色彩平衡

色彩平衡(Color balance)是在摄影和图像处理中,颜色强度(通常是红色,绿色和蓝色原色)的全局调整。 这种调整的一个重要目标是正确渲染特定的颜色 – 特别是中性色。 因此,一般的方法有时称为灰平衡,中性平衡或白平衡。 色彩平衡改变图像中整体色彩的混合,并用于色彩校正。 色彩平衡的通用版本用于校正除中性色以外的色彩或故意改变其效果。

由传感器(电影或电子图像传感器)采集的图像数据必须从采集值转换为适合于颜色复制或显示的新值。 采集和显示过程的几个方面使得这种颜色校正至关重要 – 包括采集传感器与人眼中的传感器不匹配的事实,必须考虑显示介质的属性以及环境观察条件该采集与显示器观看条件不同。

在流行的图像编辑应用程序中的色彩平衡操作通常直接在红色,绿色和蓝色通道像素值上操作,而不考虑任何颜色感测或再现模型。 在电影摄影中,通常通过在灯光或相机镜头上使用色彩校正滤光片来实现色彩平衡。

广义色彩平衡
有时,保持中性为中性的调整称为白平衡,而短语颜色平衡指的是除了使显示图像中的其他颜色看起来具有与原始场景中的颜色相同的总体外观的调整。 特别重要的是,场景中的中性(灰色,中性,白色)色彩在再现中显得中性。

光源估计和适应
大多数数码相机都具有根据场景照明类型选择色彩校正的手段,可以使用手动照明选择,自动白平衡或自定义白平衡。 这些过程的算法执行广义的色适应。

许多方法存在色彩平衡。 在相机上设置按钮是用户向处理器指示场景照明性质的一种方式。 某些相机的另一种选择是当相机指向灰卡或其他中性色物体时可按下的按钮。 这会捕捉环境光线的图像,使数码相机能够为该光线设置正确的色彩平衡。

关于如何估算摄像机数据的环境照明,然后使用这些信息来转换图像数据,有大量文献。 已经提出了各种算法,并且已经讨论了这些算法的质量。 其中的参考文献的几个例子和审查将导致读者到其他许多人。 例子是Retinex,一种人工神经网络或贝叶斯方法。

彩色
对图像进行颜色平衡不仅会影响中性色,还会影响其他颜色。 据说色彩不平衡的图像被称为色彩偏移,因为图像中的所有内容似乎已经转向了一种颜色。[需要的页面]色彩平衡可以被视为消除这种偏色。

色彩平衡也与颜色恒常性有关。 用于获得颜色恒常性的算法和技术也经常用于颜色平衡。 色彩恒常性又与色彩适应有关。 从概念上讲,色彩平衡包括两个步骤:首先,确定拍摄图像的光源; 其次,缩放图像的组件(例如,R,G和B)或以其他方式转换组件,以使它们符合观看光源。

Viggiano发现,相机的原生RGB色彩模型中的白平衡对于超过4000个假设的相机灵敏度集合,倾向于产生比显示器RGB更少的颜色不均匀性(即,颜色失真)。 相机RGB的这一差异通常达到两倍以上。 这意味着在拍摄图像时获得正确的色彩平衡是有利的,而不是稍后在监视器上进行编辑。 如果以后必须进行色彩平衡,平衡原始图像数据将比在监视器RGB中平衡产生更少的彩色失真。

色彩平衡的数学
有时使用3×3矩阵对三分量图像(例如,RGB)执行色彩平衡。 如果在数码相机上使用错误的白平衡设置捕获图像,或者通过彩色滤光片捕获图像,则此类转换适合。

缩放监视器R,G和B.
原则上,人们想要对图像中的所有相对亮度进行缩放,以使相信是中性的物体显得如此。 例如,如果R = 240的表面被认为是白色物体,并且如果255是与白色相对应的计数,则可以将所有红色值乘以255/240。 至少在理论上,对绿色和蓝色做类似的处理会导致色彩平衡的图像。 在这种类型的变换中,3×3矩阵是一个对角矩阵。


其中R,G和B是图像中像素的颜色平衡红色,绿色和蓝色分量; 在颜色平衡之前,R’,G’和B’是图像的红色,绿色和蓝色分量,并且R’_ {w},G’_ {w}和B’_ {w}是红色,颜色平衡之前被认为是图像中白色表面的像素的绿色和蓝色分量。 这是红色,绿色和蓝色通道的简单缩放比例,也是为什么Photoshop和GIMP中的色彩平衡工具具有白色吸管工具的原因。 已经证明,在由sRGB假定的荧光粉组中执行白平衡倾向于在彩色中产生大的误差,尽管它可以使中性表面完全中性。

缩放X,Y,Z
如果图像可能被转换成CIE XYZ三色刺激值,那么可以在那里执行色彩平衡。 这被称为“错误的冯克里斯”转变。 虽然已经证明它提供的结果通常比监视器RGB中的平衡要差,但这里提到它是通向其他事物的桥梁。 在数学上,一个计算:


其中X,Y和Z是颜色平衡的三色刺激值; X_ {w},Y_ {w}和Z_ {w}是观看光源(图像被转换为​​符合的白点)的三色值; X’_ {w},Y’_ {w}和Z’_ {w}是在未色彩平衡图像中被认为是白色的物体的三色值,并且X’,Y’和Z ‘是未色彩平衡图像中像素的三色值。 如果显示器原色的三色值位于矩阵中 \ mathbf {P} 以便:

其中L_ {R},L_ {G}和L_ {B}是未经伽玛校正的监视器RGB,可以使用:


冯克里斯的方法
约翰内斯冯克里斯,其视网膜中的棒和三种颜色敏感的视锥体类型的理论已经存活了100多年,作为色觉的主要解释,激发了将色彩转换为LMS色彩空间的方法,该方法代表了对色彩的有效刺激长波长,中波长和短波长锥体类型,它们被建模为独立适应。 3×3矩阵将RGB或XYZ转换为LMS,然后对三个LMS主值进行缩放以平衡中性; 然后可以将颜色转换回所需的最终颜色空间:


其中L,M和S是色彩平衡的LMS圆锥三色值; L’_ {w},M’_ {w}和S’_ {w}是在未色彩平衡图像中被认为是白色的物体的三色值,并且L’,M’和S ‘是未色彩平衡图像中像素的三色值。

转换为LMS空间的矩阵未由von Kries指定,但可以从CIE颜色匹配函数和LMS颜色匹配函数中导出,当指定后者时; 矩阵也可以在参考书中找到。

缩放相机RGB
通过Viggiano的测量,并且使用他的高斯相机光谱灵敏度模型,大多数相机RGB空间比监视器RGB或XYZ表现得更好。 如果相机的原始RGB值已知,则可以使用3×3对角线矩阵:


然后在平衡之后转换为工作的RGB空间,如sRGB或Adobe RGB。

首选的颜色适应空间
在多个不同的RGB空间中通过对角线变换平衡的图像的比较已经确定了几个这样的空间,它们比其他的空间效果更好,并且比用于色彩适应的相机或监视空间更好,如通过几种颜色外观模型所测量的那样; 在大多数图像测试装置上统计性能最好的系统是“Sharp”,“Bradford”,“CMCCAT”和“ROMM”空间。

一般照明适应
适应光源变化的最佳色彩矩阵不一定是固定色彩空间中的对角矩阵。 早已知道,如果光源的空间可以被描述为具有N个基本项的线性模型,则适当的颜色变换将是N个固定线性变换的加权和,不一定是一致对角化的。