C++ OpenCV實(shí)現(xiàn)白平衡之灰度世界算法

更新時(shí)間：2022年05月30日 09:56:37 作者：翟天保Steven

灰度世界算法是白平衡各種算法中最基本的一種。本文將利用C++和OpenCV實(shí)現(xiàn)白平衡中的灰度世界算法，文中示例代碼講解詳細(xì)，感興趣的可以了解一下

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。

灰度世界算法是白平衡各種算法中最基本的一種。它假設(shè)圖像世界具備豐富色彩，紅藍(lán)綠三通道的灰度值在平均后趨近一致，該值作為“灰色”；若各通道均值偏離“灰色”，則將其進(jìn)行補(bǔ)償，使其回歸“灰色”，進(jìn)而實(shí)現(xiàn)白平衡的效果。

通俗的講，若圖像中綠色較強(qiáng)，藍(lán)色和紅色較弱，則用了灰度世界算法后，綠色會(huì)適當(dāng)減弱，藍(lán)色和紅色會(huì)適當(dāng)加強(qiáng)，這樣就使原本偏色嚴(yán)重的情況得到了緩解。

灰度世界算法的實(shí)現(xiàn)流程如下：

1.計(jì)算圖像RGB三通道各自的灰度平均值Raver、Gaver、Baver。

2.計(jì)算“灰色”：Gray=(Raver+Gaver+Baver)/3。

3.計(jì)算三通道的補(bǔ)償系數(shù)，即灰色值除以單通道平均值。

功能函數(shù)代碼

// 白平衡-灰度世界
cv::Mat WhiteBalcane_Gray(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);
 
	// 計(jì)算通道灰度值均值
	double Bm = cv::mean(Channel[0])[0];
	double Gm = cv::mean(Channel[1])[0];
	double Rm = cv::mean(Channel[2])[0];
	double Km = (Bm + Gm + Rm) / 3;
 
	// 通道灰度值調(diào)整
	Channel[0] *= Km / Bm;
	Channel[1] *= Km / Gm;
	Channel[2] *= Km / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}

C++測試代碼

#include <iostream>
#include <opencv.hpp>
 
using namespace std;
 
// 白平衡-灰度世界
cv::Mat WhiteBalcane_Gray(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);
 
	// 計(jì)算通道灰度值均值
	double Bm = cv::mean(Channel[0])[0];
	double Gm = cv::mean(Channel[1])[0];
	double Rm = cv::mean(Channel[2])[0];
	double Km = (Bm + Gm + Rm) / 3;
 
	// 通道灰度值調(diào)整
	Channel[0] *= Km / Bm;
	Channel[1] *= Km / Gm;
	Channel[2] *= Km / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}
 
int main()
{
	// 載入原圖
	cv::Mat src = cv::imread("test.jpg");
 
	// 白平衡-灰度世界
	cv::Mat result = WhiteBalcane_Gray(src);
 
	// 顯示
	cv::imshow("src", src);
	cv::imshow("result", result);
	cv::waitKey(0);
 
	return 0;
}

測試效果

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。

圖3 單色原圖

圖4 白平衡后圖像

如圖3所示，是一張色彩相對(duì)一致的圖像，整體呈粉色系，此時(shí)應(yīng)用灰度世界算法，圖像會(huì)整體調(diào)整，使得顏色趨近于灰色；感興趣的可以去看看該顏色的色條，三通道的數(shù)值在180-220左右，沒有過大的差異，平衡后三數(shù)值接近于190，因而呈灰色。

接下來做個(gè)有趣的測試，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 白平衡后效果

如圖5所示，因?yàn)閳D像中存在色調(diào)相沖的兩個(gè)部分，在白平衡后，原本的綠色會(huì)調(diào)整為深綠色，圖像綠色分量降低，其他分量升高，這就導(dǎo)致原本偏粉色的人像區(qū)更粉了，這也是該算法的弊端。做該測試也是為了幫助大家更全面深層地理解算法應(yīng)用場景。

以上就是C++ OpenCV實(shí)現(xiàn)白平衡之灰度世界算法的詳細(xì)內(nèi)容，更多關(guān)于C++ OpenCV灰度世界算法的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: