改進的ＬｏＧ邊緣自動白平衡算法
2009-01-01 00:00:00趙全友潘保昌
計算機應用研究 2009年2期
（1.湖南科技學院 計算機與信息科學系，湖南永州 425006； 2.廣東工業大學 信息工程學院 數字圖像研究所， 廣州 510006）
摘 要：
針對物體在有色光源照射下呈現偏色的現象，提出一種改進的LoG邊緣自動白平衡算法。該算法在YCbCr空間的Cb和Cr分量上同時利用LoG算子提取邊緣，利用LoG邊緣具有零交叉特性直接得到邊緣兩側的像素。為了避免占主導的彩色紋理造成干擾，利用白色區域的偏色信息進行邊緣抑制。利用得到彩色邊緣對原圖的偏色進行有效的估計，最后計算三顏色通道的增益并進行白平衡。對大量圖片進行了實驗，結果表明該算法對不同色光照射下的圖像均能很好地進行白平衡，同時與多種白平衡算法的對比實驗表明該算法適應面廣，性能良好。
關鍵詞：自動白平衡； 色彩空間； 高斯—拉普拉斯； 邊緣； 邊緣抑制
中圖分類號：TP391.4 文獻標志碼：A
文章編號：1001-3695(2009)02-0775-03
Improved method of automatic white balance based on LoG edge detection
ZHAO Quan-you1，2， PAN Bao-chang2
(1.Dep. of Computer Information Science， Hunan University of Science Engineering， Yongzhou Hunan 425006， China;
2.Institu of Digital Image Technology， Faculty of Information Engineering， Guangdong University of Technology， Guangzhou 510006， China)
Abstract:Aiming at the color offset phenomenon of object under colored light source，the paper presented an improved method of automatic white balance based on LoG edge detection.This method detected the image edges by LoG operator on Cb and Cr of YCbCr color space，then obtained the pixels at both sides of edges using zero-crossing characteristic of LoG edges.To avoid the interference caused by magistral color textures，inhibited the edges by color offset information of white region.After effectively estimating the color offset of original image using obtained color edges， it could compute the three color channel gains and do white balance.A lot of pictures were experimented. Rresults indicate that the method can do white balance with pitures taken under various colored light.In comparison with other white balance method， the method shows more adaptation and good performance.
Key words：automatic white balance; YCbCr color space; LoG; edge;edge inhibition
0 引言
物體在不同光源照射下呈現的顏色是不同的。這是由光源的不同色溫決定的，它使得物體的反射光譜較真實色彩有一定的偏差。其中，白色物體變化得最為明顯：在室內鎢絲燈光這樣低色溫的照射下，白色物體看起來會帶有橘黃色色調，在這樣的光照條件下拍攝出來的景物就會偏黃；但如果是在蔚藍天空這樣高色溫的照射下，則會帶有藍色色調。為了盡可能減少外來光照對目標顏色造成的影響，在不同的色溫條件下均能還原出被攝目標本來的色彩，需要進行色彩校正，以達成正確的色彩平衡，稱為白平衡調整。
