一种自适应的相机自动白平衡算法

一种自适应的相机自动白平衡算法

1自动白平衡.不同的光源有不同的光谱成分和分布，在色度学上被称为色度成像。有白色物体在低鲜艳的阳光下是红色的，在高鲜艳的阳光下是蓝色的。因此，有必要校正不同颜色的色度差，使白色物体真正呈白色，这被称为平衡白。在数码相机系统中,白平衡一般采用光学粗调和电路微调的方法进行.由于CCD,CMOS图像传感器具有一定的光谱特性,因此必须在镜头前加上匹配的光学滤色镜,将红外等光线滤除,然后进行软件或电路微调.为了提高易用性,数码相机一般还支持自动白平衡.因此,必须开发适合数码相机的自动白平衡算法,以保证拍摄照片不会失真.白平衡具有三个基本操作.(1)色温估计.通过手工调节(取一个“标准白”的物体作为参考)或算法统计的方法,估计出表达色温的特征量(平均色差);(2)增益计算.采用查表或迭代的方法,计算出红色和蓝色增益(校正因子);(3)色温校正.在红色和蓝色通道乘上对应的校正因子,调整通道增益,以达到白平衡的效果.色温估计是数码相机自动白平衡算法的三个基本操作中最重要的一环.色温估计必须估算出正确的色差,才能保证后续操作的正确性.特别是在参考图像充满大面积彩色时,算法必须具有一定的鲁棒性,以保证色彩的完整性.针对上述要求,Nakano等提出了一种基于Y,Cb,Cr的约束条件,在YCbCr空间定义了一个三维结构,称之为白色区域,凡落入其中的像素都认为是白色的,而其外的像素则是认为非白色的.在计算色差时,只计算白色像素的平均色差,以替代整个图像的色差,从而提高色温估计的准确度.该算法中的Y,Cb,Cr控制阈值是彼此独立的.Lee等则在此基础上加入了Cb,Cr之和的控制阈值,进一步提高了色温估计精度.该算法还通过限制R,B的变化范围来适应镜头缩放时图像的剧烈变化.然而,以上算法均未考虑像素的Y和Cb,Cr之间的相关性,限制了色温估计精度的进一步提高.本文在分析传统算法的基础上,提出了一种新的色温估计方法,并在此基础上实现了一种自适应的数码相机自动白平衡算法.2自适应自动白平衡算法2.1染色估计算法的约束条件图像的色温一般表示为平均色差.当R,G,B三种颜色相等时,其色差为0,表现为白色.在图像处理中,一般采用YCbCr色彩模型⎡⎣⎢YCbCr⎤⎦⎥=⎡⎣⎢0.299−0.16870.50.587−0.3313−0.41870.1140.5−0.0813⎤⎦⎥⎡⎣⎢RGB⎤⎦⎥[YCbCr]=[0.2990.5870.114-0.1687-0.33130.50.5-0.4187-0.0813][RGB]来计算色差.其中,Y是灰度,表示图像的亮度;Cb和Cr是色度的蓝色和红色分量,代表图像的色差.色温估计的目标就是估算出图像的平均色差.目前,存在不少色温估计的算法,其中最基本的方法就是计算整个图像的平均色差.为了减少计算量,通常选取某个特定区域(比如图像中心)中的所有像素进行计算.但是,如果图像颜色较为单一,或者选定区域正好落入大的色块,以上算法求得的色温就会非常不准确.为此,必须根据一定的约束条件,挑选合适的像素(白色像素)来计算色差,以提高色温估计的精确度.Nakano等提出的色温估计算法的约束条件如⎧⎩⎨⎪⎪Y＞χ−α＜Cb＜α−β＜Cr＜β(1){Y＞χ-α＜Cb＜α-β＜Cr＜β(1)其中,亮度χ和色度阈值α,β由算法给定.该约束条件的物理含义是:在Y足够大、Cb和Cr足够小的空间里定义了一个区域,并将该区域中的所有像素看作是白色的,可以参与色差的计算;然后,用这些白色像素的平均色差来代表整个图像的色差,以取得较好的精度.值得注意的是,图像的平均亮度也必须同时求出,否则会导致校正后的图像失真.上述的白色区域类似于一个立方体.在每个Y平面上,白色像素都位于一个CbCr矩形当中,并且所有Y平面上的CbCr矩形大小是一致的.然而,约束条件式(1)存在一定的局限性.首先,Cb和Cr之间具有一定的相关性,式(1)并未加以考虑.因此,Lee等在式(1)的基础上增加了一个约束条件−γ＜Cb+Cr＜γ(2)-γ＜Cb+Cr＜γ(2)这样,CbCr平面就从矩形变成了六边形,使得参与计算的像素具有更强的白色特征,提高了色差计算的精度.其次,Y与Cb,Cr之间也有一定的相关性,如果加以考虑,可以进一步提高色差的精度.