灰度世界算法原理及C++实现

前言

这是 OpenCV图像处理算法专栏的第三篇文章，为大家介绍一下灰度世界算法的原理和C++实现，这个算法可以起到白平衡的作用。

灰度世界算法原理

人的视觉系统具有颜色恒常性，能从变化的光照环境和成像条件下获取物体表面颜色的不变特性，但成像设备并不具有这样的调节功能，不同的光照环境会导致采集到的图像颜色与真实颜色存在一定程度的偏差，需要选择合适的颜色平衡算法去消除光照环境对颜色显示的影响。
灰度世界算法以灰度世界假设为基础，假设为：对于一幅有着大量色彩变化的图像，RGB三个分量的平均值趋于同一个灰度值 $<mover accent="true"> G ˉ </mover> r a y$ 。从物理意思上讲，灰度世界算法假设自然界景物对于光线的平均反射的均值在整体上是一个定值，这个定值近似为“灰色”。颜色平衡算法将这一假设强制应用于待处理的图像，可以从图像中消除环境光的影响，获得原始场景图像。

算法步骤

确定Gray有2种方法，一种是取固定值，比如最亮灰度值的一般，8位显示为128。另一种就是通过计算图像R,G,B的三个通道 $<mover accent="true"> R ˉ </mover>$ , $<mover accent="true"> G ˉ </mover>$ , $<mover accent="true"> B ˉ </mover>$ ，取 $<mover accent="true"> G ˉ </mover> r a y = \frac{<mover accent="true"> R ˉ </mover> + <mover accent="true"> G ˉ </mover> + <mover accent="true"> B ˉ </mover>}{3}$
计算 $R$ , $G$ , $B$ ，3个通道的增益系数： $k_{r} = \frac{<mover accent="true"> G ˉ </mover> r a y}{<mover accent="true">}$ , $k_{g} = \frac{<mover accent="true"> G ˉ </mover> r a y}{<mover accent="true">}$ , $k_{b} = \frac{<mover accent="true"> G ˉ </mover> r a y}{<mover accent="true">}$
根据Von Kries对角模型，对于图像中的每个像素C，调整其分量R,G,B分量： $C (R^{'}) = C (R) * k_{r}$ , $C (G^{'}) = C (G) * k_{g}$ , $C^{'} (B) = C (B) * k_{b}$

算法优缺点

此算法简单快速，但是当图像场景颜色并不丰富时，尤其诗出现大量单色物体时，该算***失效。

源码实现

Mat GrayWorld(Mat src) {
  vector <Mat> bgr;
  cv::split(src, bgr);
  double B = 0;
  double G = 0;
  double R = 0;
  int row = src.rows;
  int col = src.cols;
  Mat dst(row, col, CV_8UC3);
  for (int i = 0; i < row; i++) {
    for (int j = 0; j < col; j++) {
      B += 1.0 * src.at<Vec3b>(i, j)[0];
      G += 1.0 * src.at<Vec3b>(i, j)[1];
      R += 1.0 * src.at<Vec3b>(i, j)[2];
    }
  }
  B /= (row * col);
  G /= (row * col);
  R /= (row * col);
  printf("%.5f %.5f %.5f\n", B, G, R);
  double GrayValue = (B + G + R) / 3;
  printf("%.5f\n", GrayValue);
  double kr = GrayValue / R;
  double kg = GrayValue / G;
  double kb = GrayValue / B;
  printf("%.5f %.5f %.5f\n", kb, kg, kr);
  for (int i = 0; i < row; i++) {
    for (int j = 0; j < col; j++) {
      dst.at<Vec3b>(i, j)[0] = (int)(kb * src.at<Vec3b>(i, j)[0]) > 255 ? 255 : (int)(kb * src.at<Vec3b>(i, j)[0]);
      dst.at<Vec3b>(i, j)[1] = (int)(kg * src.at<Vec3b>(i, j)[1]) > 255 ? 255 : (int)(kg * src.at<Vec3b>(i, j)[1]);
      dst.at<Vec3b>(i, j)[2] = (int)(kr * src.at<Vec3b>(i, j)[2]) > 255 ? 255 : (int)(kr * src.at<Vec3b>(i, j)[2]);
    }
  }
  return dst;
}

