CN102340673A - 一种针对交通场景的摄像机白平衡方法 - Google Patents

Abstract

本发明公开了一种针对交通场景的摄像机白平衡方法，它包括以下步骤：从原始RGB图像数据中筛选出饱和度低于阈值的像素并求出对应的RGB均值；根据前一步骤求得的RGB均值，获得当前帧的白平衡补偿系数，结合之前帧的白平衡补偿系数，加权计算出视频当前帧的序列白平衡校正系数；对图像进行白平衡校正，输出校正后的图像。

Description

一种针对交通场景的摄像机白平衡方法

技术领域

本发明涉及一种摄像机白平衡方法，特别是一种针对交通场景的摄像机白平衡方法。

背景技术

物体在不同的光源照射下会呈现不同的颜色。这是因为不同的光源其色温不同，从而导致目标物体的反射光线光谱偏离“真实”颜色。当白色目标物体被低色温光源照射时，反射光线偏红；相反高色温光源会使同一白色目标物体反射光线偏蓝。由于人眼对色彩有恒久不变性，人的视觉或许不能区分这种颜色的差别。但是对于摄像机来说，给定光源下目标物体的反射光线将被记录。因此随着光源的变化，摄像机拍出的图像将会引起色差。摄像机自动白平衡算法，就是用来平衡不同色温环境下所拍摄的图像色差。

很多白平衡算法都是在Von Kries假设的基础上改进得到的。这种假设表明色彩调整是一种独立的增益调整，这种增益调整对于三种锥体信号用的是三个不同的增益系数，而且每一个传感器通道都是独立传输的。增益系数表示如下：

L_a＝K_lL

M_a＝K_mM        (1)

S_a＝K_sS

其中L、M、S代表三色的原始初值，K_l、K_m、K_s表示将原始信号增大到三色调整值L_a、M_a、S_a的增益系数。调整模型因部分系数获得的方法而不同。在这些模型中RGB通道通常被认为是L、M、S视网膜波段的一种近似，所以公式(1)变为：

R_a＝K_rR

G_a＝K_gG        (2)

B_a＝K_bB

常见的白平衡算法主要分为两类：一类是基于灰度世界假设的白平衡算法，一类是基于白斑假设的白平衡算法。

基于灰度世界假设的白平衡算法，假设给定的一幅色彩变化很大的图像的R、G、B元素的平均值合成是一种普通的灰色。这样我们就可以在一幅数码相机在特殊光源下拍摄的图片中应用灰度世界假设来去掉因光源而带来的模糊层面。一旦选择了一种普通灰度值，每一种色彩元素就可以用以下的系数进行调整。

K_r＝G_rayR/R_avg

K_g＝G_rayG/G_avg        (3)

K_b＝G_rayB/B_avg

其中，R_avg、G_avg、B_avg表示R、G、B三通道的平均值，G_rayR、G_rayG、G_rayB表示选择的灰度值。

基于灰度世界假设的白平衡算法，假设整个图像的R、G、B三个分量的统计均值相等，但实际拍摄的图像画面，总是不能完全满足这个假设，特别是在交通场景中，画面中经常出现彩色车辆，路边的绿化带和房屋也有颜色，这种场景下，很难满足灰度世界的假设条件，使得该方法在实际使用过程中白平衡效果不理想。

基于白斑假设的白平衡算法，其基本思想就是使白点或者白色区域表现得如同真实场景中的一样。这些白平衡算法的技巧在于在获得的图像中识别这些白点或者白色区域。

一种白平衡方法就是用参考白色值(WhiteR、WhiteG、WhiteB)除以每条通道获得的最大值(RMax、GMax、BMax)来计算Von Kries系数：

K_r＝WhiteR/RMax

K_g＝WhiteG/GMax    (4)

K_b＝WhiteB/BMax

另外一种方法是利用下面的Von Kries转换系数来进行白平衡算法。

K_r＝WhiteR/R_avgW

K_g＝WhiteG/G_avgW    (5)

K_b＝WhiteB/B_avgW

其中，R_avgW、G_avgW、B_avgW表示潜在白色物体(通常是初始图像的一部分)的R、G、B三通道的平均值。

基于白斑假设的白平衡算法，假设图像中最亮的区域为白色区域。交通场景中，最亮区域往往是交通信号灯、车辆尾灯或其他彩色灯光或区域，白斑假设在该场景下时常失效。

发明内容

本发明的目的在于，提供一种针对交通场景的摄像机白平衡方法。它可以适用于交通场景，改善了传统方法的不足，使获得的图像更为真实。

本发明的技术方案：

一种针对交通场景的摄像机白平衡方法，其特点是，包括以下步骤：

①从原始RGB图像数据中筛选出饱和度低于阈值的像素并求出对应的RGB均值；

②根据步骤1求得的RGB均值，获得当前帧的白平衡补偿系数，结合之前帧的白平衡补偿系数，加权计算出视频当前帧的序列白平衡校正系数；

③对图像进行白平衡校正，输出校正后的图像。

上述的针对交通场景的摄像机白平衡方法中，所述步骤①的具体方法为：利用读取的原始RGB图像数据中每个像素的RGB值，求取该像素点的饱和度值，对饱和度低于阈值的像素点进行累加统计，获取R、G、B有效像素均值R_avg、G_avg和B_avg。

前述的针对交通场景的摄像机白平衡方法中，所述步骤②的具体方法是：根据选取的灰度值G_rayR、G_rayG和G_rayB，步骤①求得的R、G、B有效像素均值R_avg、G_avg和B_avg，将选取的灰度值分别除以R、G、B有效像素均值，得出当前帧白平衡补偿系数K_r、K_g和K_b，再采用序列白平衡系数加权方法对当前帧白平衡系数与之前帧的序列白平衡系数进行加权，得出当前帧的序列白平衡校正系数Kvr、Kvg和Kvb，以此平滑白平衡系数变化，避免色彩突变现象。

前述的针对交通场景的摄像机白平衡方法中，所述步骤③的具体方法为：将原始RGB图像数据中当前帧的每个像素的RGB值的R、G、B分量分别乘以各自对应的当前帧的序列白平衡校正系数Kvr、Kvg、Kvb，完成白平衡校正。

前述的针对交通场景的摄像机白平衡方法中，所述阈值为0.3。

前述的针对交通场景的摄像机白平衡方法中，所述序列白平衡系数加权方法为：将当前帧的白平衡系数乘以加权系数k，再加上之前帧的序列白平衡系数乘以(1-k)，得出当前帧的序列白平衡系数。

前述的针对交通场景的摄像机白平衡方法中，所述选取的灰度值G_rayR、G_rayG和G_rayB均为R、G、B通道有效像素均值的最大值MAX(R_avg、G_avg、B_avg)，可使得出的白平衡系数均不大于1，以此保证经白平衡后的图像像素值不会溢出。

前述的针对交通场景的摄像机白平衡方法中，所述加权系数k为0.001。

与现有技术相比，本发明注意到在交通场景下，画面的大部分区域是路面，只有少部分是车辆和路边绿化带等景物。即使车辆拥堵状况下偶尔有车辆覆盖路面的状况，这种状况随着车辆的流动也会在短时间内消失；交通场景下，画面中的非路面区域(主要是车辆和路边绿化带)即使出现彩色区域，大多数彩色像素的饱和度都比较高。因此，本发明首先求取图像中每个像素的饱和度，将图像像素分类为高饱和度像素和低饱和度像素，假设图像中的低饱和度像素对应的RGB三通道的平均值相等。基于该假设的白平衡方法，更加适合交通场景的摄像机白平衡处理。

附图说明

图1是本发明的结构示意图；

图2是本发明步骤①的流程图；

图3是本发明步骤②的流程图；

图4是本发明步骤③的流程图；

图5是本发明实施例的流程总图；

图6是本发明实施例的效果对比图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例。如图1所示，是表示应用本发明的高清CCD摄像机系统示意图。应用本发明的高清CCD摄像机系统由CCD传感器单元12和信号处理器单元13组成。CCD传感器单元12拍摄透过镜头11的光线采集数据并完成模拟信号向数字信号的转换，信号处理器单元13接收CCD传感器单元12的数字信号。图像数据经处理后输出到显示设备14。本发明的方法在信号处理器中实现。

图2是表示本发明步骤①的流程图。其详细步骤如下：

(S31)依次读取原始RGB图像数据中每个像素的RGB值。

(S32)利用RGB数据，求取该像素点的饱和度值，饱和度求取公式如下所示：

G_min＝min(R、B、G)

G_max＝max(R、B、G)        (6)

$S=\left\{\begin{array}{cc}(G_{\max }-G_{\min })/G_{\max }& \mathrm{if}(G_{\max }!=0)\\ 0& \mathrm{if}(G_{\max }=0)\end{array}\right.$

其中，Cmin表示当前像素R、G、B的最小值，Cmax表示当前像素R、G、B的最大值，S表示当前像素的饱和度值。

(S33)饱和度值与经验阈值比较(本优选实施例将此阈值设为0.3)，如果饱和度小于经验阈值，认为该像素点是有效像素，保留该像素，进入统计流程。如果饱和度值大于经验阈值，认为该像素是图像中颜色鲜艳的区域，对应到交通场景，可能是有颜色的车辆区域或其他路边景物区域，因此排除该像素，继续读取下一像素。

(S34)统计经S33筛选后的有效像素点数目，并分别累计R、G、B三个通道的值，公式如下：

R_a＝R_a+R

G_a＝G_a+G        (7)

B_a＝B_a+B

V_num＝V_num+1

其中，R_a表示R通道有效像素累计值，G_a表示G通道有效像素累计值，B_a表示B通道有效像素累计值，V_num表示有效像素点数目。(S35)判断是否完成整幅图像像素读取，如果未完成，则重复S31、S32、S33、S34步骤，直到完成。

