C++ OpenCV實現(xiàn)白平衡之灰度世界算法

更新時間：2022年05月30日 09:56:37 作者：翟天保Steven

灰度世界算法是白平衡各種算法中最基本的一種。本文將利用C++和OpenCV實現(xiàn)白平衡中的灰度世界算法，文中示例代碼講解詳細，感興趣的可以了解一下

實現(xiàn)原理

白平衡的意義在于，對在特定光源下拍攝時出現(xiàn)的偏色現(xiàn)象，通過加強對應(yīng)的補色來進行補償，使白色物體能還原為白色。

灰度世界算法是白平衡各種算法中最基本的一種。它假設(shè)圖像世界具備豐富色彩，紅藍綠三通道的灰度值在平均后趨近一致，該值作為“灰色”；若各通道均值偏離“灰色”，則將其進行補償，使其回歸“灰色”，進而實現(xiàn)白平衡的效果。

通俗的講，若圖像中綠色較強，藍色和紅色較弱，則用了灰度世界算法后，綠色會適當減弱，藍色和紅色會適當加強，這樣就使原本偏色嚴重的情況得到了緩解。

灰度世界算法的實現(xiàn)流程如下：

1.計算圖像RGB三通道各自的灰度平均值Raver、Gaver、Baver。

2.計算“灰色”：Gray=(Raver+Gaver+Baver)/3。

3.計算三通道的補償系數(shù)，即灰色值除以單通道平均值。

功能函數(shù)代碼

// 白平衡-灰度世界
cv::Mat WhiteBalcane_Gray(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分離
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 計算通道灰度值均值
	double Bm = cv::mean(Channel[0])[0];
	double Gm = cv::mean(Channel[1])[0];
	double Rm = cv::mean(Channel[2])[0];
	double Km = (Bm + Gm + Rm) / 3;
 
	// 通道灰度值調(diào)整
	Channel[0] *= Km / Bm;
	Channel[1] *= Km / Gm;
	Channel[2] *= Km / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}

C++測試代碼

#include <iostream>
#include <opencv.hpp>
 
using namespace std;
 
// 白平衡-灰度世界
cv::Mat WhiteBalcane_Gray(cv::Mat src)
{
	cv::Mat result = src.clone();
	if (src.channels() != 3)
	{
		cout << "The number of image channels is not 3." << endl;
		return result;
	}
 
	// 通道分離
	vector<cv::Mat> Channel;
	cv::split(src, Channel);
 
	// 計算通道灰度值均值
	double Bm = cv::mean(Channel[0])[0];
	double Gm = cv::mean(Channel[1])[0];
	double Rm = cv::mean(Channel[2])[0];
	double Km = (Bm + Gm + Rm) / 3;
 
	// 通道灰度值調(diào)整
	Channel[0] *= Km / Bm;
	Channel[1] *= Km / Gm;
	Channel[2] *= Km / Rm;
 
	// 合并通道
	cv::merge(Channel, result);
 
	return result;
}
 
int main()
{
	// 載入原圖
	cv::Mat src = cv::imread("test.jpg");
 
	// 白平衡-灰度世界
	cv::Mat result = WhiteBalcane_Gray(src);
 
	// 顯示
	cv::imshow("src", src);
	cv::imshow("result", result);
	cv::waitKey(0);
 
	return 0;
}