CN100481962C - 白平衡方法 - Google Patents

Abstract

本发明是一种白平衡方法，应用于一数字相机，包括步骤：去除影像的白物体上的色偏；利用该白物体的一像素信息来检测该影像的一参考白点；以及基于该像素信息及该色偏决定一尺度因子，以调整该白物体的白平衡。本发明的白平衡方法使用了色偏方程式，在某些情形下做出取舍，通过使用某个范围找出最高亮度像素，使得检测到的最高亮度像素永远属于白颜色，通过最高亮度像素的使用、寻找该范围、以及检测色偏下的白像素，能够在任何状况下发挥功效，完全地去除色偏现象，或是停止运作以进行白平衡调整。

Description

白平衡方法

技术领域

本发明涉及一种白平衡方法，尤其涉及一种应用于数字相机(digital still)的自动白平衡方法。

背景技术

近年来，数字相机席卷了整个相机市场，消费者在选购数字相机时会考虑众多因素，但影像质量常常是最被重视的因素之一；白平衡(white balance)是用来改善影像质量的因素之一，目前市面上所使用的白平衡方法并无法针对所有情况下所摄取的影像提供完善的处理。

当利用数字相机摄取景物时，所记录景物的每个像素值取决于三原色检测器的检测效果，而该检测效果却又受到景物光源的影响，因此，所摄取的影像上会出现明显的色偏(color cast)，这种光源所产生的影响出现在所记录的影像上是由于对应光源的颜色温度的缘故，当一白物体(white object)以一低颜色温度光源(low color temperature light source)的方式发光，所摄取影像中的该物体将偏红色；同样地，如果该白物体以一高颜色温度光源(high colortemperature light source)的方式发光，所摄取影像中的该物体将偏蓝色。为了找出新的白平衡算法，有必要针对景物光源的相关信息作一研究。

人类的视觉无法辨别人眼因色彩恒定性(color constancy)所造成的因不同光源所引起的色差现象，除非在不同的光源下观看，否则在判断方面皆会认为颜色是相同的；而数字相机便是使用白平衡机制来补偿因不同光源所引起的色差现象。

以下介绍几种传统上用来自动调整白平衡的方法。

(1)灰界法则(gray world method，GWM)

灰界设定是指给定一个具有足够颜色改变量的影像，该影像的红(R)、绿(G)、蓝(B)三种成份的平均值应被平均至一共同的灰值(gray-value)；通过灰界法则的应用，每个景物表面的平均反射值会被当成灰色以估算光源的光谱分布(spectral distribution)，该方法摄取影像，并计算其红、绿、蓝成份，以维持该灰界设定。

(2)理想反光法则(perfect reflector method，PRM)

理想反光设定将数字相机所摄取影像的“最亮”像素的RGB值当作光滑(glossy)面或镜(specular)面，对于任何白平衡算法来说，最重要的是搜集景物表面的信息以及该景物的光源，PRM通过突出一影像的反射程度(specularity)或光滑表面而着重在这两个因素上，反射程度有助于表现光源的一信息量，反射程度或光滑表面可以反射光源的实际颜色，这是因为这些反射程度在一个较大的波长范围之内具有恒定的反射函数，通过检测这些反射程度，便可以很容易地找出光源的实际颜色，而能进一步消除该景物所受到光源的影响。这个方法利用理想反光设定来修正影像，其系通过找出具有最大发光值的像素以定位一参考白点，并根据该参考白点执行白平衡调整。

(3)模糊法则(fuzzy rules method，FRM)

FRM出自Y.C.Cheng、W.H.Chan和Y.Q.Chen在IEEE Transactions onConsumer Electronics(Volume 41，pp.460-466，1995)所提出的论文“AutomaticWhite Balance for Digital Still Camera”，其将影像从RGB颜色空间转换至YCrCb颜色空间，并获取位于YCrCb颜色空间时的颜色特征，以进行白平衡调整，影像会被分成八个片段以达到更为精确的白平衡。

请参阅图1，其为检测光在不同颜色温度下的偏斜方向的实验结果示意图，其中“A”表示光在高颜色温度下的偏斜方向，“B”表示光在低颜色温度下的偏斜方向，现将该实验的数项结论简述如下：

(a)在不同的光源下，深色较浅色具有较小的偏斜方向，其中偏斜方向是相对于Cr和Cb成份的一极为重要的因素。

(b)当一白光从不同的光源被射出时，Cr相对于Cb的比率约在-1.5至-0.5之间。

(c)在高亮度下，颜色成份很容易便饱和，然而在低亮度下，颜色成份很容易便较为黯淡。

模糊法则可基于上述实验结果而简述如下：

(i)在高亮度和低亮度的状况之下，每个片段的Cr和Cb的平均将会以较小值而被加权。

(ii)每个片段的Cr和Cb的平均在深色的状况下较浅色具有较小加权值。

(iii)当一大型物体或背景占有一个以上的片段时，其颜色将会支配该片段，在彼此邻接的片段中Cr相对于Cb的比率将会近似，具有统一色光的这些片段的加权会变得较小，以避免对于该影像颜色的过补偿。

如果该片段的Cr相对于Cb的比率约在-1.5至-0.5之间，则成为一白光区域的可能性便会增加，已给的加权便成为最大。

除了以上所述基本的方法之外，T.S.Chiou于公元2000年在台湾大学资讯工程系所提出的硕士论文“Automatic White Balance for Digital StillCamera”还论及另一种白平衡方法，能够克服传统方法的缺点，以下进行一简要叙述。

Chiou’s White Balance Method(CWBM)

请参阅图2，其为该方法的结构示意图，其包括三个单元：一白点检测单元、一白平衡判断单元、以及一白平衡调整单元。

在该白点检测单元中可以检测到参考白点，首先，先检测初步参考白像素(rough reference white pixel)；接着，将影像从RGB颜色空间转换至YCrCb颜色空间；然后，选择满足方程式1.1的像素；

$\sqrt{C_r^2+C_b^2}\≤{\mathrm{CH}}_{\mathrm{th}}---\left(1.1\right)$

其中，实验中的阈值设定为60，而

是色度值(chromaticity value)。

接着，在满足方程式1.2的初步参考白像素中选择像素作为精确参考白像素(precise reference white pixel)；

R≥R_th，G≥G_th，B≥B_th

|C_r|≤AB_r，|Cb|≤AB_b

R_l≤C_r/C_b≤R_u  (1.2)

其中，R_th、G_th和B_th是每个单元中自百分之八十处所选取的阈值，AB_r(＝45)和AB_b(＝45)分别为C_r和C_b的绝对值，R_l(＝-1.25)和R_u(＝-0.75)分别是C_r相对于C_b的比率的下限值和上限值，最后，初步参考白像素和精确参考白像素的平均值会被分别计算为(R_r，G_r，B_r)以及(R_p，G_p，B_p)。

该白平衡判断单元会判断是否将白平衡应用于所需的影像上，然后自该白点检测单元选取参考白点数据。首先计算R_rough和R_precise，其分别为初步参考白像素相对于该影像的所有像素的比率，以及精确参考白像素相对于该影像的所有像素的比率；其次，决定R_rough是否大于或等于R_precise，并将其定义为指定部份(于实验中为0.2)；接着再决定R_precise是否大于或等于P_precise，并将其定义为指定部份(于实验中为0.05)；最后，将模式Ma设定为图3所示的0、1、2三个值。

该白平衡调整单元根据模式Ma调整白平衡。首先，根据初步参考白点(R_rgain，G_rgain，B_rgain)计算尺度因子(scale factor)，并根据精确参考白点(R_pgain，G_pgain，B_pgain)计算尺度因子。如果Ma被设定成2，则白平衡会依照(R_pgain，G_pgain，B_pgain)而作调整；如果Ma被设定成1，则会选择(R_rgain，G_rgain，B_rgain)与(R_pgain，G_pgain，B_pgain)之间的较小值。若是Ma被设定成0，则不对白平衡作任何调整。

为了将尺度因子的极值调整成为一可接受的值，还会使用方程式(1.3)的双弯曲函数(sigmoid function)；

Y＝1.05×(1+tanh(X-1.25))+0.4   (1.3)

