C++OpenCV实现白平衡之灰度世界算法

第C++OpenCV实现白平衡之灰度世界算法目录实现原理功能函数代码C++测试代码测试效果

实现原理

白平衡的意义在于，对在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行补偿，使白色物体能还原为白色。

灰度世界算法是白平衡各种算法中最基本的一种。它假设图像世界具备丰富色彩，红蓝绿三通道的灰度值在平均后趋近一致，该值作为灰色；若各通道均值偏离灰色，则将其进行补偿，使其回归灰色，进而实现白平衡的效果。

通俗的讲，若图像中绿色较强，蓝色和红色较弱，则用了灰度世界算法后，绿色会适当减弱，蓝色和红色会适当加强，这样就使原本偏色严重的情况得到了缓解。

灰度世界算法的实现流程如下：

1.计算图像RGB三通道各自的灰度平均值Raver、Gaver、Baver。

2.计算灰色：Gray=(Raver+Gaver+Baver)/3。

3.计算三通道的补偿系数，即灰色值除以单通道平均值。

功能函数代码

//白平衡-灰度世界

cv::MatWhiteBalcane_Gray(cv::Matsrc)

cv::Matresult=src.clone();

if(src.channels()!=3)

cout"Thenumberofimagechannelsisnot3."endl;

returnresult;

//通道分离

vectorcv::MatChannel;

cv::split(src,Channel);

//计算通道灰度值均值

doubleBm=cv::mean(Channel[0])[0];

doubleGm=cv::mean(Channel[1])[0];

doubleRm=cv::mean(Channel[2])[0];

doubleKm=(Bm+Gm+Rm)/3;

//通道灰度值调整

Channel[0]*=Km/Bm;

Channel[1]*=Km/Gm;

Channel[2]*=Km/Rm;

//合并通道

cv::merge(Channel,result);

returnresult;

}

C++测试代码

#includeiostream

#includeopencv.hpp

usingnamespacestd;

//白平衡-灰度世界

cv::MatWhiteBalcane_Gray(cv::Matsrc)

cv::Matresult=src.clone();

if(src.channels()!=3)

cout"Thenumberofimagechannelsisnot3."endl;

returnresult;

//通道分离

vectorcv::MatChannel;

cv::split(src,Channel);

//计算通道灰度值均值

doubleBm=cv::mean(Channel[0])[0];

doubleGm=cv::mean(Channel[1])[0];

doubleRm=cv::mean(Channel[2])[0];

doubleKm=(Bm+Gm+Rm)/3;

//通道灰度值调整

Channel[0]*=Km/Bm;

Channel[1]*=Km/Gm;

Channel[2]*=Km/Rm;

//合并通道

cv::merge(Channel,result);

returnresult;

intmain()

//载入原图

cv::Matsrc=cv::imread("test.jpg");

//白平衡-灰度世界

cv::Matresult=WhiteBalcane_Gray(src);

//显示

cv::imshow("src",src);

cv::imshow("result",result);

cv::waitKey(0);

return0;

}

测试效果

图1原图

图2白平衡后图像

如图1所示，是傍晚的一张图像，众所周知，傍晚的色温是较低的，此时采用高于傍晚色温的色温值拍照，就会得到一张暖色系的图片，偏黄；对其进行白平衡，使图片颜色回归真实的环境色温，就得到如图2的效果。

图3单色原图

图4白平衡后图像

如图3所示，是一张色彩相对一致的图像，整体呈粉色系，此时应用灰度世界算法，图像会整体调整，使得颜色趋近于灰色；感兴趣的可以去看看该颜色的色条，三通道的数值在180-220左右，没有过大的差异，平衡后三数值接近于190，因而呈灰色。

接下来做个有趣的测试，将原本粉色的墙纸设为较纯的绿色。

图5调色后的图像

图6白平衡后效果

如图5所示，因为图像中存在色调相冲的两个部分，在白平衡后，原本的绿色会调整为深绿色，图像绿色分量降低，其他分量升高，这就导