工程應用中常用的一些自動白平衡的算法，主要有:灰度世界法（gray world，GW），認為所拍攝的圖像RGB三色分量的統計平均值應該相等， 對拍攝的圖像進行統計平均， 以R、G、B分量的均值作為白平衡校準的依據，將整圖調整至三分量統計平均值相等；白區域法（white patch，WP），搜尋所拍攝圖像中最亮的區域作為白色區域，該區域的RGB三色分量的統計平均值應該相等， 以該區域R、G、B分量的統計平均值作為白平衡校準的依據，將該區域調整至純白色；白點法（white point，WPt），在獨立的紅綠藍三色圖像中找到最大紅色、綠色和藍色，將其合成表示白色，將合成白色調整至純白色白平衡。這些算法具有較大局限性， 不能正確再現物體的真實色彩。當環境過亮或過暗時， GW法幾乎完全失效；當所拍攝物體最亮部分并非白色時，WP法得到的數值是不真實的，而WPt法往往失真很嚴重。因此，文獻[1，2]提出了利用膚色區域作為參考部分，從而實現自動白平衡，然而在可變光照下如何找到膚色本來就很困難。文獻[3]甚至提出將人眼鞏膜作為參考部分，但并未給出如何找出鞏膜部分。文獻[4]提出一種利用統計特性獲取參考白的方法，取得較好效果，但仍然無法回避圖像沒有白色區域的問題。文獻[5]提出基于邊緣的自動白平衡算法，該方法新穎且對于大多數圖片能很好的進行自動白平衡；但是當圖像中出現大范圍有色紋理時，由于該顏色紋理邊緣占主導地位，導致白平衡失效。
針對以上自動白平衡算法缺點，本文提出一種改進的LoG（Laplacian of Gaussian）邊緣自動白平衡算法。
1 LoG色度邊緣提取
為了對原圖的偏色進行有效的估計，將原圖轉換到YCbCr空間，并在Cb和Cr分量上同時提取色度邊緣。在提取色度邊緣時采用LoG算子，由于LoG算子計算后的邊緣具有零交叉特性，可方便得到邊緣兩側的像素值。為了避免大片一致彩色紋理的干擾，利用白色區域的偏色信息對色度邊緣進行抑制。
1.1 YCbCr色度空間
YCbCr是CCIR601編碼方式的色度模型，它是從YUV色彩空間衍生出來的。該空間具有與人類視覺感知過程相類似的構成原理，并且將亮度信息和色彩信息相分離，受亮度變化的影響小，同時計算過程和空間坐標表示形式比較簡單，被廣泛地應用在各個領域。YCbCr空間轉換到RGB空間的線性對應關系如下:
YCbCr=0.299 00.587 00.114 0
-0.168 7-0.331 30.500 00.500 0-0.418 7-0.081 3×RGB(1)
其中:Y為亮度分量；Cb和Cr為兩色度分量。
為了有效地進行白平衡，將待處理圖片轉換到YCbCr空間，使亮度和色度信息分離。其中色度信息用來提取色度邊緣。
1. 2 LoG邊緣提取
在Marr[6]的視覺理論中，視覺的第一階段很大程度上是由零交叉檢測器完成的。然而利用圖像強度二階導數的零交叉點求邊緣的算法對噪聲十分敏感，所以希望在邊緣增強前濾除噪聲。為此，Marr和Hildreth將高斯濾波與拉普拉斯邊緣檢測結合在一起，形成LoG算法，也稱為拉普拉斯高斯算法。這種方法的特點是圖像先與高斯濾波器G(x，y)進行卷積，這一步既平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結構組織將被濾除；然后利用無方向性的拉普拉斯算子▽2實現邊緣檢測。
設原圖像為f(x，y)，利用下式通過卷積運算得到LoG算子的輸出h(x，y)：
h(x，y)=▽2[G(x，y)* f(x，y)](2)
利用卷積定理，上式變為
h(x，y)=[▽2G(x，y)]*f(x，y)(3)
其中：▽2為拉普拉斯運算，▽2=2/x2+2/y2
G(x，y)=1/2πδ2e（x2+y2）/2δ2
▽2G(x，y)=2G(x，y)/x2+2G(x，y)/y2=
1/πδ4(（x2+y2）/2δ2-1)e-（x2+y2）/2δ2(4)
LoG算子為一個倒立的墨西哥草帽形（圖1），神經心理學研究證實它是對視網膜神經細胞感受域組織的一個良好近似，可看做是由一個興奮中心區和一個抑制周邊區組成。
