

測(cè)試效果

圖1 原圖

圖2 白平衡后圖像

如圖1所示，是傍晚的一張圖像，眾所周知，傍晚的色溫是較低的，此時(shí)采用高于傍晚色溫的色溫值拍照，就會(huì)得到一張暖色系的圖片，偏黃；對(duì)其進(jìn)行白平衡，使圖片顏色回歸真實(shí)的環(huán)境色溫，就得到如圖2的效果。

如果你用過灰度世界算法，你會(huì)發(fā)現(xiàn)完美反射算法的效果更亮些；這是因?yàn)樗{(lán)通道最大值和藍(lán)通道亮區(qū)平均值的差距較大，因而補(bǔ)償?shù)膹?qiáng)度很強(qiáng)；若原圖中不存在白色區(qū)，那藍(lán)通道的補(bǔ)償就會(huì)較弱，達(dá)不到較好的預(yù)期，因此該算法所處理的圖像中最好有較白的點(diǎn)。

圖3 單色原圖

圖4 單色圖白平衡效果

如圖3所示，是一張色彩相對(duì)一致的圖像，整體呈粉色系。灰度世界法將三通道數(shù)值進(jìn)行平均再補(bǔ)償，就會(huì)使三通道的數(shù)值趨近一致，進(jìn)而呈現(xiàn)灰色；而完美反射算法，計(jì)算的是三通道各自數(shù)值最大值和其亮區(qū)平均值的差距，再進(jìn)行補(bǔ)償，因此三通道的數(shù)值都會(huì)適當(dāng)加強(qiáng)，使光感更強(qiáng)，即圖片更亮。

接下來做個(gè)有趣的測(cè)試，將原本粉色的墻紙?jiān)O(shè)為較純的綠色。

圖5 調(diào)色后的圖像

圖6 白平衡效果圖

如圖5所示，因?yàn)閳D像中存在色調(diào)相沖的兩個(gè)部分，完美反射算法的優(yōu)勢(shì)在這種場(chǎng)景下體現(xiàn)的很明顯。因?yàn)榫G色區(qū)域較大，灰度世界算法中單純的計(jì)算均值再平衡，會(huì)無腦地將整圖的綠色分量降低，紅色分量提高，使得結(jié)果異常滑稽；而完美反射算法，因?yàn)閳D中有白值，三通道的最大值均在250左右，對(duì)綠色分量而言，其最亮區(qū)的均值接近于230，而紅色分量和藍(lán)色分量而言，其最亮區(qū)的均值也接近于200多，因此三通道的平衡結(jié)果就是整體提亮，而不是被無腦平均。

灰度世界算法效果圖見：

C++ OpenCV實(shí)現(xiàn)白平衡之灰度世界算法

到此這篇關(guān)于C++ OpenCV實(shí)現(xiàn)白平衡之完美反射算法的文章就介紹到這了,更多相關(guān)C++ OpenCV完美反射算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: