CN104581105A - 基于色温距离变换权重图和块可靠性修正的自动白平衡方法 - Google Patents

Abstract

本发明公开了一种基于色温距离变换权重图和块可靠性修正的自动白平衡方法，包括：对图像进行块分解，对每一图像块计算R、G、B通道的带权重的像素值之和及块可靠性因子；根据带权重的像素值之和和块可靠性因子计算R、G、B通道增益，依据所计算的R、G、B增益进行图像白平衡计算。发明的基于色温距离变换权重图和块可靠性修正的自动白平衡方法，能够解决在单一颜色场景或复杂复合光源下容易发生色偏问题，其准确度和稳定性高。

Description

基于色温距离变换权重图和块可靠性修正的自动白平衡方法

技术领域

本发明涉及，特别涉及一种基于色温距离变换权重图和块可靠性修正的自动白平衡方法。

背景技术

人类视觉对外界光源具有自动适应性白平衡自动调节能力，即对于外界场景在不同光源下人类视觉能够调节红色、绿色、蓝色各分量大小，使得观察白色物体能够保持白色。人类这种对不同光源下色彩自适应还原能力的现象被称为颜色恒常性。然而，对于图像成像器件来说，本身不具备这种自动白平衡能力。这是因为图像传感器其实仅是对光线的一种记录和响应，而无法分辨出这些记录的光线是来自于物体还是来自于环境中的其他光源。只有经过自动白平衡处理，图像成像器件才能够拍摄出符合人类观察的画面。自动白平衡效果好坏很大程度上决定了图像成像设备的成像质量。

一类常见的自动白平衡方法是基于灰色世界的方法，此类方法认为整个图像应该是白色均衡的，即所有像素的平均R、G、B通道颜色值应该是相等的，增益调节就是使得R、G、B各颜色分量等于平均的RGB值。这类灰色世界方法对于各颜色物体比较多、细节丰富的场景比较适合。但是，对大面积的单色场景则容易出现偏色现象。这是因为把所有的像素都作为RGB平均值计算，具有大面积单色物体显然会影响计算结果；另外一类自动白平衡方法是不再认为“整个世界都是灰色的”，而仅仅把本身是灰色的像素作为增益计算的依据。此类方法首先通过检测出画面中灰色的像素，认为这些像素值颜色通道的各R、G、B平均值是相等的(灰色像素RGB各颜色通道值相等)，因此作为增益计算的条件。这类方法的比灰色世界方法稳定性要高，但是其缺点是当无法正确地把灰色像素检测到时就有可能得出错误的结果。实际上，在某些情况下，某种颜色的像素肯能与灰色像素具有类似的特征，使得灰色检测失效。例如，蓝色像素在白天的情况下与白色像素其像素值具有类似的比例性质。这使得基于颜色空间定位灰色像素检测等方法无法正确的分辨出蓝色和灰色像素，最终使得白平衡增益计算出现偏差。

因此，为了解决现有自动白平衡方法的上述缺陷，需要找到一种能够适应各种复杂光源、大面积单色等场景、具有稳定性和准确性更高的自动白平衡方法。

发明内容

本发明的目的是针对上述已有技术的不足，提出一种稳定性好、准确度高、计算量小的基于色温距离变换权重图和块可靠性修正的自动白平衡方法。

本发明的技术方案是：

一种基于色温距离变换权重图和块可靠性修正的自动白平衡方法，包括以下步骤：

1)将目标图像分成M×N个图像块；

2)将对每一个图像块i进行计算，获得R、G、B各通道带权重像素值之和blk_sum_r_i，blk_sum_g_i，blk_sum_b_i及块可靠性因子blk_r_i；

3)由所有图像块的结果计算R、G、B各通道权重像素之和SumR、SumG、SumB：

$\mathrm{SumR}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_r_i$

$\mathrm{SumG}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_g_i$

$\mathrm{SumB}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_b_i$

4)计算RGB增益：

SumMax＝max(SumR,SumG,SumB)

gainR＝SumMax/SumR

gainG＝SumMax/SumG

gainB＝SumMax/SumB

5)由RGB增益进行白平衡调整。

作为本发明的进一步改进，步骤2)中每一个图像块i进行计算的具体过程为：

a)对图像块中每个像素r_j,g_j,b_j，如果r_j,g_j,b_j中有任意一个值大于P，则直接设置权重w_j＝0；否则通过以下两步计算权重，其中P为阈值，用来去除过曝的像素，对于8比特图像可取P＝235；

b)计算与通过预先标定的色温距离变换权重图获得对应的色温权重colTem_w_j；

c)对图像块中每个像素r_j,g_j,b_j转化得到Ycbcr颜色值lu_j,cb_j,cr_j，由以下公式赋予该像素点灰色权重gray_w_j：

$\left\{\begin{array}{c}l{u}_j>\mathrm{lu}\_\mathrm{thr}\\ \mathrm{cb}\_\mathrm{thr}2>{\mathrm{cb}}_j>\mathrm{cb}\_\mathrm{thr}1\\ \mathrm{cr}\_\mathrm{thr}2>{\mathrm{cr}}_j>\mathrm{cr}\_\mathrm{thr}2\end{array}\right.$