對于離散數字圖像，LoG算子通常可以用一個離散的LoG模板m(x，y)近似。這里δ值的選取與模板寬度w有關，如果w相對于δ取得小，則邊緣位置精度高，但檢測出來的細小變化也要多；如果w相對于(取得大，則檢測出來的邊緣位置會偏離真實邊緣過大，且會濾掉一些重要的細節部分。w與δ取值的一個較好經驗公式是w=2×INT[22δ]+1（INT表示取整運算）。根據經驗公式確定w和δ后，便可以利用式(4)計算LoG模板m(x，y)。例如當模板窗寬w=9時， δ=1.4；當模板窗寬w=7時，δ=1.0；當模板窗寬w=5時，δ=0.7，這時LoG模板m(x，y)如下所示:
于是對于離散數字圖像f(x，y)，式(3)的LoG算子的輸出h(x，y)可以近似用下式計算：
h(x，y)=m(x，y)*f(x，y)(5)
對于圖像的邊緣（圖2（a）），利用LoG算子計算后的邊緣零交叉，結果如圖2（b）所示。由圖2易知，對圖像的邊緣兩側的像素經過LoG算子計算后，低灰度值側的h(x，y)>0，高灰度值側的h(x，y)< 0。于是可以利用h(x，y)來對圖像進行邊緣二值化，求得邊緣兩側的像素。
如果使用LoG算子計算后圖像的邊緣零交叉結果h(x，y)直接進行二值化，會產生一些假邊緣。這時可以借助局部區域圖像像素灰度的極大值與極小值的差值，判斷該區域屬于均一區域還是真正的邊緣，并利用邊緣零交叉將圖像分為兩類(圖2（b）)，方法如下：
a)當該極大極小差值大于某個閾值且h(x，y)>0時，令該像素為邊緣像素‘1’；
b)當該極大極小差值大于某個閾值且h(x，y)< 0時，令該像素為邊緣像素‘1’；
c)當前兩者條件均不滿足時，令該像素為非邊緣像素‘0’。
對YCbCr空間中兩色度分量Cb分量和Cr分量分別提取邊緣并二值化后得到ECb(x，y)和ECr(x，y)，取兩者的并集得到色度邊緣E(x，y)：
E(x，y)=ECb(x，y)∪ECr(x，y)(6)
1.3 色度邊緣抑制
圖像中如果存在大量的色彩一致的紋理，則該色彩紋理邊緣在所有色彩邊緣中占主導地位。文獻[5]算法直接利用提取的色度邊緣進行偏色信息的統計，這是不準確的，故會導致白平衡失效。針對該問題，提出運用色度邊緣抑制的辦法消除這一現象。
實驗研究表明高光部分容易出現飽和，而低亮度部分往往包含很少的色彩信息，圖像中白色區域或近白色區域容易有彩色偏移。在出現偏色現象時，白色物體的變化最明顯，白平衡調整的原理是通過將白色調整為純白色，從而使整幅圖像的顏色得到校正。白色區域在各種色光照射下，其Cr/Cb通常在-0.5~1.5[7]。根據這一現象可得抑制后色度邊緣：
Esup(x，y)=E(x，y)，if (Cr/Cb)∈[-1.5， -0.5]0 otherwise(7)
于是利用抑制后色度邊緣與原彩色圖像I(x，y)相乘可以得到彩色邊緣：
Ecolor(x，y)=Esup(x，y)×I(x，y)(8)
運用抑制后邊緣可從原圖中提取彩色信息。圖3給出了一個LoG色度邊緣提取的實例，圖3(a)為偏色的彩色圖像；(b)是直接在原圖上利用LoG算子提取的邊緣；(c)則是進行邊緣抑制后的結果；圖4(d)給出了從原圖中取出的彩色邊緣，該彩色邊緣體現了原圖的偏色信息。這表明色度邊緣提取及邊緣抑制是非常有效的。
2 白平衡調整
得到彩色邊緣后，就可以對這些像素進行統計，判斷原圖像是否偏色，這些像素的RGB分量的各自平均值最大最小比大于1.5時，則認為圖像中存在彩色偏移。若偏色則計算各顏色通道的增益量，并進行白平衡調整。
2.1 通道增益計算
2. 2 白平衡調整
在獲得各顏色通道的增益量后，利用下式對原圖所有像素進行調整：
經過上式調整后，有可能會超出圖像的表達范圍，因此需要修正。如果factor=max(Rnew，G
白平衡后效果如(e)所示，相對圖4(a)原彩色圖，金屬銅的顏色被正確還原，同時背景的偏色信息也被消除。
2. 3 白平衡算法流程
本文提出的改進的LoG邊緣自動白平衡算法具體流程如下:
a)利用式(1)將原圖轉換到YCbCr空間；
b)利用式(5)分別對Cb和Cr分量進行LoG邊緣提取并二值化，然后運用式(6)得到色度邊緣；
c)對色度邊緣采用式(7)進行抑制，并用式(8)與原圖相乘后得到彩色邊緣；
d)計算彩色邊緣各分量的均值，采用式(10)可得各顏色通道的增益量；
e)運用式(11)對原圖進行白平衡調整，并采用式(12)進行修正。
3 實驗結果
用大量的圖像對本文所提出的算法進行了實驗，結果表明有較好的效果，適用面廣，克服了文獻的缺陷。現以一組不同光照下的圖片驗證本文對算法對各種光照都正確的白平衡，消除光源造成的偏色現象。圖片來自http://color.psych.upenn.edu/hyperspectral/bearfruitgray/bearfruitgray.html。四幅圖片分別為同一場景下不同光照條件（即藍色光、綠色光、紅色光和黃色光）下拍攝的。實驗結果如表1所示，表明本文算法能對不同光照條件下的偏色圖像均能較好的進行白平衡，色彩還原度高。
表1 不同色光圖像白平衡結果
為了將本文算法與其他算法進行對比，選擇了兩幅有代表性的圖片進行實驗。表2中圖I為室內拍攝，同時燈光區域過飽和；表2中圖II為一在陽光照射下拍攝的荷花，其中荷葉的綠色在圖中占主導地位。表2給出了幾種白平衡算法結果。可以看出GW算法和文獻[5]算法，當圖像中某種色彩占主導地位時（如圖II中綠色），白平衡失效；文獻[4]算法中，無參考白或參考白區域過渡飽和時，白平衡失效；本文算法由于同時考慮了邊緣信息并利用白色區域的偏色信息綜合考慮，對這兩種情況均能很好地進行正確的白平衡。
表2 四種白平衡算法結果對比
為了客觀地評價圖像白平衡效果，文獻[5]提出的基于平均Cb、Cr度量方法，即
WB=C2ab+C2ar(13)
其中：Cab為圖像的Cb平均值；Car為圖像的Cr平均值。WB值越小白平衡效果越好。
但實驗發現當圖像中某一色彩占主導地位時，這一指標并不能反映白平衡的效果，本文提出
無論從視覺主觀評價還是客觀測試數據，實驗均表明了本文算法具有較好的白平衡效果，白平衡圖像真實自然，無異樣色感。
4 結束語
本文提出的LoG邊緣自動白平衡算法在YCbCr空間的Cb和Cr分量上同時利用LoG算子提取邊緣，利用LoG邊緣具有零交叉特性直接得到邊緣兩側的像素。同時為了避免占主導的彩色紋理造成干擾，利用白色區域的偏色信息進行邊緣抑制。利用得到彩色邊緣對原圖的偏色進行有效的估計，最后計算三顏色通道的增益并進行白平衡。實驗結果表明本文算法對不同色光照射下的圖像均能很好地進行白平衡，同時與多種白平衡算法的對比實驗表明本文算法適應面廣，性能良好。進一步的研究工作是如何在低照度下實現顏色恒常性。
參考文獻：
[1]HU B， LIN Q， KANG X L，et al. A new algorithm for automatic white balance with priori[C]//Proc of IEEE Asia-Pacific Conference on Circuits and Systems.2000:109-112.
[2]劉悅，劉明業.不需要彩色空間轉換的人臉膚色的自動白平衡方法[J].計算機應用，2004， 24(11):113-115.
[3]DO H C，YOU J Y，CHIEN S I .Skin color detection through estimation and conversion of illuminant color using sclera region of eye under varying illumination[C]//Proc of the 8th International Conference on Pattern Recognition. Washington DC: IEEE Computer Society， 2006:327-330.
[4]WENG C C，CHEN H， FUH C S. A novel automatic white balance method for digital still camera[C]//Proc of IEEE International Symposium on Circuits and Systems. 2005:3801-3804.
[5]LIN J L.An automatic white balance method based on edge detection[C]//Proc of the 10th International Symposium on Consumer Electronics. 2006:1-4.
[6]MARR D. VISION: a computational investigaion into the human representation and processing of visual information[M].San Francisco: WH Freeman， 1982.
[7]LIU Y C， CHAN W H， CHEN Y Q.Automatic white balance for di-gital still camera[J]. IEEE Trans on Consumer Electronics， 1995，41(3): 460-466.
