我正在尝试使用 c++ 和 opencv 对图像的色彩平衡进行评分。
要做到这一点，最简单的方法是计算每种颜色的像素数，然后查看其中一种颜色是否更普遍。
我想我可能应该使用 calcHist 和 split 函数，我可以将图像拆分为 R、G 和 B 直方图。但是我不确定下一步该做什么。我可能会遍历所有的垃圾箱，看看里面有多少像素，但这似乎需要做很多工作（我目前使用 256 个垃圾箱）。
是否有更快的方法来计算颜色范围内的像素？我也不确定如果白色或黑色是更流行的颜色，它会如何工作？
【问题讨论】：
标签： c++ opencv image-processing colors
色彩平衡通常是查看白色（或灰色）表面并检查红色/蓝色与绿色的比例。一个完美平衡的系统将具有相同的红/蓝信号电平。
然后，您可以简单地从测试灰卡图像中计算出平均红/蓝，并将相同的缩放比例应用于您的真实图像。
在没有参考的实时图像上执行此操作比较棘手，您必须找到可能是白色的区域（即明亮且接近 r=g=b）并将它们用作参考
【讨论】：
对于色彩平衡没有明确的算法，所以你可能实现的任何东西，不管它有多好，在某些情况下都可能会失败。
其中一种最简单的算法称为“灰色世界”，它从统计上假定场景的平均颜色应该是灰色。如果不是，则意味着需要将其校正为灰色。所以，非常简单（在伪 python 中），如果你有一个图像 RGB:
cc[0] = np.mean(RGB[:,0]) # calculating channel-wise average
cc[1] = np.mean(RGB[:,1])
cc[2] = np.mean(RGB[:,2])
cc = cc / np.sqrt((cc**2).sum()) # normalise the light (you might want to
# play with this a bit
RGB /= cc # divide every pixel by the estimated light
请注意，这里我假设 RGB 是一个浮点数组，其值介于 0 和 1 之间。其他有助于排除包含低于和高于特定阈值（例如，低于 0.05）的值的平均像素及以上 0.95）。这样，您可以忽略值受噪声严重影响的像素（小值）和使相机传感器饱和且颜色可能不可靠的像素（大值）。
【讨论】：
自动色彩平衡算法在此链接中描述http://web.stanford.edu/~sujason/ColorBalancing/simplestcb.html
C++代码可以参考这个链接：https://www.morethantechnical.com/2015/01/14/simplest-color-balance-with-opencv-wcode/
/// perform the Simplest Color Balancing algorithm
void SimplestCB(Mat& in, Mat& out, float percent) {
assert(in.channels() == 3);
assert(percent > 0 && percent < 100);
float half_percent = percent / 200.0f;
vector<Mat> tmpsplit; split(in,tmpsplit);
for(int i=0;i<3;i++) {
//find the low and high precentile values (based on the input percentile)
Mat flat; tmpsplit[i].reshape(1,1).copyTo(flat);
cv::sort(flat,flat,CV_SORT_EVERY_ROW + CV_SORT_ASCENDING);
int lowval = flat.at<uchar>(cvFloor(((float)flat.cols) * half_percent));
int highval = flat.at<uchar>(cvCeil(((float)flat.cols) * (1.0 - half_percent)));
cout << lowval << " " << highval << endl;
//saturate below the low percentile and above the high percentile
tmpsplit[i].setTo(lowval,tmpsplit[i] < lowval);
tmpsplit[i].setTo(highval,tmpsplit[i] > highval);
//scale the channel
normalize(tmpsplit[i],tmpsplit[i],0,255,NORM_MINMAX);
}
merge(tmpsplit,out);
}
// Usage example
void main() {
Mat tmp,im = imread("lily.png");
SimplestCB(im,tmp,1);
imshow("orig",im);
imshow("balanced",tmp);
waitKey(0);
return;
}
【讨论】：