其中，X是原始的尺度因子，Y是调整后的尺度因子。

鉴于传统的白平衡方法的效果，提出本发明，以下为本发明的简要说明。

发明内容

本发明的主要目的是提出一种白平衡方法，可以极高准确度检测出白点，并在数字相机上呈现出较传统白平衡方法更为优异的成像。

本发明的主要构想是提出一种白平衡方法，应用于一数字相机，包括下列步骤：(a)去除一影像的一白物体上的一色偏；(b)利用该白物体的一像素信息来检测该影像的一参考白点；以及(c)基于该像素信息及该色偏决定一尺度因子，以调整该白物体的白平衡。

根据上述构想的方法，步骤(a)还包括步骤：储存该影像的一原始数据I_org(R_org，G_org，B_org)；于该原始资料I_org实施一色阶直方图均匀化；以及将该原始数据I_org从RGB颜色空间转换至YCrCb颜色空间，以获得该影像的一色阶直方图均匀化数据I_Hist(Y_Hist，C_rHist，C_bHist)。

根据上述构想的方法，步骤(b)还包括下列步骤：从该色阶直方图均匀化数据I_Hist中找出满足下式(1)的所有白像素Y_Hist≥210，且-3≤C_rHist，C_bHist≤+3(1)；在满足上式(1)的所有白像素中以具有最大的Y_Hist值和最接近于零的C_rHist、C_bHist值找出一亮度最高像素计算满足上式(1)之所有白像素的平均值从该色阶直方图均匀化数据I_Hist中找出满足下式(2)的所有像素

Y_l≤Y_Hist≤Y_u

C_rl≤C_rHist≤C_ru  (2)，

C_bl≤C_bHist≤C_bu

并从满足上式(2)的像素中决定位于RGB颜色空间的该影像的该原始数据I_org(R_org，G_org，B_org)中对应的参考白像素，而在(Y_l，C_rl，C_bl)和(Y_u，C_ru，C_bu)中，Y_l和Y_u分别为选自

和

之间的最小值和最大值，C_rl和C_cu分别为选自

和

之间的最小值和最大值，C_bl和C_bu分别为选自

和

之间的最小值和最大值；计算该参考白像素的平均值W(R_w，G_w，B_w)。

根据上述构想的方法，步骤(c)还包括下列步骤：计算一第一尺度因子(R_scale，G_scale，B_scale)

R_scale＝Y_w/R_w

G_scale＝Y_w/G_w，

B_scale＝Y_w/B_w

其中Y_w由Y_w＝0.299*R_w+0.587*G_w+0.114*B_w而定；以及计算一第二尺度因子(R_GWA，G_GWA，B_GWA)

R_GWA＝Y_avg/R_avg

G_GWA＝Y_avg/G_avg，

B_GWA＝Y_avg/B_avg

其中，Y_avg由Y_avg＝0.299*R_avg+0.587*G_avg+0.114*B_avg而定，且(R_avg，G_avg，B_avg)是位于RGB颜色空间的该影像的原始数据I_org(R_org，G_org，B_org)的平均值。

根据上述构想的方法，还包括步骤如下：当 $B_{\mathrm{Hist}}^{\mathrm{avg}}+3\≥G_{\mathrm{Hist}}^{\mathrm{avg}}$ 且 $B_{\mathrm{Hist}}^{\mathrm{avg}}>R_{\mathrm{Hist}}^{\mathrm{avg}}$ 时，决定该色偏为偏蓝色偏；以及以(R_scale，G_scale，B_GWA)当作该第一尺度因子(R_scale，G_scale，B_scale)。

根据上述构想的方法，还包括步骤如下：当 $G_{\mathrm{Hist}}^{\mathrm{avg}}+3>R_{\mathrm{Hist}}^{\mathrm{avg}}>B_{\mathrm{Hist}}^{\mathrm{avg}}$ 时，决定该色偏为偏红色偏；以及以(R_GWA，G_scale，B_scale)当作该第一尺度因子(R_scale，G_scale，B_scale)。

根据上述构想的方法，还包括步骤如下：当 $R_{\mathrm{Hist}}^{\mathrm{avg}}>G_{\mathrm{Hist}}^{\mathrm{avg}}>B_{\mathrm{Hist}}^{\mathrm{avg}}$ 时，决定该色偏为偏绿色偏；以及以(R_scale，G_GWA，B_scale)当作该第一尺度因子(R_scale，G_scale，B_scale)。

