数字图像基本处理——白平衡(color balance)

下面介绍两种简单的处理图像色彩平衡问题的算法，色彩平衡就是说将一张图片中RGB三个通道的值处理的相对均衡，也就是将图像中物体原本的颜色恢复出来，而不是在光照或者阳光下变色。

算法1：White Balance

matlab实现如下：

function res = WhiteBalance(img)
RGB=imread(img);
R=RGB(:,:,1);
G=RGB(:,:,2);
B=RGB(:,:,3);
I=0.299*R+0.587*G+0.114*B;
kr=mean(I(:))/mean(R(:));
kg=mean(I(:))/mean(G(:));
kb=mean(I(:))/mean(B(:));
% res(:,:,1)=kr*R;
% res(:,:,2)=kg*G;
% res(:,:,3)=kb*B;
res=cat(3,kr*R,kg*G,kb*B);
end

算法2：Maximum Value Balance

T_R,T_G,T_B的含义：首先统计三个通道中高于S_RGB的强度的个数，找到最大个数为N_max，最后在每个通道中找到第N_max个最大的强度值（也就是从大到小排序第Nmax个值）分别为T_R,T_G,T_B。

matlab实现如下：

function res = MaxValueBalance(img)
RGB=imread(img);
R=RGB(:,:,1);
% figure, imhist(R);
G=RGB(:,:,2);
% figure, imhist(G);
B=RGB(:,:,3);
% figure, imhist(B);
Srgb=min([max(R(:)) max(G(:)) max(B(:))]);
Nmax=max([sum(sum(R>=Srgb)) sum(sum(G>=Srgb)) sum(sum(B>=Srgb))]);
Tr_temp=sort(R(:),'descend');
Tr=Tr_temp(Nmax);
Tg_temp=sort(G(:),'descend');
Tg=Tg_temp(Nmax);
Tb_temp=sort(B(:),'descend');
Tb=Tb_temp(Nmax);
kr=Srgb/Tr;
kg=Srgb/Tg;
kb=Srgb/Tb;
% res(:,:,1)=kr*R;
% res(:,:,2)=kg*G;
% res(:,:,3)=kb*B;
res=cat(3,kr*R,kg*G,kb*B);
end

最后主函数测试一些示例图片，主函数如下：

clear;close all;clc;
addpath('E:Digital_img_processingLecture_3_dicussion_color_balance');
fig1='BW1.png';
fig2='BW2.png';
fig3='BW3.jpg';
wb_algorithm3=WhiteBalance(fig3);
% wb_algorithm2=WhiteBalance(fig2);
% wb_algorithm1=WhiteBalance(fig1);
% 
figure, imshow(wb_algorithm3);
title('White Balance algorithm 3');
% figure, imshow(wb_algorithm2);
% title('White Balance algorithm 2');
% figure, imshow(wb_algorithm1);
% title('White Balance algorithm 1');

% mvb_algorithm3=MaxValueBalance(fig3);
% mvb_algorithm2=MaxValueBalance(fig2);
% mvb_algorithm1=MaxValueBalance(fig1);

% figure, imshow(mvb_algorithm3);
% title('Max Value Balance algorithm 3');
% figure, imshow(mvb_algorithm2);
% title('Max Value Balance algorithm 2');
% figure, imshow(mvb_algorithm1);
% title('Max Value Balance algorithm 1');

测试结果如下：

算法1(输入->输出)：

值得注意的是，后面两个测试图片有白色的边框，这在平衡后的图像中也可以看出，如果去掉这些白色的边框效果会更好，如下：

算法2(输入->输出)：

需要注意的问题：（这些问题是一些使用matlab或者是处理数字图像的基本问题，查了一些其他资料，予以总结）

①变量清除的问题：如果重复执行某一脚本命令文件，需要在最前面加上在前面clc; close all; clear all; 为了清除工作空间中之前的变量，否则会影响后续的变量值。（clc: 清空命令窗口内容，不影响变量；close all: 关闭所有figure窗口；clear all: 清除工作空间所有变量，函数，MEX文件）

本实验没有加...作为一个好习惯以后都应该加上。

②数据类型的问题：

matlab中读取图片后保存的数据是uint8类型(8位无符号整数，即1个字节)，而matlab默认数据类型双精度浮点double（64位，8个字节）。虽然matlab中读入图像的数据类型是uint8，但图像矩阵运算时的数据类型是double类型（这是因为精度及计算溢出问题）。

将图像转为double格式：
(1) im2double()函数：参数为uint8型时，转化结果矩阵元素取值位于(0,1)。
(2) double()函数：参数为uint8型时，转化结果矩阵元素取值位于(0,255)。

图像显示：
matlab处理完图像矩阵后，用imshow()显示图像或用inwrite()写入图片。如果参数数据类型是double型，认为double型数据位于(0,1)，对于数组中大于1的元素，会将其归为1，显示为白色。而imshow显示uint8型时是0~255范围。所以对double类型的图像显示的时候，要么归一化到0~1之间，要么将double类型的0~255数据转为uint8类型。解决方法如下：

imshow(I/255); % 将图像矩阵转化到0-1之间
imshow(I,[]); % 自动调整数据的范围以便于显示
inshow(uint8(I)); % 转成uint8

另外如果矩阵数据图像是double类型（0~1之间）可直接im2uint8，这样不仅完成数据类型转换，而且将0~1之间映射为了0~255之间的数据。但是如果图像矩阵数据是double类型的0~255，直接im2uint8转换的话，matlab会将大于1的数据都转换为255，0~1之间的数据才会映射到0~255之间整型的数据。

mat2gray()和im2double()区别

这两个如果都是对uint8数据操作，区别就在于前者是归一化操作，归一化后也在0~1之间，自然结果也是double类型，后者是将数据从0~255映射到0~1。计算公式如下(I 代表强度，也就是像素值)：

mat2gray: