В фотографии и обработке изображений цветовой баланс — это глобальная регулировка интенсивностей цветов (как правило, красного, зеленого и синего цветов). Важной целью этой настройки является правильное отображение определенных цветов — особенно нейтральных цветов. Следовательно, общий метод иногда называют серовым балансом, нейтральным балансом или балансом белого. Цветовой баланс изменяет общую смесь цветов в изображении и используется для коррекции цвета. Обобщенные версии цветового баланса используются для коррекции цветов, отличных от нейтральных, или для намеренного изменения их для эффекта.

Данные изображения, полученные датчиками — либо пленочными, либо электронными датчиками изображения, — должны быть преобразованы из полученных значений в новые значения, которые подходят для воспроизведения или отображения цвета. Несколько аспектов процесса сбора и отображения делают такую ​​коррекцию цвета существенной — в том числе тот факт, что датчики обнаружения не соответствуют датчикам в человеческом глазе, что необходимо учитывать свойства отображаемого носителя и что окружающие условия просмотра приобретение отличается от условий просмотра дисплея.

Операции цветового баланса в популярных приложениях для редактирования изображений обычно работают непосредственно с пиксельными значениями красного, зеленого и синего каналов без учета какой-либо цветовой чувствительности или модели воспроизведения. В фотосъемке цветовой баланс обычно достигается с помощью фильтров для коррекции цвета по свету или на объективе камеры.

Обобщенный цветовой баланс
Иногда регулировка нейтральности нейтралей называется балансом белого, а цветовой баланс фразы относится к настройке, которая, кроме того, приводит к тому, что другие цвета на отображаемом изображении имеют тот же общий вид, что и цвета в исходной сцене. Особенно важно, чтобы нейтральные (серые, нейтральные, белые) цвета в сцене выглядели нейтральными в воспроизведении.

Оценка и адаптация источников света
Большинство цифровых камер имеют возможность выбирать цветокоррекцию в зависимости от типа освещения сцены, используя либо ручной выбор освещения, автоматический баланс белого, либо пользовательский баланс белого. Алгоритмы для этих процессов выполняют обобщенную хроматическую адаптацию.

Существует множество методов для балансировки цвета. Настройка кнопки на камере — это способ для пользователя указать процессору природу освещения сцены. Другой вариант на некоторых камерах — это кнопка, которую можно нажать, когда камера указана на серой карте или другом нейтральном цветном объекте. Это захватывает изображение окружающего света, которое позволяет цифровой камере устанавливать правильный цветовой баланс для этого света.

Существует большая литература о том, как можно оценить окружающее освещение из данных камеры, а затем использовать эту информацию для преобразования данных изображения. Было предложено множество алгоритмов, и качество этих вопросов обсуждалось. Несколько примеров и изучение ссылок на них приведут читателя ко многим другим. Примерами являются Retinex, искусственная нейронная сеть или байесовский метод.

Хроматические цвета
Цветовая балансировка изображения влияет не только на нейтральные, но и на другие цвета. Считается, что изображение, не сбалансированное по цвету, имеет цветную трансляцию, так как все изображения на изображении смещены в сторону одного цвета. [Страница необходима] Цветовое балансирование можно рассматривать с точки зрения удаления этого цвета.

Цветовой баланс также связан с постоянством цвета. Алгоритмы и методы, используемые для достижения цветокоррекции, часто используются для балансировки цвета. Цветовое постоянство, в свою очередь, связано с хроматической адаптацией. Концептуально балансировка цвета состоит из двух этапов: во-первых, определение источника света, под которым было зафиксировано изображение; и, во-вторых, масштабирование компонентов (например, R, G и B) изображения или иное преобразование компонентов, чтобы они соответствовали освещенному объекту просмотра.

Вигьяно обнаружил, что балансировка белого цвета в собственной цветовой модели RGB камеры приводит к меньшему цветовому непостоянству (т. Е. Меньшему искажению цветов), чем к монитору RGB для более чем 4000 гипотетических наборов чувствительности камеры. Эта разница обычно составляла более двух в пользу камеры RGB. Это означает, что выгодно получать цветовой баланс прямо во время захвата изображения, а не редактировать позже на мониторе. Если нужно балансировать баланс позже, балансировка данных необработанного изображения будет иметь тенденцию к меньшему искажению цветных цветов, чем балансировка в мониторе RGB.

Математика цветового баланса
Цветовая балансировка иногда выполняется на трехкомпонентном изображении (например, RGB) с использованием матрицы 3×3. Этот тип преобразования подходит, если изображение было захвачено с использованием неправильной настройки баланса белого на цифровой камере или через цветной фильтр.