本发明可通过附图和如下详细描述，得到更深入的了解。

附图说明

图1是检测光在不同颜色温度下的偏斜方向的实验结果示意图；

图2是CWBM方法的结构示意图；

图3是CWBM方法的模式示意图；

图4是本发明自动白平衡方法的流程图；

图5是本发明自动白平衡方法的纯化步骤的流程图：

图6是本发明自动白平衡方法的白像素检测步骤的流程图；

图7是本发明自动白平衡方法的白点检测步骤的流程图；以及

图8是本发明自动白平衡方法的白平衡调整步骤的流程图。。

具体实施方式

请参阅图4，其为本发明自动白平衡方法的流程图，由图中可看出，本发明的自动白平衡方法包括：白物体纯化(white object purification)100、白点检测(white point detection)200、以及白平衡调整(white balance adjustment)300等三个步骤。根据实验的观察所得，白物体若经过纯化，便可以很容易地从影像中检测出白点，因此须针对所需影像实施色阶直方图均匀化(histogramequalization)，以得出属于白点像素的信息，接着再通过该信息自原始影像中选取白点。

(1)白物体纯化

白物体纯化100的步骤纯化白物体以去除白物体上的色偏，于RGB通道上分别实施色阶直方图均匀化，可以达到去除白物体上的色偏的目的，经过此一步骤，之后的白物体检测步骤便会变得较为容易。

图5是白物体纯化的流程图。首先储存原始影像数据I_org(R_org，G_org，B_org)(步骤102)；接着，于RGB通道上分别实施色阶直方图均匀化(步骤104)，为了后续的处理，须通过色阶直方图以均匀化YCrCb颜色空间中的影像数据(步骤106)。

(2)白点检测请参阅图6，其为检测可能的白像素的流程图。在步骤200中，先使用YCrCb颜色空间中经过色阶直方图均匀化后的影像数据I_Hist(Y_Hist，C_rHist，C_bHist)；接着，在步骤202中，自该数据中依序选取每个像素；然后如步骤204所示，检测步骤206中满足方程式(1.4)的所有白像素；直到所有像素都决定完毕，如步骤208所示。

Y_Hist210，且

-3≤C_rHist，C_bHist≤+3；(1.4)

在步骤216中，为了计算满足(1.4)式的所有白像素的平均值

必须先在满足(1.4)式的所有白像素中以最大的Y_Hist值以及最接近于零的C_rHist和C_bHist值找出亮度最高的像素

如步骤210所示；最后，如果不再检测到可能的白像素时便停止作动，如步骤214所示。

图7是白点检测的流程图，在检测了可能的白像素之后，会根据步骤222所示的选取条件，在步骤224中找出色阶直方图均匀化的影像数据I_Hist中满足方程式(1.5)的所有像素，

Y_l≤Y_Hist≤Y_u

C_rl≤C_rHist≤C_ru  (1.5)

C_bl≤C_bHist≤C_bu

而在(Y_l，C_rl，C_bl)和(Y_u，C_ru，C_bu)中，Y_l和Y_u分别为选自

和之间的最小值和最大值，C_rl和C_cu分别为选自

和

之间的最小值和最大值，C_bl和C_bu分别为选自

和之间的最小值和最大值。

接着如步骤226所示，自原始RGB颜色空间中选取相对应的位置像素当作参考白像素，直到所有像素都决定完毕，如步骤228所示。

最后，在步骤230中，计算参考白像素的平均值以当作参考白点W(R_w，G_w，B_w)，接着将所选取的白平衡数据传送至白平衡调整步骤300。

(3)白平衡调整

图8是白平衡调整的流程图。在步骤302中，首先自白点检测程序中搜集数据以进行白平衡调整；接着，针对方程式(1.6)的每个颜色成份、根据参考白点W(R_w，G_w，B_w)计算第一尺度因子(R_scale，G_scale，B_scale)，其中：

R_scale＝Y_w/R_w

G_scale＝Y_w/G_w    (1.6)

B_scale＝Y_w/B_w

其中，通过方程式(1.7)可得出Y_w：

Y_w＝0.299×R_w+0.587×G_w+0.114×B_w   (1.7)

