一种简单的图像白平衡计算方法

       本文算法摘自opencv，可以说opencv是一个大宝库，里面有无穷无尽的算法，但是opencv里面的算法属于研究性质，只能解决“有”的问题，还不能解决“好”的问题。比如下面的简单白平衡算法，核心思想是：在rgb三通道上分别计算直方图，然后将1%的最大值和最小值设置为255和0，其余值映射到(0, 255)区间内，这样使得每个通道的值均匀分布，以实现简单的颜色平衡。实际测试效果，对于某些图像效果还是可以的，尤其是偏色比较厉害的图像。不过该算法实现逻辑比较晦涩。

#include "stdafx.h"
#include <cv.h>
#include <highgui.h>

using namespace cv;
using namespace std;

enum
{
WHITE_BALANCE_SIMPLE = 0,
WHITE_BALANCE_GRAYWORLD = 1
};

/*白平衡******************************************************************************************************************/
void balanceWhite(std::vector<Mat> &src, Mat &dst, const float inputMin, const float inputMax, const float outputMin, const float outputMax, const int algorithmType)
{
// 在rgb三通道上分别计算直方图
// 将1%的最大值和最小值设置为255和0
// 其余值映射到(0, 255), 这样使得每个值通道的值在rgb中分布较均匀, 以实现简单的颜色平衡
switch (algorithmType)
{
case WHITE_BALANCE_SIMPLE:
{
/********************* Simple white balance *********************/
float s1 = 1.0f;// low quantile
float s2 = 1.0f;// high quantile

int depth = 2;// depth of histogram tree
int bins = 16;// number of bins at each histogram level
int total = src[0].cols * src[0].rows;
int nElements = int(pow((float)bins, (float)depth));// number of elements in histogram tree

for (size_t k = 0; k < src.size(); ++k)
{
std::vector<int> hist(nElements, 0);
uchar *pImag = src[k].data;
// histogram filling
for (int i = 0; i < total; i++)
{
int pos = 0;
float minValue = inputMin - 0.5f;
float maxValue = inputMax + 0.5f;
float interval = float(maxValue - minValue) / bins;

uchar val = pImag[i];
for (int j = 0; j < depth; ++j)
{
int currentBin = int((val - minValue + 1e-4f) / interval);
++hist[pos + currentBin];

pos = (pos + currentBin)*bins;
minValue = minValue + currentBin*interval;
interval /= bins;
}
}

int p1 = 0, p2 = bins - 1;
int n1 = 0, n2 = total;
float minValue = inputMin - 0.5f;
float maxValue = inputMax + 0.5f;
float interval = float(maxValue - minValue) / bins;

// searching for s1 and s2
for (int j = 0; j < depth; ++j)
{
while (n1 + hist[p1] < s1 * total / 100.0f)
{
n1 += hist[p1++];
minValue += interval;
}
p1 *= bins;

while (n2 - hist[p2] > (100.0f - s2) * total / 100.0f)
{
n2 -= hist[p2--];
maxValue -= interval;
}
p2 = p2*bins - 1;

interval /= bins;
}

src[k] = (outputMax - outputMin) * (src[k] - minValue) / (maxValue - minValue) + outputMin;
}
/****************************************************************/
break;
}
default:
CV_Error_(CV_StsNotImplemented, ("Unsupported algorithm type (=%d)", algorithmType));
}// switch

merge(src, dst);
}

void balanceWhite(const Mat &src, Mat &dst, const int algorithmType, const float inputMin = 0.0f, const float inputMax = 255.0f, const float outputMin = 0.0f, const float outputMax = 255.0f)
{
switch (src.depth())
{
case CV_8U:
{
std::vector<Mat> mv;
split(src, mv);
balanceWhite(mv, dst, inputMin, inputMax, outputMin, outputMax, algorithmType);
break;
}
default:
CV_Error_(CV_StsNotImplemented, ("Unsupported source image format (=%d)", src.type()));
break;
}
}
/**************************************************************************************************************************/

int main()
{
const char* fileName = "dog.png" ;
Mat src = imread(fileName);
imshow("src", src);

cv::Mat dst(src.size(), src. type());
balanceWhite(src, dst, WHITE_BALANCE_SIMPLE);
imshow("dst", dst);
imwrite("result.jpg", dst);

cv::waitKey();
return 0;
}

       效果如下：
    




                                                


                                              


                                              


[align=left]       简单的算法，有时也有神奇的一面，这也是做图像算法研究的一种乐趣。对于类似下面的图片，该算法还有去雾霾效果，不过由于该算法仅仅是统计并拉伸像素值，所以局限性很大，去雾霾效果如下：[/align]
                              




[align=left]
[/align]
       参考资料：
[align=left]       http://stanford.edu/~sujason/ColorBalancing/simplestcb.html[/align]
[align=left]       http://stanford.edu/~sujason/ColorBalancing/robustawb.html[/align]
[align=left]       http://blog.csdn.net/vsooda/article/details/38875037[/align]
[align=left]
[/align]
[align=left]
[/align]
[align=left]
[/align]
[align=left]
[/align]