No processamento de fotografia e imagem, o equilíbrio de cores é o ajuste global das intensidades das cores (tipicamente cores primárias vermelha, verde e azul). Um objetivo importante deste ajuste é renderizar cores específicas – particularmente cores neutras – corretamente. Por isso, o método geral às vezes é chamado de equilíbrio de cinza, equilíbrio de neutro ou balanço de branco. O equilíbrio de cores altera a mistura geral de cores em uma imagem e é usado para correção de cores. As versões generalizadas do equilíbrio de cores são usadas para corrigir cores diferentes dos neutros ou para modificá-los deliberadamente para efeitos.

Os dados de imagem adquiridos por sensores – ou filmes ou sensores de imagem eletrônicos – devem ser transformados dos valores adquiridos para novos valores apropriados para reprodução ou exibição de cores. Vários aspectos do processo de aquisição e exibição tornam essencial a correção de cores – incluindo o fato de que os sensores de aquisição não combinam os sensores no olho humano, que as propriedades do meio de exibição devem ser contabilizadas e que as condições de visualização ambiente de A aquisição difere das condições de visualização.

As operações de balanço de cores em aplicativos de edição de imagens populares geralmente operam diretamente nos valores de pixel do canal vermelho, verde e azul, sem respeito a qualquer modelo de detecção ou reprodução de cores. Na fotografia do filme, o equilíbrio de cores é normalmente alcançado usando filtros de correção de cores sobre as luzes ou sobre a lente da câmera.

Balanço de cores generalizadas
Às vezes, o ajuste para manter neutros neutros é chamado de equilíbrio de branco e a frase equilíbrio de cores refere-se ao ajuste que, além disso, outras cores em uma imagem exibida parecem ter a mesma aparência geral que as cores em uma cena original. É particularmente importante que cores neutras (cinza, neutro, branco) em uma cena pareçam neutras na reprodução.

Estimativa e adaptação de iluminantes
A maioria das câmeras digitais tem meios para selecionar correção de cores com base no tipo de iluminação de cena, usando seleção de iluminação manual, balanço de branco automático ou balanceamento de branco personalizado. Os algoritmos para esses processos realizam a adaptação cromática generalizada.

Existem muitos métodos para balanceamento de cores. Definir um botão em uma câmera é uma maneira para o usuário indicar ao processador a natureza da iluminação da cena. Outra opção em algumas câmeras é um botão que se pode pressionar quando a câmera é apontada para um cartão cinza ou outro objeto colorido neutro. Isso captura uma imagem da luz ambiente, que permite que uma câmera digital defina o equilíbrio de cor correto para essa luz.

Há uma grande literatura sobre como se pode estimar a iluminação ambiental a partir dos dados da câmera e depois usar essas informações para transformar os dados da imagem. Uma variedade de algoritmos foram propostos e a qualidade destes foi debatida. Alguns exemplos e o exame das referências nele levarão o leitor a muitos outros. Exemplos são Retinex, uma rede neural artificial ou um método Bayesiano.

Cores cromáticas
O equilíbrio de cores de uma imagem afeta não apenas os neutros, mas também outras cores. Uma imagem que não é cor equilibrada é dito ter um elenco de cores, já que tudo na imagem parece ter sido deslocado para uma cor. [Página necessária] O balanceamento de cores pode ser pensado em termos de remover esse elenco de cores.

O equilíbrio de cores também está relacionado à constância da cor. Algoritmos e técnicas utilizadas para atingir a constância de cores são freqüentemente usadas para balanceamento de cores também. A constância da cor, por sua vez, está relacionada à adaptação cromática. Conceitualmente, o balanceamento de cores consiste em duas etapas: primeiro, determinando o iluminante sob o qual uma imagem foi capturada; e, em segundo lugar, dimensionando os componentes (por exemplo, R, G e B) da imagem ou de outra forma transformando os componentes para que este se ajuste ao iluminador de visualização.

A Viggiano descobriu que o equilíbrio branco no modelo de cores RGB nativo da câmera tendia a produzir menos inconstância de cor (ou seja, menos distorção das cores) do que no monitor RGB para mais de 4000 conjuntos hipotéticos de sensibilidades da câmera. Essa diferença geralmente equivale a um fator de mais de dois em favor da câmera RGB. Isso significa que é vantajoso obter um equilíbrio de cores no momento em que uma imagem é capturada, em vez de editar mais tarde em um monitor. Se alguém deve equilibrar a cor mais tarde, equilibrar os dados da imagem em bruto tenderá a produzir menos distorção de cores cromáticas do que o balanceamento no monitor RGB.

Matemática do equilíbrio de cores
O balanceamento de cores às vezes é realizado em uma imagem de três componentes (por exemplo, RGB) usando uma matriz 3×3. Esse tipo de transformação é apropriado se a imagem for capturada usando a configuração de equilíbrio de branco incorreta em uma câmera digital ou através de um filtro de cores.