其次，在步骤304中，根据方程式(1.8)而计算第二尺度因子(R_GWA，G_GWA，B_GWA)，其中：

R_GWA＝Y_avg/R_avg

G_GWA＝Y_avg/G_avg    (1.8)

B_GWA＝Y_avg/B_avg

其中通过方程式(1.9)可得出Y_avg。

Y_avg＝0.299×R_avg+0.587×G_avg+0.114×B_avg    (1.9)

最后，在步骤306中，须基于所需影像上的色偏选取适当的尺度因子，为了决定所需影像上的尺度因子，须将可能的白像素

的平衡值从YCrCb转换至RGB颜色空间而成为

接着使用(1.10)～(1.12)的方程式以分别找出偏蓝(bluish)(步骤308)、偏绿(greenish)(步骤312)、以及偏红(reddish)(步骤316)的三种色偏，虽然下列方程式是基于观察所得到的，但仍然足够用以找出影像中的色偏。

$B_{\mathrm{Hist}}^{\mathrm{avg}}+3>G_{\mathrm{Hist}}^{\mathrm{avg}}$ 和 $B_{\mathrm{Hist}}^{\mathrm{avg}}>R_{\mathrm{Hist}}^{\mathrm{avg}}---\left(1.10\right)$

$G_{\mathrm{Hist}}^{\mathrm{avg}}+3>R_{\mathrm{Hist}}^{\mathrm{avg}}>B_{\mathrm{Hist}}^{\mathrm{avg}}---\left(1.11\right)$

$R_{\mathrm{Hist}}^{\mathrm{avg}}>G_{\mathrm{Hist}}^{\mathrm{avg}}>B_{\mathrm{Hist}}^{\mathrm{avg}}---\left(1.12\right)$

在找出色偏之后，便可以应用第一及第二尺度因子；即对于偏蓝色偏来说，步骤310中的尺度因子如方程式(1.13)所示：

R_factor＝R_scale

G_factor＝G_scale  (1.13)

B_factor＝B_GWA

对于偏红色偏来说，步骤314中的尺度因子如方程式(1.14)所示：

R_factor＝R_GWA

G_factor＝G_scale   (1.14)

B_factor＝B_scale

对于偏绿色偏来说，步骤318中的尺度因子如方程式(1.15)所示：

R_factor＝R_scale

G_factor＝G_GWA    (1.15)

B_factor＝B_Scale

传统的GWM、PRM、FRM、以及CWBM等方法皆具有严重的成像问题；即调整白平衡会破坏影像颜色的调和度，因此本发明使用色偏方程式、并在某些情形下做出取舍，不论是否使用白平衡调整，皆可避免传统方法的问题，有时候在某些特定的情况下(例如暖房中)，使用白平衡算法可能会产生偏蓝色偏、而不是仅有的原始色偏的去除，而本发明也可避免这种情形的发生，不论在自然光源或是家用光源的情况下，本发明皆具有极优异的表现。

实验结果显示，本发明的白平衡方法在去除物体产生变化时的影像的色偏方面具有优异的稳定性，除此之外，在光线产生变化的状况下，通过攫取不同光源下的相同影像，其结果依然是稳定的，所以本发明的白平衡方法也可应用于移动影像(moving pictures)，关于单一亮度像素的白平衡，本发明也可以克服这个PRM方法所具有的主要缺点，通过使用某个范围找出最高亮度像素，可以使得检测到的最高亮度像素永远属于白颜色，通过最高亮度像素的使用、寻找该范围、以及检测色偏下的白像素，可以使得本发明能够在任何状况下发挥功效，因此，本发明的白平衡方法能够完全地去除色偏现象、或是停止运作以进行白平衡调整。

本发明可由本领域技术人员进行各种变形和改型，而且这些变形和改型均落入本发明所附权利要求的覆盖范围之内。

Claims (5)

1.一种白平衡方法，应用于一数字相机，包括下列步骤：

(a)去除一影像的一白物体上的一色偏，其中步骤(a)还包括下列步骤：

储存该影像的一原始数据I_org(R_org，G_org，B_org)；

于该原始资料I_org实施一色阶直方图均匀化；以及

将该原始数据I_org从RGB颜色空间转换至YCrCb颜色空间，以获得该影像的一色阶直方图均匀化数据I_Hist(Y_Hist，C_rHist，C_bHist)；

(b)利用该白物体的一像素信息来检测该影像的一参考白点，其中步骤(b)还包括下列步骤：

从该色阶直方图均匀化数据I_Hist中找出满足下式(1)的所有白像素

Y_Hist≥210，且-3≤C_rHist，C_bHist≤+3       (1)；

在满足上式(1)的所有白像素中以具有最大的Y_Hist值和最接近于零的C_rHist、C_bHist值找出一亮度最高像素 $(Y_{\mathrm{Hist}}^{\mathrm{bright}},C_{\mathrm{rHist}}^{\mathrm{bright}},C_{\mathrm{bHist}}^{\mathrm{bright}});$

计算满足上式(1)之所有白像素的平均值 $(Y_{\mathrm{Hist}}^{\mathrm{avg}},{C_{\mathrm{rHist}}^{\mathrm{avg}},C}_{\mathrm{bHist}}^{\mathrm{avg}});$

从该色阶直方图均匀化数据I_Hist中找出满足下式(2)的所有像素

Y_l≤Y_Hist≤Y_u

C_rl≤C_rHist≤C_ru        (2)，

C_bl≤C_bHist≤C_bu

并从满足上式(2)的像素中决定位于RGB颜色空间的该影像的该原始数据I_org(R_org，G_org，B_org)中对应的参考白像素，而在(Y_l，C_rl，C_bl)和(Y_u，C_ru，C_bu)中，Y₁和Y_u分别为选自

和之间的最小值和最大值，C_r1和C_cu分别为选自和

之间的最小值和最大值，C_b1和C_bu分别为选自

和

之间的最小值和最大值；

计算该参考白像素的平均值W(R_w，G_w，B_w)；以及

(c)基于该像素信息及该色偏决定一尺度因子，以调整该影像的白平衡。

2.如权利要求1所述的白平衡方法，其中步骤(c)还包括下列步骤：

计算一第一尺度因子(R_scale，G_scale，B_scale)

R_scale＝Y_w/R_w

G_scale＝Y_w/G_w’

B_scale＝Y_w/B_w

其中Y_w由Y_w＝0.299*R_w+0.587*G_w+0.114*B_w而定；以及

计算一第二尺度因子(R_GWA，G_GWA，B_GWA)

R_GWA＝Y_avg/R_avg

G_GWA＝Y_avg/G_avg’

B_GWA＝Y_avg/B_avg

其中，Y_avg由Y_avg＝0.299×R_avg+0.587×G_avg+0.114×B_avg而定，且(R_avg，G_avg，B_avg)是位于RGB颜色空间的该影像的该原始数据I_org(R_org，G_org，B_org)的平均值。

3.如权利要求2所述的白平衡方法，还包括步骤如下：

当 $B_{\mathrm{Hist}}^{\mathrm{avg}}+3\≥G_{\mathrm{Hist}}^{\mathrm{avg}}$ 且 $B_{\mathrm{Hist}}^{\mathrm{avg}}>R_{\mathrm{Hist}}^{\mathrm{avg}}$ 时，决定该色偏为偏蓝色偏；以及

以(R_scale，G_scale，B_GWA)当作该第一尺度因子(R_scale，G_scale，B_scale)。

4.如权利要求2所述的白平衡方法，还包括步骤如下：

当 $G_{\mathrm{Hist}}^{\mathrm{avg}}+3>R_{\mathrm{Hist}}^{\mathrm{avg}}>B_{\mathrm{Hist}}^{\mathrm{avg}}$ 时，决定该色偏为偏红色偏；以及

以(R_GWA，G_scale，B_scale)当作该第一尺度因子(R_scale，G_scale，B_scale)。

5.如权利要求2所述的白平衡方法，还包括步骤如下：

当 $R_{\mathrm{Hist}}^{\mathrm{avg}}>G_{\mathrm{Hist}}^{\mathrm{avg}}>B_{\mathrm{Hist}}^{\mathrm{avg}}$ 时，决定该色偏为偏绿色偏；以及

以(R_scale，G_GWA，B_scale)当作该第一尺度因子(R_scale，G_scale，B_scale)。

Images