自适应的数码相机自动白平衡算法

    1 引  言

    不同的光源具有不同的光谱成分和分布,这在色度学上称之为色温[1]1一个白色的物体,在低色温的光线照射下会偏红,而在高色温的光线照射下会偏蓝1因此,必须对不同色温所引起的的色差进行校正,从而使白色的物体呈现真正的白色,称之为白平衡。

    在数码相机系统中,白平衡一般采用光学粗调器具有一定的光谱特性,因此必须在镜头前加上匹配的光学滤色镜,将红外等光线滤除,然后进行软件或电路微调1为了提高易用性,数码相机一般还支持自动白平衡[2]1因此,必须开发适合数码相机的自动白平衡算法,以保证拍摄照片不会失真。

    白平衡具有三个基本操作1(1)色温估计1通过手工调节(取一个/标准白0的物体作为参考)或算法统计的方法,估计出表达色温的特征量(平均色差);(2)增益计算1采用查表或迭代的方法,计算出红色和蓝色增益(校正因子);(3)色温校正1在红色和蓝色通道乘上对应的校正因子,调整通道增益,以达到白平衡的效果。

    色温估计是数码相机自动白平衡算法的三个基本操作中最重要的一环1色温估计必须估算出正确的色差,才能保证后续操作的正确性1特别是在参考图像充满大面积彩色时,算法必须具有一定的鲁棒性,以保证色彩的完整性。

    针对上述要求,Nakano等[3]提出了一种基于Y,Cb,Cr的约束条件,在YCbCr空间定义了一个三维结构,称之为白色区域,凡落入其中的像素都认是白色的,而其外的像素则是认为非白色的1在计算色差时,只计算白色像素的平均色差,以替代整个图像的色差,从而提高色温估计的准确度1该算法中的Y, Cb, Cr控制阈值是彼此独立的1Lee等[4]则在此基础上加入了Cb,Cr之和的控制阈值,进一步提高了色温估计精度1该算法还通过限制R,B的变化范围来适应镜头缩放时图像的剧烈变化。

    然而,以上算法均未考虑像素的Y和Cb,Cr之间的相关性,限制了色温估计精度的进一步提高1本文在分析传统算法的基础上,提出了一种新的色温估计方法,并在此基础上实现了一种自适应的数码相机自动白平衡算法。

    2 自适应的自动白平衡算法

    2.1 色温估计

    图像的色温一般表示为平均色差1当R,G,B三种颜色相等时,其色差为0,表现为白色1在图像处理中,一般采用YCbCr色彩模型

    来计算色差1其中, Y是灰度,表示图像的亮度;Cb和Cr是色度的蓝色和红色分量,代表图像的色差。

    色温估计的目标就是估算出图像的平均色差1目前,存在不少色温估计的算法,其中最基本的方法就是计算整个图像的平均色差1为了减少计算量,通常选取某个特定区域(比如图像中心)中的所有像素进行计算1但是,如果图像颜色较为单一,或者选定区域正好落入大的色块,以上算法求得的色温就会非常不准确1为此,必须根据一定的约束条件,挑选合适的像素(白色像素)来计算色差,以提高色温估计的精确度。