白平衡的意义在于，对在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行补偿，使白色物体能还原为白色。
完美反射算法是白平衡各种算法中较常见的一种，比灰度世界算法更优。它假设图像世界中最亮的白点是一个镜面，能完美反射光照；基于白点，将三通道的数值进行适当地调整，以达到白平衡效果；除此之外，还需要统计最亮的一定区间的三通道均值，该均值与该通道最大值的差距决定了该通道调整的力度。
通俗的讲，若图像中绿色分量最大值是255，但是绿色最亮的前百分之10个点的平均值只有80，说明原图的绿色分量整体较低，需要对其加强；若最大值只有100，那么加强的系数就较低，白平衡的效果就不达预期。这就是完美反射算法比较依赖图像中存在白点的原因，白点的三通道灰度值接近【255，255，255】。最下方将用实际图像作进一步说明，以帮助读者理解。
完美反射算法的实现流程如下：
1.计算图像RGB三通道各自的灰度最大值Rmax、Gmax、Bmax。
2.利用三通道数值和，确定图像最亮区间的下限T。
3.计算图像三通道数值和大于T的点的三通道均值Rm、Gm、Bm。
4.计算三通道的补偿系数，即单通道最大值除以单通道亮区平均值。
// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
cv::Mat result = src.clone();
if (src.channels() != 3)
{
cout << "The number of image channels is not 3." << endl;
return result;
}
// 通道分离
vector<cv::Mat> Channel;
cv::split(src, Channel);
// 定义参数
int row = src.rows;
int col = src.cols;
int RGBSum[766] = { 0 };
uchar maxR, maxG, maxB;
// 计算单通道最大值
for (int i = 0; i < row; ++i)
{
uchar *b = Channel[0].ptr<uchar>(i);
uchar *g = Channel[1].ptr<uchar>(i);
uchar *r = Channel[2].ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
int sum = b[j] + g[j] + r[j];
RGBSum[sum]++;
maxB = max(maxB, b[j]);
maxG = max(maxG, g[j]);
maxR = max(maxR, r[j]);
}
}
// 计算最亮区间下限T
int T = 0;
int num = 0;
int K = static_cast<int>(row * col * 0.1);
for (int i = 765; i >= 0; --i)
{
num += RGBSum[i];
if (num > K)
{
T = i;
break;
}
}
// 计算单通道亮区平均值
double Bm = 0.0, Gm = 0.0, Rm = 0.0;
int count = 0;
for (int i = 0; i < row; ++i)
{
uchar *b = Channel[0].ptr<uchar>(i);
uchar *g = Channel[1].ptr<uchar>(i);
uchar *r = Channel[2].ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
int sum = b[j] + g[j] + r[j];
if (sum > T)
{
Bm += b[j];
Gm += g[j];
Rm += r[j];
count++;
}
}
}
Bm /= count;
Gm /= count;
Rm /= count;
// 通道调整
Channel[0] *= maxB / Bm;
Channel[1] *= maxG / Gm;
Channel[2] *= maxR / Rm;
// 合并通道
cv::merge(Channel, result);
return result;
}#include <iostream>
#include <opencv.hpp>
using namespace std;
// 白平衡-完美反射
cv::Mat WhiteBalcane_PRA(cv::Mat src)
{
cv::Mat result = src.clone();
if (src.channels() != 3)
{
cout << "The number of image channels is not 3." << endl;
return result;
}
// 通道分离
vector<cv::Mat> Channel;
cv::split(src, Channel);
// 定义参数
int row = src.rows;
int col = src.cols;
int RGBSum[766] = { 0 };
uchar maxR, maxG, maxB;
// 计算单通道最大值
for (int i = 0; i < row; ++i)
{
uchar *b = Channel[0].ptr<uchar>(i);
uchar *g = Channel[1].ptr<uchar>(i);
uchar *r = Channel[2].ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
int sum = b[j] + g[j] + r[j];
RGBSum[sum]++;
maxB = max(maxB, b[j]);
maxG = max(maxG, g[j]);
maxR = max(maxR, r[j]);
}
}
// 计算最亮区间下限T
int T = 0;
int num = 0;
int K = static_cast<int>(row * col * 0.1);
for (int i = 765; i >= 0; --i)
{
num += RGBSum[i];
if (num > K)
{
T = i;
break;
}
}
// 计算单通道亮区平均值
double Bm = 0.0, Gm = 0.0, Rm = 0.0;
int count = 0;
for (int i = 0; i < row; ++i)
{
uchar *b = Channel[0].ptr<uchar>(i);
uchar *g = Channel[1].ptr<uchar>(i);
uchar *r = Channel[2].ptr<uchar>(i);
for (int j = 0; j < col; ++j)
{
int sum = b[j] + g[j] + r[j];
if (sum > T)
{
Bm += b[j];
Gm += g[j];
Rm += r[j];
count++;
}
}
}
Bm /= count;
Gm /= count;
Rm /= count;
// 通道调整
Channel[0] *= maxB / Bm;
Channel[1] *= maxG / Gm;
Channel[2] *= maxR / Rm;
// 合并通道
cv::merge(Channel, result);
return result;
}
int main()
{
// 载入原图
cv::Mat src = cv::imread("test21.jpg");
// 白平衡-完美反射
cv::Mat result = WhiteBalcane_PRA(src);
// 显示
cv::imshow("src", src);
cv::imshow("result", result);
cv::waitKey(0);
return 0;
}
图1 原图
图2 白平衡后图像
如图1所示，是傍晚的一张图像，众所周知，傍晚的色温是较低的，此时采用高于傍晚色温的色温值拍照，就会得到一张暖色系的图片，偏黄；对其进行白平衡，使图片颜色回归真实的环境色温，就得到如图2的效果。
如果你用过灰度世界算法，你会发现完美反射算法的效果更亮些；这是因为蓝通道最大值和蓝通道亮区平均值的差距较大，因而补偿的强度很强；若原图中不存在白色区，那蓝通道的补偿就会较弱，达不到较好的预期，因此该算法所处理的图像中最好有较白的点。
图3 单色原图
图4 单色图白平衡效果
如图3所示，是一张色彩相对一致的图像，整体呈粉色系。灰度世界法将三通道数值进行平均再补偿，就会使三通道的数值趋近一致，进而呈现灰色；而完美反射算法，计算的是三通道各自数值最大值和其亮区平均值的差距，再进行补偿，因此三通道的数值都会适当加强，使光感更强，即图片更亮。
接下来做个有趣的测试，将原本粉色的墙纸设为较纯的绿色。
图5 调色后的图像
图6 白平衡效果图
如图5所示，因为图像中存在色调相冲的两个部分，完美反射算法的优势在这种场景下体现的很明显。因为绿色区域较大，灰度世界算法中单纯的计算均值再平衡，会无脑地将整图的绿色分量降低，红色分量提高，使得结果异常滑稽；而完美反射算法，因为图中有白值，三通道的最大值均在250左右，对绿色分量而言，其最亮区的均值接近于230，而红色分量和蓝色分量而言，其最亮区的均值也接近于200多，因此三通道的平衡结果就是整体提亮，而不是被无脑平均。
灰度世界算法效果图见：