在Y较小时,Cb和Cr较小的像素表现为接近白色的灰度值;而在Y较大时,Cb和Cr较大的像素仍可认为是白色物体受到光源污染得到的.这样,可以将式(1)和式(2)的约束条件加以改进,得到Y−|Cb|−|Cr|＞φ(3)Y-|Cb|-|Cr|＞φ(3)图1所示为该约束条件的控制区域.该区域是一个上粗下细的柱状体,并且,每个CbCr平面是一个菱形.当Y较小时,Cb和Cr范围控制得很紧,只有少量像素可以参与色差计算;而当Y增大时,Cb和Cr的范围相应放大,使更多像素可以参与计算,从而提高精度.根据约束条件式(3),改进的色温估计算法如图2所示.2.2白色的cb和cr增益计算是在图像色温估计的基础上,通过一定的方法得到通道增益.通道增益也就是色温校正因子,一般有蓝色和红色两个分量,分别为对图像蓝色和红色通道进行调整的幅度.如前所述,白色的Cb和Cr均为0;因此,通道增益就是能将Cb和Cr调整到0(或接近0)的两个系数μ和ν.增益计算的方法有多种,比如查表法、迭代法等.查表法是事先统计出一张表,记录不同的色温所对应的通道增益,具有速度快的优点;但由于表的容量有限,不能实现各种色温情况的连续调节.迭代算法则是根据Cb和Cr的关系,通过不断地调节μ和ν实现,如图3所示.其中λ为迭代步长,由算法给定.增益计算中,一次迭代针对一幅图像的色差进行.每一次迭代后,输出新的通道增益,必须等到下一幅图像到来才能进行下一次迭代.2.3自动白平衡的数据处理色温校正就是在图像的蓝色和红色通道乘以各自的增益,从而调节R,G,B三色的比例;一般针对CCD,CMOS采样输出的RGB信号进行.值得注意的是必须进行溢出处理,防止RGB输出超出0～255的范围.综上所述,自动白平衡是一个迭代过程,必须通过对连续图像的处理才能完成,如图4所示.一般数码相机都将自动白平衡放在取景模式中实现.3系统的硬件实现本文算法可以很方便地在一个数码相机中实现.图5所示为一个应用了该算法的数码相机自动白平衡系统.CCD采样得到的RGB数据,经过色温校正、内插和色空间变换之后得到YCbCr信号,经过色温估计和增益计算,将校正因子μ和ν送回MCU,经过一定的处理后再送至色温校正.进行MCU处理的目的是为了同步控制.另外,色温估计需要用到除法运算.这里可以将统计到的Y,Cb,Cr求和,并将像素数n读入到MCU,在MCU中进行除法运算,再将结果返回.上述算法被嵌入到一个CCD数码相机处理器中,采用电路形式实现.该数码相机处理器共有50万门,采用0.25μmCMOS工艺流片,芯片面积5mm×5mm.图6所示为该芯片显微照片,其中A2CF为自动曝光/自动白平衡/自动聚焦模块.4bldg.bmp增益的统计结果为了验证算法的有效性,本文进行了多种测试:(1)统计了若干图片的平均色差,并对各种算法进行比较;(2)在图像各通道加上一定的增益后再进行统计;(3)对数码相机系统进行了实际测试,并对算法效果和速度进行了比较.表1所示为5幅经过了白平衡处理的图片的比较结果.本文统计了三种算法的平均色差:算法1(所有像素求平均)、算法2(根据式(1)和式(2)的约束条件选择像素求平均)、本文算法(根据式(3)的约束条件选择像素求平均).表2所示为统计得到的Cb和Cr绝对值之和.(χ,α,β,γ,φ)分别设定为(120,30,30,50,180).由于这些图片事先作了正确的白平衡处理,因此统计出的平均色差越接近0就越准确.从统计结果来看,约束条件式(3)在估计的图像色温具有更高的精确度.图7所示为bldg.bmp增益变化过程中的统计结果.在红色和蓝色通道加上一定的增益再统计平均色差,其增益变化范围为±0.3.从图7a可以看出,在红色增益增加时,Cr产生明显的增加;而在增益为0时,Cb和Cr的绝对值之和c最小,证明色温估计是准确的.图7b的蓝色通道的增益测试也证明了这一点.图8所示为在数码相机系统中进行了自动白平衡的测试.图8a为处理之前的照片.可以看出,由于荧光灯的光谱是绿色的,因此整个图片明显偏绿.采用三种色温估计算法分别对照片进行自动白平衡处理的结果如表3所示.步长λ设为0.05.图8b～8d给出了三种算法的自动白平衡结果.通过比较可以看出,本文算法的色温校正取得了最好的效果,而且迭代次数大大减少.上述