C 语言

关注公众号 jb51net

关闭
首页 > 软件编程 > C 语言 > C++ OpenCV完美反射算法

C++ OpenCV实现白平衡之完美反射算法

作者:翟天保Steven

完美反射算法是白平衡各种算法中较常见的一种,比灰度世界算法更优。本文将利用C++和OpenCV实现白平衡中的完美反射算法,需要的可以参考一下

实现原理

白平衡的意义在于,对在特定光源下拍摄时出现的偏色现象,通过加强对应的补色来进行补偿,使白色物体能还原为白色。

完美反射算法是白平衡各种算法中较常见的一种,比灰度世界算法更优。它假设图像世界中最亮的白点是一个镜面,能完美反射光照;基于白点,将三通道的数值进行适当地调整,以达到白平衡效果;除此之外,还需要统计最亮的一定区间的三通道均值,该均值与该通道最大值的差距决定了该通道调整的力度。

通俗的讲,若图像中绿色分量最大值是255,但是绿色最亮的前百分之10个点的平均值只有80,说明原图的绿色分量整体较低,需要对其加强;若最大值只有100,那么加强的系数就较低,白平衡的效果就不达预期。这就是完美反射算法比较依赖图像中存在白点的原因,白点的三通道灰度值接近【255,255,255】。最下方将用实际图像作进一步说明,以帮助读者理解。

完美反射算法的实现流程如下:   

1.计算图像RGB三通道各自的灰度最大值Rmax、Gmax、Bmax。

2.利用三通道数值和,确定图像最亮区间的下限T。

3.计算图像三通道数值和大于T的点的三通道均值Rm、Gm、Bm。

4.计算三通道的补偿系数,即单通道最大值除以单通道亮区平均值。

功能函数代码

// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分离
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 定义参数
	int row = src.rows;
	int col = src.cols;
	int RGBSum[766] = { 0 };
	uchar maxR, maxG, maxB;
 
	// 计算单通道最大值
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			RGBSum[sum]++;
			maxB = max(maxB, b[j]);
			maxG = max(maxG, g[j]);
			maxR = max(maxR, r[j]);
		}
	}
 
	// 计算最亮区间下限T
	int T = 0;
	int num = 0;
	int K = static_cast<int>(row * col * 0.1);
	for (int i = 765; i >= 0; --i)
	{
		num += RGBSum[i];
		if (num > K)
		{
			T = i;
			break;
		}
	}
	
	// 计算单通道亮区平均值
	double Bm = 0.0, Gm = 0.0, Rm = 0.0;
	int count = 0;
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			if (sum > T)
			{
				Bm += b[j];
				Gm += g[j];
				Rm += r[j];
				count++;
			}
 
		}
	}
	Bm /= count;
	Gm /= count;
	Rm /= count;
 
	// 通道调整
	Channel[0] *= maxB / Bm;
	Channel[1] *= maxG / Gm;
	Channel[2] *= maxR / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}

C++测试代码

#include <iostream>
#include <opencv.hpp>
 
using namespace std;
 
// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分离
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 定义参数
	int row = src.rows;
	int col = src.cols;
	int RGBSum[766] = { 0 };
	uchar maxR, maxG, maxB;
 
	// 计算单通道最大值
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			RGBSum[sum]++;
			maxB = max(maxB, b[j]);
			maxG = max(maxG, g[j]);
			maxR = max(maxR, r[j]);
		}
	}
 
	// 计算最亮区间下限T
	int T = 0;
	int num = 0;
	int K = static_cast<int>(row * col * 0.1);
	for (int i = 765; i >= 0; --i)
	{
		num += RGBSum[i];
		if (num > K)
		{
			T = i;
			break;
		}
	}
	
	// 计算单通道亮区平均值
	double Bm = 0.0, Gm = 0.0, Rm = 0.0;
	int count = 0;
	for (int i = 0; i < row; ++i)
	{
		uchar *b = Channel[0].ptr<uchar>(i);
		uchar *g = Channel[1].ptr<uchar>(i);
		uchar *r = Channel[2].ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			int sum = b[j] + g[j] + r[j];
			if (sum > T)
			{
				Bm += b[j];
				Gm += g[j];
				Rm += r[j];
				count++;
			}
 
		}
	}
	Bm /= count;
	Gm /= count;
	Rm /= count;
 
	// 通道调整
	Channel[0] *= maxB / Bm;
	Channel[1] *= maxG / Gm;
	Channel[2] *= maxR / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}
 
int main()
{
	// 载入原图
	cv::Mat src = cv::imread("test21.jpg");
 
	// 白平衡-完美反射
	cv::Mat result = WhiteBalcane_PRA(src);
 
	// 显示
	cv::imshow("src", src);
	cv::imshow("result", result);
	cv::waitKey(0);
 
	return 0;
}

测试效果

图1 原图

图2 白平衡后图像

如图1所示,是傍晚的一张图像,众所周知,傍晚的色温是较低的,此时采用高于傍晚色温的色温值拍照,就会得到一张暖色系的图片,偏黄;对其进行白平衡,使图片颜色回归真实的环境色温,就得到如图2的效果。

如果你用过灰度世界算法,你会发现完美反射算法的效果更亮些;这是因为蓝通道最大值和蓝通道亮区平均值的差距较大,因而补偿的强度很强;若原图中不存在白色区,那蓝通道的补偿就会较弱,达不到较好的预期,因此该算法所处理的图像中最好有较白的点。

图3 单色原图

图4 单色图白平衡效果

如图3所示,是一张色彩相对一致的图像,整体呈粉色系。灰度世界法将三通道数值进行平均再补偿,就会使三通道的数值趋近一致,进而呈现灰色;而完美反射算法,计算的是三通道各自数值最大值和其亮区平均值的差距,再进行补偿,因此三通道的数值都会适当加强,使光感更强,即图片更亮。

接下来做个有趣的测试,将原本粉色的墙纸设为较纯的绿色。

图5 调色后的图像

图6 白平衡效果图

如图5所示,因为图像中存在色调相冲的两个部分,完美反射算法的优势在这种场景下体现的很明显。因为绿色区域较大,灰度世界算法中单纯的计算均值再平衡,会无脑地将整图的绿色分量降低,红色分量提高,使得结果异常滑稽;而完美反射算法,因为图中有白值,三通道的最大值均在250左右,对绿色分量而言,其最亮区的均值接近于230,而红色分量和蓝色分量而言,其最亮区的均值也接近于200多,因此三通道的平衡结果就是整体提亮,而不是被无脑平均。

灰度世界算法效果图见:

C++ OpenCV实现白平衡之灰度世界算法

到此这篇关于C++ OpenCV实现白平衡之完美反射算法的文章就介绍到这了,更多相关C++ OpenCV完美反射算法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文