opencv 白平衡_opencv 白平衡算法

目录

python 随机白平衡增强：

---

这个可以参考：

python opencv白平衡算法_基于图像分析的偏色检测及颜色校正方法 :param img: cv2.imread读取的图片数据 :-CSDN博客

OpenCV 图像白平衡算法（相机自动白平衡）

彩色相机内部有三个CCD电子耦合元件，分别用来感受红绿蓝三中颜色的光线，默认情况下，三个颜色的感光电路信号的放大比例是1:1:1的。在理想的拍摄环境下，纯白色的RGB分量按照1:1:1的比例放大之后，得到的是没有偏色的白色，当在非理想的环境光条件下，白色成像出来的效果会偏向环境光的颜色，而不是纯白色。

相机的自动白平衡就是要通过改变RGB感光电路信号的放大比例，让受环境光影响的白色还原成纯白色，保证在各种光线条件下，成像色彩跟物体真实的色彩保持一致。

常用的一种自动白平衡算法是灰度世界法，它假设对于一副色彩丰富的图像，图像上RGB三个分量的平均值趋于同一个灰度值，一般取这个灰度值的大小为RGB三分量的平均值。

python 随机白平衡增强：

 
 
import cv2
import numpy as np
 
 
def random_color_augmentation(image):
    # 将图像从BGR颜色空间转换为HSV颜色空间
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
 
    # 随机生成色调、饱和度和亮度的增强系数
    hue_shift = np.random.randint(-10, 10)
    saturation_scale = np.random.uniform(0.8, 1.2)
    value_scale = np.random.uniform(0.8, 1.2)
 
    # 调整色调
    hsv_image[:, :, 0] = (hsv_image[:, :, 0] + hue_shift) % 180
 
    # 调整饱和度和亮度
    hsv_image[:, :, 1] = np.clip(hsv_image[:, :, 1] * saturation_scale, 0, 255)
    hsv_image[:, :, 2] = np.clip(hsv_image[:, :, 2] * value_scale, 0, 255)
 
    # 将图像从HSV颜色空间转换回BGR颜色空间
    enhanced_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
 
    return enhanced_image
 
# 读取图像
image = cv2.imread('aaa.png')
 
while True:
# 进行白平衡处理
    balanced_image = random_color_augmentation(image)
 
    # 显示原始图像和处理后的图像
    cv2.imshow('Original Image', image)
    cv2.imshow('Balanced Image', balanced_image)
    cv2.waitKey(0)

以下是OpenCV实现的灰度世界法：

python:

import cv2 as cv
 
# import numpy as np
 
 
# 读取图像
 
img = cv.imread(r'F:\images\11.jpg')
 
r, g, b = cv.split(img)
 
r_avg = cv.mean(r)[0]
 
g_avg = cv.mean(g)[0]
 
b_avg = cv.mean(b)[0]
 
 
# 求各个通道所占增益
 
k = (r_avg + g_avg + b_avg) / 3
 
kr = k / r_avg
 
kg = k / g_avg
 
kb = k / b_avg
 
 
r = cv.addWeighted(src1=r, alpha=kr, src2=0, beta=0, gamma=0)
 
g = cv.addWeighted(src1=g, alpha=kg, src2=0, beta=0, gamma=0)
 
b = cv.addWeighted(src1=b, alpha=kb, src2=0, beta=0, gamma=0)
 
 
balance_img = cv.merge([b, g, r])

c++

#include <highgui/highgui.hpp>
 
#include <imgproc/imgproc.hpp>
 
 
using namespace cv;
 
 
int main()
 
{
 
Mat imageSource = imread("02.jpg");
 
imshow("原始图像", imageSource);
 
vector<Mat> imageRGB;
 
 
//RGB三通道分离
 
split(imageSource, imageRGB);
 
 
//求原始图像的RGB分量的均值
 
double R, G, B;
 
B = mean(imageRGB[0])[0];
 
G = mean(imageRGB[1])[0];
 
R = mean(imageRGB[2])[0];
 
 
//需要调整的RGB分量的增益
 
double KR, KG, KB;
 
KB = (R + G + B) / (3 * B);
 
KG = (R + G + B) / (3 * G);
 
KR = (R + G + B) / (3 * R);
 
 
//调整RGB三个通道各自的值
 
imageRGB[0] = imageRGB[0] * KB;
 
imageRGB[1] = imageRGB[1] * KG;
 
imageRGB[2] = imageRGB[2] * KR;
 
 
//RGB三通道图像合并
 
merge(imageRGB, imageSource);
 
imshow("白平衡调整后", imageSource);
 
waitKey();
 
return 0;
 
}

原始图像一，整体图像偏绿色：

白平衡校正后，天空的蓝色和树叶的绿色都得到了很好的还原：

原始图像二，整体偏黄色：

白平衡校正后效果：