Monitor de escala R, G e B
Em princípio, quer-se dimensionar todas as luminâncias relativas em uma imagem, de modo que os objetos que se acredita serem neutros aparecem assim. Se, digamos, uma superfície com R = 240 acreditava ser um objeto branco e, se 255 é a contagem que corresponde a branco, pode-se multiplicar todos os valores vermelhos em 255/240. Fazer análogamente para verde e azul resultaria, pelo menos em teoria, em uma imagem equilibrada de cores. Neste tipo de transformação, a matriz 3×3 é uma matriz diagonal.

onde R, G e B são a cor equilibrada de componentes vermelhos, verdes e azuis de um pixel na imagem; R ‘, G’ e B ‘são os componentes vermelho, verde e azul da imagem antes do balanceamento de cores, e R’ _ {w}, G ‘_ {w} e B’ _ {w} são o vermelho , componentes verdes e azuis de um pixel que se acredita ser uma superfície branca na imagem antes do balanceamento de cores. Esta é uma simples escala dos canais vermelho, verde e azul e é por isso que as ferramentas de equilíbrio de cores no Photoshop e no GIMP possuem uma ferramenta de contagiar branco. Demonstrou-se que a realização do equilíbrio branco no conjunto de fósforo assumido pelo sRGB tende a produzir grandes erros nas cores cromáticas, embora possa tornar as superfícies neutras perfeitamente neutras.

Dimensionamento X, Y, Z
Se a imagem pode ser transformada em valores de trítimulos CIE XYZ, o equilíbrio de cores pode ser realizado lá. Isso foi denominado transformação de “von von Kries”. Embora tenha sido demonstrado oferecer resultados geralmente mais pobres do que o balanceamento no monitor RGB, ele é mencionado aqui como uma ponte para outras coisas. Matematicamente, um calcula:

onde X, Y e Z são os valores tristimulus de cor equilibrada; X_ {w}, Y_ {w} e Z_ {w} são os valores tristimulus do iluminador de visualização (o ponto branco ao qual a imagem está sendo transformada para se adequar); X ‘_ {w}, Y’ _ {w} e Z ‘_ {w} são os valores tristimulus de um objeto que se acredita ser branco na imagem não colorida, e X’, Y ‘e Z ‘são os valores tristimulus de um pixel na imagem não colorida. Se os valores tristimulus das primárias do monitor estiverem em uma matriz \ mathbf {P} de modo a:

onde L_ {R}, L_ {G} e L_ {B} são o monitor não-gamma corrigido RGB, pode-se usar:

Método de Von Kries
Johannes von Kries, cuja teoria das hastes e três tipos de cone sensíveis às cores na retina sobreviveu como a explicação dominante da sensação de cor por mais de 100 anos, motivou o método de converter a cor para o espaço de cores LMS, representando os estímulos efetivos para a Tipos de cone de comprimento longo, médio e curto, que são modelados como adaptando de forma independente. Uma matriz 3×3 converte RGB ou XYZ para LMS e, em seguida, os três valores primários LMS são dimensionados para equilibrar o neutro; a cor pode então ser convertida de volta para o espaço de cor final desejado:

onde L, M e S são os valores tristimulus de cone LMS com cor equilibrada; L ‘_ {w}, M’ _ {w} e S ‘_ {w} são os valores tristimulus de um objeto que se acredita ser branco na imagem não colorida, e L’, M ‘e S ‘são os valores tristimulus de um pixel na imagem não colorida.

Matrizes para converter para o espaço LMS não foram especificadas por von Kries, mas podem ser derivadas de funções de correspondência de cores CIE e funções de correspondência de cores LMS quando estas são especificadas; As matrizes também podem ser encontradas em livros de referência.

Escalar a câmera RGB
Mediante a medida de Viggiano e usando seu modelo de sensibilidade espectral da câmara gaussiana, a maioria dos espaços RGB da câmera apresentou melhor desempenho do que o monitor RGB ou XYZ. Se os valores RGB crus da câmera forem conhecidos, pode-se usar a matriz diagonal 3×3:

e depois converte para um espaço RGB funcional, como sRGB ou Adobe RGB após o balanceamento.

Espaços de adaptação cromática preferidos
As comparações de imagens balanceadas por transformações diagonais em vários espaços RGB diferentes identificaram vários espaços que funcionam melhor do que outros, e melhor que os espaços de câmera ou monitor, para adaptação cromática, conforme medido por vários modelos de aparência de cores; os sistemas que realizaram estatisticamente bem como o melhor na maioria dos conjuntos de teste de imagem utilizados foram os espaços “Sharp”, “Bradford”, “CMCCAT” e “ROMM”.

Adaptação iluminante geral
A melhor matriz de cores para se adaptar a uma mudança no iluminante não é necessariamente uma matriz diagonal em um espaço de cor fixo. Sabe-se há muito tempo que, se o espaço de iluminantes pode ser descrito como um modelo linear com N termos de base, a transformação de cor adequada será a soma ponderada de N transformações lineares fixas, não necessariamente consistentemente diagonalizável.