La balance des blancs de l'algorithme

Je fais du traitement d'image et j'ai besoin d'une balance des blancs automatique algorithme qui n'est pas trop intensif en termes de temps de calcul CPU. Toutes les recommandations?

EDIT: et si c'est pertinent pour l'efficacité, je vais être mise en œuvre en Java avec des images en couleur dans un tableau d'entiers.

InformationsquelleAutor Charles Ma | 2009-07-24

21

Un algorithme relativement simple est de calculer la moyenne des teintes (en VHS ou HSL) les plus brillants et les plus sombres de pixels sur l'écran. Dans un pincement, rendez-vous avec les plus brillants de pixels seulement. Si les teintes entre les plus brillants et les plus sombres sont trop différents, aller avec le pixel brillant. Si le noir est noir près aller avec le pixel brillant.

Pourquoi même regarder l'obscurité de pixel? Parfois, l'obscurité n'est pas près de black, et des conseils à la lumière ambiante ou du brouillard ou de la brume.

Cela aura du sens pour vous si vous êtes un grand utilisateur de Photoshop. Faits saillants de la photo ne sont pas liés (ou faiblement) à la couleur sous-jacente de l'objet. Ils sont votre meilleure représentation de la dominante de couleur de la lumière, à moins que l'image est donc surexposées que tout ce qui a submergé le CCDs.

Puis ajuster les nuances de la couleur de tous les pixels.

Vous aurez besoin rapide RVB en VHS et VHS RVB fonctions. (Mais peut-être que vous pouvez travailler en RVB du pixel corrections avec un LUT ou de l'interpolation linéaire.)

Vous ne voulez pas passer par la moyenne des pixels de la couleur ou le plus populaire de la couleur. De cette façon se trouve la folie.

Pour trouver rapidement la couleur la plus claire (et la plus sombre), vous pouvez travailler en RVB, mais vous devriez avoir des multiplicateurs de vert, rouge et bleu. Sur un moniteur RVB, 255 vert est plus lumineux que 255 rouge qui est plus lumineux que 255 bleu. J'ai utilisé pour avoir de bons multiplicateurs dans ma tête, mais hélas, ils ont fui ma mémoire. Vous pouvez probablement google.

Ceci ne fonctionnera pas dans une image qui n'a pas de faits saillants. Un mat mur peint, par exemple. Mais je ne sais pas ce que vous pouvez faire à ce sujet.

Il y a beaucoup d'améliorations à apporter à cet algorithme simple. Vous pouvez la moyenne de plusieurs pixels clairs, la grille de l'image et de saisir pixels clairs et sombres de chaque cellule, etc. Vous trouverez quelques évident réglages après la mise en œuvre de l'algorithme.
- Merci! Je vais donner à ceci un essai. j'ai aussi trouvé un algorithme très simple que GIMP utilise apparemment pour la balance des blancs automatique, je vais comparer les deux algorithmes et de voir lequel est le bon pour moi 🙂
- J'aurais pensé que la plupart des photos ont au moins 1 ultra-pixel blanc (255,255,255) – en particulier sur la baisse de la qualité des caméras qui ont souvent besoin de plus d'aide avec la balance des blancs et les pixels blancs n'ont pas vraiment aider l'algorithme à tous. Donc, ne vous puis regardez à la prochaine pixels les plus brillants?
- vous pouvez également prendre la moyenne des plus claires et les plus sombres de N% de pixels.
- Vous dites "ajuster les nuances de la couleur de tous les pixels", mais je ne suis pas sûr de ce que vous voulez dire par là. Une fois, je sais où les plus brillants de pixels est, que dois-je faire pour les teintes de tous les autres pixels?
- C'est probablement trop tard, mais je crois que ce que Nosredna entend par son expression est la suivante: pour la détection tonalité blanche" (r_w,g_w,b_w) tous les pixels doivent être amplifié par (1/r_w, 1/g_w, 1/b_w).
- Merci @wf34
InformationsquelleAutor Nosredna
19

GIMP apparemment utilise un algorithme très simple pour la balance des blancs automatique.
http://docs.gimp.org/en/gimp-layer-white-balance.html

La Balance des Blancs commande ajuste automatiquement les couleurs de la couche active par l'étirement de la Rouge, Vert et Bleu séparément. Pour ce faire, il ignore les couleurs des pixels à chaque extrémité de la Rouge, de Vert et de Bleu histogrammes qui sont utilisés par seulement 0,05% de pixels dans l'image et s'étend l'autonomie restante autant que possible. Le résultat est que les couleurs des pixels qui se produisent que très rarement sur les bords extérieurs de la histogrammes (peut-être les bits de la poussière, etc.) ne pas influencer négativement les valeurs minimales et maximales utilisées pour l'étirement de la histogrammes, en comparaison avec l'Étirement de Contraste. Comme “l'Étirement de Contraste”, cependant, il peut y avoir des changements de teinte de l'image résultante.