其中lu_thr,cb_thr1,cb_thr2,cr_thr1,cr_thr2为定义的常量阈值，f(lu_j)亮度lu_j的阶梯函数，其定义与后述的阶梯函数C类似；

d)计算各像素最终权重：w_j＝colTem_w_j+λ×gray_w_j； 若w_j＞thr_w的像素数目n_j＞thr_num则：

blk_sum_r_i＝Σw_j×r_j

blk_sum_g_i＝Σw_j×g_j

blk_sum_b_i＝Σw_j×b_j

其中thr_w,thr_num均为定义的常量阈值，λ为权重系数；

e)计算此图像块选出的像素RGB的平均方差rgb_var_ave及平均亮度lu_ave，由以下公式确定块可靠性因子：

blk_r_i＝C(rgb_var_ave)×C(lu_ave)

其中thr_var1,thr_var2,thr_var3均为定义的常量阈值。

作为本发明的进一步改进，步骤b)中预先标定的色温距离变换权重图按以下步骤获得：

a1)在标准光源对色箱中采集24标准色卡在五种标准光源下的Raw格式图像；

b1)对获得的5副色卡Raw格式图像，分别采集24卡上对应的6个灰色块的像素数据，得到像素集合{GR_i,GG_i,GB_i|i＝1,…,N}；

c1)对各像素点(GR_i,GG_i,GB_i)，计算和其中W,H为定义的整数，分别取400和300；

d1)建立一幅W×H大小的8比特图像，其中各位置象素按如下取值：

e1)对d1)中得到的二值图像进行图像腐蚀和膨胀处理，消除掉孤立的噪声点；

f1)对步骤e1)得到的图像进行距离变换，使得白色块中心骨架位置的值为1，离骨架距离向外按距离值递减，由此得到各个点的权重值(即距离值)；去除距离小于d_thr的点，得到距离变换权重图。

与现有技术相比，本发明所具有的有益效果为：

本发明的基于色温距离变换权重图和块可靠性修正的自动白平衡方法，综合采用了色温权重、灰色检测权重以及块可靠性等因素来计算白平衡增益，其自动白平衡效果适应范围广、性能稳定、准确度高。

附图说明

图1为本发明的自动白平衡方法的流程图。

图2为本发明图像块像素权重与可靠性因子计算流程图。

图3为本发明对原始图像的块划分示意图。

图4为本发明色温标定采集的数据点示意图。

图5为本明色温距离变换权重图：其中图5(a)未经噪点去除的原始数据；图5(b)腐蚀和膨胀后的数据分布；图5(c)色温标定数据分布的距离变换图。

具体实施方式

以下结合附图对本发明的具体实施例进行详细描述，但不构成对本发明的限制。

如图1至图5所示，本发明的基于色温距离变换权重图和块可靠性修正的自动白平衡方法，包括以下步骤：

(1)设通过图像传感器(CCD/CMOS)采集的原始目标图像(RAW格式图像)大小为W×H，将其划分为M×N个图像块，每个图像块的宽为高为例如对于1920×1080图像，可取M＝15，N＝12；如图3所示。

(2)对每一个图像块进行如下计算：

(2.1)对第i块中每个像素(r_j,g_j,b_j)，如果三者间有任意值大于P，则直接设置权重w_j＝0；否则通过以下两步计算权重；其中P为过曝阈值，用来去除过曝的像素。例如对于8比特图像可取P＝235。去除过曝的像素目的是避免后续将非白色过曝的像素当作白色像素，而造成白平衡增益计算出现偏差；

(2.2)计算与通过预先标定的色温距离变换权重图获得对应的色温权重colTem_w_j；

(2.3)对图像块中每个像素r_j,g_j,b_j通过以下公式转化得到Ycbcr颜色值lu_j,cb_j,cr_j：

$\left\{\begin{array}{c}{\mathrm{lu}}_j=0.257\×r_j+0.564\×g_j+0.098\×b_j+16\\ {\mathrm{cb}}_j=-0.148\×r_j-0.291\×g_j+0.439\×b_j+128\\ {\mathrm{cr}}_j=0.439\×r_j-0.368\×g_j-0.071\×b_j+128\end{array}\right.$

