一、概述人类视觉系统--色彩恒常性的能力1.人眼看物体无论是在色温约3000K的钨丝灯下还是在色温超过6000K的日光下白色物体始终被感知为白色2.然而数字成像传感器并不具备这种神经与心理调节机制。不同色温的光源具有不同的光谱功率分布同一物体在低色温光源下会呈现偏红的外观在高色温光源下则偏蓝3.白平衡正是数字成像管线中用于消除光源色偏、还原物体真实色彩的关键处理步骤其目标是在不同光照条件下保持图像色彩的相对一致性白平衡问题的本质1.白平衡问题的本质是光源颜色估计与校正2.先从图像数据中估计场景光源的色度再通过通道增益或色彩变换矩阵将图像映射至标准光源如D65下的色彩空间。3.仅凭单幅图像的RGB值无法唯一分解出光源颜色与物体反射率的乘积。4.白平衡算法都必须引入某种关于场景内容或光源分布的假设或依赖从数据中学习到的先验知识二、白平衡算法分类1.基于假设的方法对自然图像的色彩统计或物理特性施加广泛性假设运算速度快且与设备无关但平均误差较大。2.基于先验/学习的方法通过预先采集的数据或训练模型来估计光源精度更高但计算成本与实现复杂度也相应增加。3.无监督方法无监督方法包括灰度世界、完美反射等通过预设假设直接计算光源估计计算简单是数字图像处理中的主流方案。4.有监督方法有监督方法借助机器学习从标注数据中学习光源估计的映射关系不受固定假设的约束在充足先验知识支撑下通常表现更优。5.有监督方法借助机器学习从标注数据中学习光源估计的映射关系不受固定假设的约束在充足先验知识支撑下通常表现更优三、常见的白平衡算法1.灰度世界法优点缺点使用场景2.完美反射法优点缺点使用场景3.统计加权与白点投票方法4.Retinex方法5.色域映射与颜色相关性方法1.人眼人眼又色彩恒常性并且大脑参与适应环境光具备自动校正功能。相机不具备这个功能。2.相机相机记录的是光源光谱×物体反射率×传感器光谱响应的乘积积分不是物体“固有色”光源的光谱以及不同的物体以及图像传感器对光谱的响应最终对成像的效果产生了影响。光源光谱 L(λ)物体反射率 R(λ)传感器通道敏感 S_c(λ)像素值 I_c ∫ L(λ) R(λ) S_c(λ) dλ 噪声。3.色温、色调白平衡不只是“把白色变白”。它实际上是在定义整个图像的色彩坐标原点。白色参考点定了其他颜色才有相对正确的坐标。就像音乐要先定调白平衡就是给图像“定色彩基调”。1.在黑体辐射模型下一个黑体要发出那种蓝光它的物理温度必须达到约 9600℃即 9873K2.在黑体辐射模型下一个黑体要发出那种暖黄光约 2500℃ → 发出暖黄光色温约 2773K3.在黑体辐射模型下一个黑体要发出那种暖黄光约 5500℃ → 发出白光色温约 5773K普朗克轨迹上的色度标尺1.普朗克轨迹2.色度标尺3.色温4.等温线5.色温计算6.黑体辐射7.CIE 1931/19608.黑体在不同温度下的色度点在色度图上连成的曲线。也叫黑体轨迹。9.绝对黑体被加热时会发出连续光谱。温度不同光谱分布不同颜色也不同。