Il y a un peu plus de peaufinage que ce qui est décrit ici depuis ma première tentative de mise en œuvre de cette œuvre semble fonctionner pour la plupart des photos, mais d'autres photos semblent avoir des artefacts ou contiennent trop de rouge, de vert ou de bleu :/
- Merci pour ce lien. Je n'avais pas voir qu'avant.
- Peut-être que vous pourriez mettre en œuvre plusieurs algorithmes et puis essayer de comprendre l'algorithme fonctionne lorsque, sur la base des caractéristiques des images. Pour l'exposition (un rhather problème similaire), les caméras modernes casser l'image (en plus ils savent point et comme @Matthias Wandel souligné, si le flash a été utilisé). Les fabricants ont analysé les bases de données de nombreuses photos pour voir ce qui fonctionne. Les premières caméras de je me souviens de ce qu'ont été Nikon FA et quelques autres de cette époque.
- Par ailleurs, vous pouvez trouver les zones qui sont mis au point en regardant le maximum de contraste entre les pixels adjacents. Quand un photographe utilise flash, la mise au point de la zone est généralement relativement proche de l'appareil et peut avoir quelques beaux points saillants de la flash.
- Pour les fins de balance des blancs, vous avez probablement des soins sur les zones d'intérêt plus que celui des domaines d'intérêt. De sorte que vous pouvez casser l'écran, disons grille de 5x5 et de la "qualité" des cellules de mise au point et de poids par importance pour votre balance des blancs de l'algorithme. Je pouvais la fermer maintenant, si vous voulez. Sinon, je vais probablement garder babillage pour toujours
- Grâce Norsredna, je suis en train de l'utiliser pour le traitement de la vidéo(c'est pourquoi il doit être efficace) de sorte flash n'est pas un problème, mais je peux sans doute optimiser que de recalculer les paramètres de balance des blancs toutes les 10 images ou alors, étant donné que la lumière n'a pas l'habitude de changer souvent. 😛
InformationsquelleAutor Charles Ma

@Charles Ma a suggéré d'utiliser le Gimp de la balance des blancs de l'algorithme. Dans python et numpy cela pourrait ressembler à ceci:

# white balance for every channel independently
def wb(channel, perc = 0.05):
    mi, ma = (np.percentile(channel, perc), np.percentile(channel,100.0-perc))
    channel = np.uint8(np.clip((channel-mi)*255.0/(ma-mi), 0, 255))
    return channel

image = cv2.imread("foo.jpg", 1) # load color
imWB  = np.dstack([wb(channel, 0.05) for channel in cv2.split(img)] )

c'est rapide, simple et fournit des résultats très corrects

InformationsquelleAutor DomTomCat

4

Blanc des algorithmes d'équilibrage sont durs. Même les appareils photo numériques se tromper de temps en temps, même s'ils savent beaucoup d'infos supplémentaires à propos de l'image - comme si le flash a été utilisé, et le niveau de lumière.

Pour commencer, je voudrais juste dans la moyenne de rouge, de vert et de bleu, et de l'utiliser comme la balance des blancs en point. Fixer des limites sur elle - rester à l'intérieur de l'aire de répartition de tungstène, fluorescent, et à la lumière. Il ne sera pas parfait, mais lors de son mal, il sera relativement facile d'expliquer pourquoi.
- Le populaire premier essai, mais qui va tourner un ballon rouge dans la neige à un dullish boule rouge dans une mer de cyan. C'est pire que pas de balance des blancs, de l'OMI.
InformationsquelleAutor Matthias Wandel
3

Un récemment publié algorithme est la Couleur de la Distribution de l'algorithme et il peut être trouvé ici: http://www.comp.nus.edu.sg/~marron/pdf/ColorConstancyJOSAv10.pdf Dans le document, il y a aussi la référence au code source Matlab (http://www.comp.nus.edu.sg/~whitebal/source/fichiers/illuminantEstimator.m). C'est un algorithme simple qui peut être facilement programmé et les résultats montrent qu'il est très rapide.

Si vous avez besoin de plus rapide et en même temps précis balance des blancs (couleur de constance), algorithmes, vous devriez vérifier ce site: http://www.fer.unizg.hr/ipg/resources/color_constancy/

Il existe plusieurs algorithmes à leur source codé qui pourrait être juste celles que vous recherchez.

InformationsquelleAutor nbanic

Vous devez vous connecter pour publier un commentaire.