[发明专利]一种针对交通场景的摄像机白平衡方法

说明书

技术领域

本发明涉及一种摄像机白平衡方法，特别是一种针对交通场景的摄像机白平衡方法。

背景技术

物体在不同的光源照射下会呈现不同的颜色。这是因为不同的光源其色温不同，从而导致目标物体的反射光线光谱偏离“真实”颜色。当白色目标物体被低色温光源照射时，反射光线偏红；相反高色温光源会使同一白色目标物体反射光线偏蓝。由于人眼对色彩有恒久不变性，人的视觉或许不能区分这种颜色的差别。但是对于摄像机来说，给定光源下目标物体的反射光线将被记录。因此随着光源的变化，摄像机拍出的图像将会引起色差。摄像机自动白平衡算法，就是用来平衡不同色温环境下所拍摄的图像色差。

很多白平衡算法都是在Von Kries假设的基础上改进得到的。这种假设表明色彩调整是一种独立的增益调整，这种增益调整对于三种锥体信号用的是三个不同的增益系数，而且每一个传感器通道都是独立传输的。增益系数表示如下：

L_a＝K_lL

M_a＝K_mM        (1)

S_a＝K_sS

其中L、M、S代表三色的原始初值，K_l、K_m、K_s表示将原始信号增大到三色调整值L_a、M_a、S_a的增益系数。调整模型因部分系数获得的方法而不同。在这些模型中RGB通道通常被认为是L、M、S视网膜波段的一种近似，所以公式(1)变为：

R_a＝K_rR

G_a＝K_gG        (2)

B_a＝K_bB

常见的白平衡算法主要分为两类：一类是基于灰度世界假设的白平衡算法，一类是基于白斑假设的白平衡算法。

基于灰度世界假设的白平衡算法，假设给定的一幅色彩变化很大的图像的R、G、B元素的平均值合成是一种普通的灰色。这样我们就可以在一幅数码相机在特殊光源下拍摄的图片中应用灰度世界假设来去掉因光源而带来的模糊层面。一旦选择了一种普通灰度值，每一种色彩元素就可以用以下的系数进行调整。

K_r＝G_rayR/R_avg

K_g＝G_rayG/G_avg        (3)

K_b＝G_rayB/B_avg

其中，R_avg、G_avg、B_avg表示R、G、B三通道的平均值，G_rayR、G_rayG、G_rayB表示选择的灰度值。

基于灰度世界假设的白平衡算法，假设整个图像的R、G、B三个分量的统计均值相等，但实际拍摄的图像画面，总是不能完全满足这个假设，特别是在交通场景中，画面中经常出现彩色车辆，路边的绿化带和房屋也有颜色，这种场景下，很难满足灰度世界的假设条件，使得该方法在实际使用过程中白平衡效果不理想。

基于白斑假设的白平衡算法，其基本思想就是使白点或者白色区域表现得如同真实场景中的一样。这些白平衡算法的技巧在于在获得的图像中识别这些白点或者白色区域。

一种白平衡方法就是用参考白色值(WhiteR、WhiteG、WhiteB)除以每条通道获得的最大值(RMax、GMax、BMax)来计算Von Kries系数：

K_r＝WhiteR/RMax

K_g＝WhiteG/GMax    (4)

K_b＝WhiteB/BMax

另外一种方法是利用下面的Von Kries转换系数来进行白平衡算法。

K_r＝WhiteR/R_avgW

K_g＝WhiteG/G_avgW    (5)

K_b＝WhiteB/B_avgW