Масштабирующий монитор R, G и B
В принципе, нужно масштабировать все относительные яркости изображения, чтобы объекты, которые считаются нейтральными, выглядели так. Если, скажем, поверхность с R = 240 считалась белым объектом, а если 255 — счет, соответствующий белому, можно было бы умножить все красные значения на 255/240. Аналогичным образом для зеленого и синего было бы, по крайней мере теоретически, сбалансированное изображение. В этом типе преобразования матрица 3×3 является диагональной матрицей.

где R, G и B представляют собой сбалансированные по цвету красные, зеленые и синие компоненты пикселя на изображении; R ‘, G’ и B ‘представляют собой красную, зеленую и синюю составляющие изображения перед балансировкой цвета, а R’ _ {w}, G ‘_ {w} и B’ _ {w} являются красными , зеленый и синий компоненты пикселя, который, как полагают, является белой поверхностью изображения перед балансировкой цвета. Это простое масштабирование красных, зеленых и синих каналов, и поэтому инструменты цветового баланса в Photoshop и GIMP имеют белый инструмент для пипетки. Было продемонстрировано, что выполнение балансировки белого в наборе люминофора, предполагаемое sRGB, как правило, приводит к большим ошибкам в хроматических цветах, даже несмотря на то, что нейтральные нейтрали нейтрализуют нейтральные поверхности.

Масштабирование X, Y, Z
Если изображение может быть преобразовано в значения тристимула CIE XYZ, там может быть выполнена балансировка цвета. Это было названо трансформацией «неправильного фон Криса». Хотя было продемонстрировано, что он предлагает, как правило, более низкие результаты, чем балансирование в мониторе RGB, здесь упоминается как мост к другим вещам. Математически один вычисляет:

где X, Y и Z представляют собой сбалансированные по цвету значения тристимула; X_ {w}, Y_ {w} и Z_ {w} — тристимульные значения рассматриваемого источника света (белая точка, к которой преобразуется изображение для соответствия); X ‘_ {w}, Y’ _ {w} и Z ‘_ {w} — тристимульные значения объекта, который считается белым в не-цвето-сбалансированном изображении, а X’, Y ‘и Z ‘- значения тристимула пикселя в изображении, не сбалансированном по цвету. Если значения тристимула первичных элементов монитора находятся в матрице \ mathbf {P} так что:

где L_ {R}, L_ {G} и L_ {B} — это RGB с неуправляемой гамма-коррекцией, можно использовать:

Метод фон Криса
Йоханнес фон Крис, чья теория стержней и трех цветочувствительных типов конусов в сетчатке сохранилась как доминирующее объяснение цветового ощущения на протяжении более 100 лет, мотивировала метод преобразования цвета в цветовое пространство LMS, представляя эффективные стимулы для Длинные, средние и коротковолновые типы конусов, которые моделируются как адаптируемые независимо. Матрица 3×3 преобразует RGB или XYZ в LMS, а затем три основных значения LMS масштабируются для баланса нейтрали; цвет затем может быть преобразован обратно в желаемое конечное цветовое пространство:

где L, M и S представляют собой сбалансированные по цветовому коэффициенту значения конуса конуса LMS; L ‘_ {w}, M’ _ {w} и S ‘_ {w} — тристимульные значения объекта, который считается белым в не-цвето-сбалансированном изображении, а L’, M ‘и S ‘- значения тристимула пикселя в изображении, не сбалансированном по цвету.

Матрицы для преобразования в пространство LMS не были заданы фон Крисом, но могут быть получены из функций согласования цветов CIE и функций согласования цветов LMS, когда указаны последние; матрицы также можно найти в справочниках.

Масштабирование камеры RGB
По измерению Виггиано, и используя свою модель спектральной чувствительности гауссовой камеры, большинство камер RGB-пространств лучше, чем монитор RGB или XYZ. Если исходные значения RGB камеры известны, можно использовать диагональную матрицу 3×3:

а затем преобразовать в рабочее пространство RGB, такое как sRGB или Adobe RGB после балансировки.

Предпочтительные пространства хроматической адаптации
Сравнение изображений, сбалансированных диагональными преобразованиями в ряде различных пространств RGB, идентифицировало несколько таких пространств, которые лучше других работают и лучше, чем камеры или мониторы, для хроматической адаптации, измеренные несколькими моделями внешнего вида; системы, которые выполняли статистически, а также лучшие на большинстве наборов тестовых изображений, были областями «Sharp», «Bradford», «CMCCAT» и «ROMM».

Общая адаптация освещения
Лучшая цветовая матрица для адаптации к изменению освещенности не обязательно является диагональной матрицей в фиксированном цветовом пространстве. Давно известно, что если пространство источников света можно описать как линейную модель с N базисными членами, то правильное цветовое преобразование будет представлять собой взвешенную сумму N фиксированных линейных преобразований, не обязательно последовательно диагонализируемых.