3A算法之AWB

AWB

1.定义

WB: 白平衡是一种图像处理技术，用于在不同色温光照下还原图像中白色物体为真正的白色。它会影响整张图片的色调（偏冷、偏暖）;
AWB: 一种图像处理算法，通过自动估算当前光源的色温，并调整图像的 RGB 增益，使白色物体看起来是白的，从而整体图像色彩自然;

2.现象

人的视觉和神经系统具有色彩恒常性，在看到白色物体的时候基本不受环境的变化。这种特性不适应于sensor,
同样的物体在不同的色温环境下会显示不同的颜色；AWB的目的是将不同环境下的白色还原成真实的颜色。

3.色温

色温是表示光源光色的尺度，单位K （开尔文），从理论上说，黑体温度指绝对黑体从绝对零度（－273℃）开始加温后所呈现的颜色。
黑体在受热后，逐渐由黑变红，转黄，发白，最后发出蓝色光。当加热到一定的温度，黑体发出的光所含的光谱成分，就称为这一温度下的色温。

如果某一光源发出的光，与某一温度下黑体发出的光所含的光谱成分相同，就称为某K色温。
如100W灯泡发出的光的颜色，与绝对黑体在2527℃时的颜色相同，那么这只灯泡发出的光的色温就是：（2527+273）K=2800K。

常见光源色温：

光源	色温 （K）
白炽灯	2500-3200K
日光灯	4500-6500K
日光平均	5400K
多云日光	7000K+

经典AWB算法

AWB通常通过四个步骤完成：
1.灰度图/颜色统计
2.根据输入图像估计光源色温；
3.计算R,G,B各通道增益；（方法不同，增益不同）
4.自动调整增益值对输入图像进行校正；

场景假设模型:

1.灰度世界法

灰度世界算法基于一个假说：任一幅图像,当它有足够的色彩变化,则它的RGB分量的均值会趋于相等。

算法步骤：

• 计算各个颜色通道的平均值；
• 寻找一个参考值K，一般情况选取Gmean;
• 计算Rgain = Gmean/Rmean, Bgain = Gmean/Bmean;
• 对图像中的每个像素都乘以对应的gain值进行校正；

2.完美反射法

完美反射法根据全反射理论，找到图像中的白点（R,G,B三个颜色分量值相等并且较大的点），以此为基础就可计算出gain值从而进行校正。

算法步骤：

• 计算各个颜色通道的最大值Rmax,Gmax,Bmax；
• 计算Rgain = MAX（Rmax,Gmax,Bmax）/Rmax, Bgain = MAX（Rmax,Gmax,Bmax）/Bmax;
• 对图像中的每个像素都乘以对应的gain值进行校正；

3.基于色温曲线的自动白平衡

算法步骤：

• 获取不同色温光源下sensor对标准色卡成像的R/G,B/G权重值；并通过曲线拟合得到色温曲线；
  

• 真实环境下，获取到整幅图像的R/G,B/G值，判断出当前处于什么色温环境；

• 根据色温给出对应的Rgain和Bgain；

4.对比

算法	原理简介	优点	缺点	适用场景
灰度世界（Gray World）	假设图像平均灰度应为中性灰，即R=G=B	简单快速，无需训练	遇到偏色场景或色调单一场景会失效	光照比较均匀、颜色多样的自然场景
完美反射法	假设图像中存在理想反射体（如白纸），用其做白平衡	精度高（如果假设成立）	非常依赖于反射体的存在和位置	人工控制场景、工业视觉、校准场景
基于色温估计（CT-based）	通过图像估计色温（CCT）进而查表或插值得到增益	物理合理性强，配合sensor metadata可精准调节	CCT估计不准会影响最终效果	专业摄影、光源已知的工业或医疗图像

其他AWB 算法：灰度边缘法（Gray Edge）；基于学习/统计（例如GMM、KNN）；基于图像分类（CNN/深度学习） 等

白平衡调节标准

1、准确性，衡量指标为白平衡稳定后实际颜色与理想颜色之间的色差；
2、收敛速度，从场景切换到白平衡稳定所需的时间；
3、稳定性，白平衡应保持灰阶稳定或平滑过渡，不应出现跳变、振荡等异常现象

参考链接：
https://www.cnblogs.com/zhiming-huang/articles/13656278.html
https://zhuanlan.zhihu.com/p/462987152
https://blog.csdn.net/weixin_44690935/article/details/118888540
https://baike.baidu.com/item/色温/103689
https://zhuanlan.zhihu.com/p/395206555
https://zhuanlan.zhihu.com/p/462987152