(2.4)由以下公式赋予该像素点灰色权重gray_w_j：

$\left\{\begin{array}{c}l{u}_j>\mathrm{lu}\_\mathrm{thr}\\ \mathrm{cb}\_\mathrm{thr}2>{\mathrm{cb}}_j>\mathrm{cb}\_\mathrm{thr}1\\ \mathrm{cr}\_\mathrm{thr}2>{\mathrm{cr}}_j>\mathrm{cr}\_\mathrm{thr}2\end{array}\right.$

其中lu_thr、cb_thr1、cb_thr2、cr_thr1、cr_thr2为定义的常量阈值，例如可取lu_thr＝0.25；cb_thr1＝0.4；cb_thr2＝0.5；cr_thr1＝0.38；

cr_thr2＝0.5；f(luj)亮度luj的函数，其定义如下：

其中lu_thr1,lu_thr2为亮度阈值，一般取lu_thr1＝0.65,lu_thr2＝0.80、a₁-a₃及b₁-b₃为权重方程系数；例如可取a₁＝0.8；b₁＝-0.6；a₂＝0.3；b₁＝0.7；a₂＝0.5；b₁＝-0.5；

(2.5)计算像素(r_j,g_j,b_j)最终权重：w_j＝colTem_w_j+λ×gray_w_j。λ权重系数取值0.5；

(2.6)按以下方式计算获得第i块的R、G、B各通道带权重像素值之和blk_sum_r_i，blk_sum_g_i，blk_sum_b_i：

若w_j＞thr_w的像素数目n_j＞thr_num则：

$\left\{\begin{array}{c}\mathrm{blk}\_\mathrm{sum}\_r_i=\underset{\∀j,w_j>\mathrm{thr}\_w}{\mathrm{\Σ}}{w}_j\×r_j\\ \mathrm{blk}\_\mathrm{sum}\_g_i=\underset{\∀j,w_j>\mathrm{thr}\_w}{\mathrm{\Σ}}{w}_j\×g_j\\ \mathrm{blk}\_\mathrm{sum}\_b_i=\underset{\∀j,w_j>\mathrm{thr}\_w}{\mathrm{\Σ}}{w}_j\×b_j\end{array}\right.$

否则，忽略此图像块。

(2.7)计算第i块选出的像素RGB的平均方差rgb_var_ave及平均亮度lu_ave，由以下公式确定图像块可靠性因子：

blk_r_i＝C(rgb_var_ave)×C(lu_ave)

其中thr_var1,thr_var2,thr_var3均为定义的常量阈值。例如可取thr_var1＝5、thr_var2＝5、thr_var3＝30。

(2.8)由所有有效块的结果计算R、G、B各通道权重像素之和SumR、SumG、SumB：

$\mathrm{SumR}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_r_i$

$\mathrm{SumG}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_g_i$

$\mathrm{SumB}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_b_i$

(2.9)计算RGB增益：

SumMax＝max(SumR,SumG,SumB)

gainR＝SumMax/SumR

gainG＝SumMax/SumG

gainB＝SumMax/SumB

(2.10)由RGB增益对整个图像进行白平衡调整，即对每个像素(r_j,g_j,b_j)进行如下像素值运算：

$\left\{\begin{array}{c}{r}_j^{\′}=r_j\×\mathrm{gainR}\\ g_j^{\′}=g_j\×\mathrm{gainG}\\ b_j^{\′}=b_j\×\mathrm{gainB}\end{array}\right.$

本实施例中，预先标定的色温距离变换权重图按以下步骤获得：

①在标准光源对色箱中采集24标准色卡在五种标准光源下的Raw格式图像，尽量减少灯箱外的光源干扰；

②对获得的5副色卡Raw格式图像，分别采集24卡上对应的6个灰色块的像素数据，得到像素集合{GR_i,GG_i,GB_i|i＝1,…,N}；

③对各像素点(GR_i,GG_i,GB_i)，计算和其中W,H为定义的整数，可分别取400和300；如图4给出了所采集的像素a_i,b_i在统计分布示意图。

④建立一幅W×H大小的8比特图像，其中各位置象素按如下取值：

⑤对所得到的二值图像进行图像腐蚀和膨胀处理，消除掉孤立的噪声点；

⑥对e)得到的图像进行距离变换，使得白色块中心骨架位置的值为1，离骨架距离向外按距离值递减，由此得到各个点的权重值(即距离值)；去除距离小于d_thr的点，得到距离变换权重图。图5给出了色温权重图的一个示例。

尽管上面是对本发明具体实施方案的完整描述，但是可以采取各种修改、变体和替换方案。这些等同方案和替换方案被包括在本发明的范围内。因此，本发明的范围不应该被限于所描述的实施方案，而是应该由所附权利要求书限定。9 -->

Claims (3)

1.一种基于色温距离变换权重图和块可靠性修正的自动白平衡方法，其特征在于，包括以下步骤：

1)将目标图像分成M×N个图像块；

2)将对每一个图像块i进行计算，获得R、G、B各通道带权重像素值之和blk_sum_r_i，blk_sum_g_i，blk_sum_b_i及块可靠性因子blk_r_i；

3)由所有图像块的结果计算R、G、B各通道权重像素之和SumR、SumG、SumB：

$\mathrm{SumR}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_r_i$

$\mathrm{SumG}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_g_i$

$\mathrm{SumB}=\underset{i=1}{\overset{M\×N}{\mathrm{\Σ}}}\mathrm{blk}\_r_i\×\mathrm{blk}\_\mathrm{sum}\_b_i$

4)计算RGB增益：

SumMax＝max(SumR,SumG,SumB)

gainR＝SumMax/SumR

gainG＝SumMax/SumG

gainB＝SumMax/SumB

5)由RGB增益进行白平衡调整。

2.根据权利要求1所述的基于色温距离变换权重图和块可靠性修正的自动白平衡方法，其特征在于：步骤2)中每一个图像块i进行计算的具体过程为：

a)对图像块中每个像素r_j,g_j,b_j，如果r_j,g_j,b_j中有任意一个值大于P，则直接设置权重w_j＝0；否则通过以下两步计算权重，其中P为阈值，用来去除过曝的像素，对于8比特图像可取P＝235；

b)计算与通过预先标定的色温距离变换权重图获得对应的色温权重colTem_w_j；

c)对图像块中每个像素r_j,g_j,b_j转化得到Ycbcr颜色值lu_j,cb_j,cr_j，由以下公式赋予该像素点灰色权重gray_w_j：

$\left\{\begin{array}{c}{\mathrm{lu}}_j>\mathrm{lu}\_\mathrm{thr}\\ \mathrm{cb}\_\mathrm{thr}2>{\mathrm{cb}}_j>\mathrm{cb}\_\mathrm{thr}1\\ \mathrm{cr}\_\mathrm{thr}2>{\mathrm{cr}}_j>\mathrm{cr}\_\mathrm{thr}2\end{array}\right.$

其中lu_thr,cb_thr1,cb_thr2,cr_thr1,cr_thr2为定义的常量阈值，f(lu_j)亮度lu_j的阶梯函数；

d)计算各像素最终权重：w_j＝colTem_w_j+λ×gray_w_j；若w_j＞thr_w的像素数目n_j＞thr_num则：

blk_sum_r_i＝Σw_j×r_j

blk_sum_g_i＝Σw_j×g_j

blk_sum_b_i＝Σw_j×b_j

其中thr_w,thr_num均为定义的常量阈值，λ为权重系数；

e)计算此图像块选出的像素RGB的平均方差rgb_var_ave及平均亮度lu_ave，由以下公式确定块可靠性因子：

blk_r_i＝C(rgb_var_ave)×C(lu_ave)

其中thr_var1,thr_var2,thr_var3均为定义的常量阈值。2 -->

3.根据权利要求2所述的基于色温距离变换权重图和块可靠性修正的自动白平衡方法，其特征在于：步骤b)中预先标定的色温距离变换权重图按以下步骤获得：

a1)在标准光源对色箱中采集24标准色卡在五种标准光源下的Raw格式图像；

b1)对获得的5副色卡Raw格式图像，分别采集24卡上对应的6个灰色块的像素数据，得到像素集合{GR_i,GG_i,GB_i|i＝1,…,N}；

c1)对各像素点(GR_i,GG_i,GB_i)，计算和其中W,H为定义的整数，分别取400和300；

d1)建立一幅W×H大小的8比特图像，其中各位置象素按如下取值：

e1)对d1)中得到的二值图像进行图像腐蚀和膨胀处理，消除掉孤立的噪声点；

f1)对步骤e1)得到的图像进行距离变换，使得白色块中心骨架位置的值为1，离骨架距离向外按距离值递减，由此得到各个点的权重值(即距离值)；去除距离小于d_thr的点，得到距离变换权重图。