效果

原图

灰度世界算法处理后

后记

可以看到灰度世界算法有了白平衡的效果，并且该算法的执行速度也是非常的快。

欢迎关注我的微信公众号GiantPandaCV，期待和你一起交流机器学习，深度学习，图像算法，优化技术，比赛及日常生活等。

全部评论

推荐最新楼层

05-26 15:28

北京蜜堂有信科技有限公司_运营部_运营经理

Kimi vs DeepSeek API对比：国内AI大模型价格·参数·性能评测

在国内AI大模型竞争白热化的今天，Kimi与DeepSeek凭借卓越性能跻身前列。本文基于详尽的比较报告，深入剖析两者的技术实力、服务优势及市场定位。报告数据全面覆盖参数对比、价格分析及核心性能指标，揭示两款模型在实际应用中的优劣势。为帮助您精准选择适合的AI模型。  想了解比较报告的深度内容，点此查看完整报告 Deepseek服务商介绍 1.服务商优势 • 网站SEMrush评分高：66分，位于3.1K排名。 • 网站流量大：日均访问量97.5百万，页面浏览量6.476亿。 • 国际市场覆盖广：主要流量来自中国（25.54%），俄罗斯（7.91%）和美国（6.69%）。 • 客户服务优秀：在...

点赞评论收藏

不愿透露姓名的神秘牛友

05-29 15:00

答辩被老师人身攻击

教授A：“你为什么要讲这么久，是要压缩我们对你的评议时间吗？你们别以为这样就能够让我们对你们少点意见。” “从你的发言和论文格式就能知道你的性格啊。”……. 感觉被狠狠霸凌了。

码农索隆：“教授您好，首先我想回应您提出的两点疑问。” “关于我讲解时间较长的问题：这绝非为了压缩各位老师的评议时间。这份毕业设计是我过去几个月倾注了全部心血的作品，从构思、实验、调试到撰写，每一个环节都反复打磨。我深知时间宝贵，所以选择详细讲解，是希望能更完整、清晰地展示它的核心创新点、实现过程和验证结果，确保老师们能充分理解它的价值和我的努力。我完全理解并重视评审环节的意义，也做好了充分准备来听取各位老师的专业意见和批评。几个月的研究都坚持下来了，我怎么可能害怕老师们的点评呢？今天站在这里，正是抱着虚心学习、诚恳求教的态度而来。” “如果我的展示确实超时，影响了后续流程，烦请老师们随时示意，我会立刻调整。我非常期待并预留了充足的时间，希望能听到老师们宝贵的建议和深入的讨论。” “其次，关于您提到‘从发言和论文格式就能知道我的性格’。教授，我对此感到非常困惑和不安。学术研究和答辩的核心，难道不应该是作品本身的质量、逻辑的严谨性、数据的可靠性和结论的合理性吗？论文格式有明确的规范要求，我尽最大努力遵循了这些规范。如果格式上存在疏忽或不足，这属于技术性、规范性的问题，恳请老师们具体指出，我一定认真修改。但将格式问题或个人表达风格（如讲解时长）直接上升为对个人性格的评判，甚至以此作为质疑我学术态度和动机的依据，这让我感到非常不公平，也偏离了学术评议应有的客观和严谨原则。” “我尊重每一位评审老师的专业权威，也衷心希望能得到老师们对我的工作内容本身的专业指导和批评指正。任何基于研究本身的意见，无论多么尖锐，我都会认真聆听、反思并改进。但我恳请老师们，能将评议的焦点放在我的研究本身，而不是对我个人进行主观的推断或评价。谢谢各位老师。”

你们的毕业论文什么进度了

点赞评论收藏