(S36)利用如下公式求取R、G、B的均值：

R_avg＝R_a/V_num

G_avg＝G_a/V_num       (8)

B_avg＝B_a/V_num

其中，R_avg表示R通道有效像素均值，G_avg表示G通道有效像素均值，B_avg表示B通道有效像素均值。

图3是表示本发明步骤②的流程图。其详细步骤如下：

(S41)获取像素筛选单元输出的R、G、B有效像素均值。

(S42)求取当前帧白平衡系数。白平衡系数求取参照公式(3)，令其中G_rayR＝G_rayG＝G_rayB＝MAX(R_avg，G_avg，B_avg)，这样计算出的白平衡系数均不大于1，以此保证经白平衡后的图像像素值不会溢出。

(S43)为避免由于图像局部色彩变化或整体色彩突变导致白平衡系数的突变，本发明采用序列白平衡系数加权方法对当前帧白平衡系数与序列白平衡系数进行加权，以此平滑白平衡系数变化，避免色彩突变现象。加权公式如下：

K_vr＝(1-k)×K_vr+k×K_r

K_vg＝(1-k)×K_vg+k×K_g    (9)

K_vb＝(1-k)×K_vb+k×K_b

其中，K_r、K_g、K_b为当前帧白平衡系数，K_vr、K_vg、K_vb为序列白平衡系数，k为加权系数(本优选实施例设为0.001)。

图4是表示本发明步骤③的流程图。其详细步骤如下：

(S51)依次读取原始RGB图像数据中每个像素的RGB值。

(S52)R、G、B分量分别乘以各自对应的序列白平衡校正系数Kvr、Kvg、Kvb，完成白平衡校正。

R＝R×K_vr

G＝G×K_vg        (10)

B＝B×K_vb

(S53)判断是否完成整幅图像像素读取，如果未完成，则重复S51、S52步骤，直到完成。

本发明优选实施例的白平衡方法的详细操作过程如图5所示，图5中详细描述图2、图3和图4中的细节及整体链接。局部详解可参见以上对图2、图3和图4的解释。

以一个交通场景的图像为例，如图6所示，未经本发明方法处理的图片如左图，其画面效果较差，而经过本发明方法处理的图像如右图，处理后的图片明显去除了色差，使场景图像更接近于实际图像。

Claims (8)

1.一种针对交通场景的摄像机白平衡方法，其特征在于，包括以下步骤：

①从原始RGB图像数据中筛选出饱和度低于阈值的像素并求出对应的RGB均值；

②根据步骤①求得的RGB均值，获得当前帧的白平衡补偿系数，结合之前帧的白平衡补偿系数，加权计算出视频当前帧的序列白平衡校正系数；

③对图像进行白平衡校正，输出校正后的图像。

2.根据权利要求1所述的针对交通场景的摄像机白平衡方法，其特征在于，所述步骤①的具体方法为：利用读取的原始RGB图像数据中每个像素的RGB值，求取该像素点的饱和度值，对饱和度低于阈值的像素点进行累加统计，获取R、G、B有效像素均值R_avg、G_avg和B_avg。

3.根据权利要求1所述的针对交通场景的摄像机白平衡方法，其特征在于，所述步骤②的具体方法是：根据选取的灰度值G_rayR、G_rayG和G_rayB，步骤①求得的R、G、B有效像素均值R_avg、G_avg和B_avg，将选取的灰度值分别除以R、G、B有效像素均值，得出当前帧白平衡补偿系数K_r、K_g和K_b，再采用序列白平衡系数加权方法对当前帧白平衡系数与之前帧的序列白平衡系数进行加权，得出当前帧的序列白平衡校正系数Kvr、Kvg和Kvb，以此平滑白平衡系数变化，避免色彩突变现象。

4.根据权利要求1所述的针对交通场景的摄像机白平衡方法，其特征在于，所述步骤③的具体方法为：将原始RGB图像数据中当前帧的每个像素的RGB值的R、G、B分量分别乘以各自对应的当前帧的序列白平衡校正系数Kvr、Kvg、Kvb，完成白平衡校正。

5.根据权利要求2所述的针对交通场景的摄像机白平衡方法，其特征在于：所述阈值为0.3。

6.根据权利要求3所述的针对交通场景的摄像机白平衡方法，其特征在于：所述序列白平衡系数加权方法为：将当前帧的白平衡系数乘以加权系数k，再加上之前帧的序列白平衡系数乘以(1-k)，得出当前帧的序列白平衡系数。

7.根据权利要求3所述的针对交通场景的摄像机白平衡方法，其特征在于：所述选取的灰度值G_rayR、G_rayG和G_rayB均为R、G、B通道有效像素均值的最大值MAX(R_avg、G_avg、B_avg)，可使得出的白平衡系数均不大于1，以此保证经白平衡后的图像像素值不会溢出。

8.根据权利要求6所述的针对交通场景的摄像机白平衡方法，其特征在于：所述加权系数k为0.001。

Images