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::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;
}
// 通道分离
vector<cv::Mat> Channel;
cv::split(src, Channel);
// 计算通道灰度值均值
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;
// 通道灰度值调整
Channel[0] *= Km / Bm;
Channel[1] *= Km / Gm;
Channel[2] *= Km / Rm;
// 合并通道
cv::merge(Channel, result);
return result;
}
C++测试代码
#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;
}
// 通道分离
vector<cv::Mat> Channel;
cv::split(src, Channel);
// 计算通道灰度值均值
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;
// 通道灰度值调整
Channel[0] *= Km / Bm;
Channel[1] *= Km / Gm;
Channel[2] *= Km / Rm;
// 合并通道
cv::merge(Channel, result);
return result;
}
int main()
{
// 载入原图
cv::Mat src = cv::imread("test.jpg");
// 白平衡-灰度世界
cv::Mat result = WhiteBalcane_Gray(src);
// 显示
cv::imshow("src", src);
cv::imshow("result", result);
cv::waitKey(0);
return 0;
}
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，这就导致原本偏粉色的人像区更粉了，这也是该算法的弊端。做该测试也是为了帮助大家更全面深层地理解算法应用场景。
以上就是C++ OpenCV实现白平衡之灰度世界算法的详细内容，更多关于C++ OpenCV灰度世界算法的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/zhaitianbao/article/details/125025766
