Считайте и предварительно обработайте необработанные данные о камере

Алгоритмы AWB обычно применяются на необработанные данные изображения после минимального объема предварительной обработки, прежде чем изображение будет сжато и сохранено в карту памяти.

Считайте 16-битное необработанное изображение в рабочую область. foosballraw.tiff файл изображения, который содержит необработанные данные о датчике после исправления уровня черного и масштабирования интенсивности к 16 битам на пиксель. Это изображение свободно от балансировки белого, сделанной камерой, а также другими операциями предварительной обработки, такими как demosaicing, шумоподавление, компенсация хроматической аберрации, тональные корректировки и гамма-коррекция.

A = imread('foosballraw.tiff');

Интерполируйте, чтобы восстановить информацию об отсутствующем цвете

Цифровые фотоаппараты используют массив цветового фильтра, наложенный на датчик изображений, чтобы симулировать цветное видение, так, чтобы каждый пиксель был чувствителен или к красному, зеленому или к синему. Чтобы восстановить информацию об отсутствующем цвете на уровне каждого пикселя, интерполируйте использование demosaic функция. Шаблон Байера, используемый камерой, с которой была получена фотография (Canon EOS 30D), является RGGB.

A = demosaic(A,'rggb');

Гамма правильный образ для обнаружения и отображения

Изображение A содержит линейные значения RGB. Линейные значения RGB подходят для оценки источника света сцены и исправления цветового баланса изображения. Однако, при попытке отобразить линейное изображение RGB, это будет казаться очень тусклым из-за нелинейной характеристики дисплеев. Поэтому в целях отображения, правильных гаммой изображение к sRGB цветовому пространству с помощью lin2rgb функция.

A_sRGB = lin2rgb(A);

Отобразите изображение demosaiced до и после гамма-коррекции.

montage({A,A_sRGB})
title('Original Image Before and After Gamma Correction')

Измерьте источник света основной истины Используя график ColorChecker

Вычислите источник света основной истины использование X-обряда график ColorChecker, который включен в сцену. Этот график состоит из 24 нейтральных и цветовых полей с известными спектральными коэффициентами отражения.

Обнаружьте график в изображении со скорректированной гаммой при помощи colorChecker функция. Линейное изображение RGB является слишком темным для colorChecker обнаружить график автоматически.

chart_sRGB = colorChecker(A_sRGB);

Подтвердите, что график обнаруживается правильно.

displayChart(chart_sRGB)

Получите координаты регистрационных точек в четырех углах графика.

registrationPoints = chart_sRGB.RegistrationPoints;

Создайте новый colorChecker объект из линейных данных о RGB. Задайте местоположение графика с помощью координат регистрационных точек.

chart = colorChecker(A,"RegistrationPoints",registrationPoints);

Измерьте источник света основной истины линейных данных о RGB с помощью measureIlluminant функция.

illuminant_groundtruth = measureIlluminant(chart)

illuminant_groundtruth = 1×3
103 ×

    4.5407    9.3226    6.1812

Создайте маску графика ColorChecker

При тестировании алгоритмов AWB предотвратите алгоритмы от несправедливого использования в своих интересах графика путем каширования графика.

Создайте ROI многоугольника по графику при помощи drawpolygon функция. Задайте вершины многоугольника, когда регистрация указывает.

chartROI = drawpolygon("Position",registrationPoints);

Преобразуйте ROI многоугольника в бинарную маску при помощи createMask функция.

mask_chart = createMask(chartROI);

Инвертируйте маску. Пиксели в рамках графика исключены из маски, и пиксели остальной части сцены включены в маску.

mask_scene = ~mask_chart;

Чтобы подтвердить точность маски, отобразите маску по изображению. Пиксели, включенные в маску, имеют синий оттенок.

imshow(labeloverlay(A_sRGB,mask_scene));

Угловая погрешность

Можно рассмотреть источник света как вектор в 3-D цветовом пространстве RGB. Величина предполагаемого источника света не имеет значения так же как его направление, потому что направление источника света - то, что используется к балансу белого изображение.

Чтобы оценить качество предполагаемого источника света, вычислите угловую погрешность между предполагаемым источником света и основной истиной. Угловая погрешность является углом (в градусах) сформированным этими двумя векторами. Чем меньший угловая погрешность, тем лучше оценка.

Чтобы лучше изучить концепцию угловой погрешности, рассмотрите следующую визуализацию произвольного источника света, и основная истина измерила использование графика ColorChecker. plotColorAngle графики функций помощника единичный вектор источника света в 3-D цветовом пространстве RGB, и заданы в конце примера.

sample_illuminant = [0.066 0.1262 0.0691];

p = plot3([0 1],[0 1],[0,1],'LineStyle',':','Color','k');
ax = p.Parent;
hold on
plotColorAngle(illuminant_groundtruth,ax)
plotColorAngle(sample_illuminant,ax)
title('Illuminants in RGB space')  
view(28,36)
legend('Achromatic Line','Ground Truth Illuminant','Sample Illuminant')
grid on
axis equal

Белая закрашенная фигура Retinex

Белый алгоритм Retinex Закрашенной фигуры для освещающей оценки принимает, что сцена содержит яркую ахроматическую закрашенную фигуру. Эта закрашенная фигура отражает максимальный свет, возможный для каждой цветной полосы, которая является цветом источника света сцены. Используйте illumwhite функционируйте, чтобы оценить освещение с помощью Белой Закрашенной фигуры алгоритм Retinex.

Включайте все пиксели сцены

Оцените источник света с помощью всех пикселей в сцене. Исключите график ColorChecker из сцены при помощи 'Mask' аргумент пары "имя-значение".

percentileToExclude = 0;
illuminant_wp1 = illumwhite(A,percentileToExclude,'Mask',mask_scene);

Вычислите угловую погрешность для источника света, оцененного с Белой Закрашенной фигурой Retinex.

err_wp1 = colorangle(illuminant_wp1, illuminant_groundtruth);
disp(['Angular error for White Patch with percentile=0: ' num2str(err_wp1)])

Angular error for White Patch with percentile=0: 16.5381

Баланс белого изображение с помощью chromadapt функция. Задайте предполагаемый источник света и укажите, что значения цвета находятся в линейном цветовом пространстве RGB.

B_wp1 = chromadapt(A,illuminant_wp1,'ColorSpace','linear-rgb');

Отобразите откорректированное гаммой белым сбалансированное изображение.

B_wp1_sRGB = lin2rgb(B_wp1);

figure
imshow(B_wp1_sRGB)
title('White-Balanced Image using White Patch Retinex with percentile=0')

Исключите самые яркие пиксели

Белый алгоритм Retinex Закрашенной фигуры не выполняет хорошо, когда пиксели переэкспонированы. Чтобы улучшать производительность алгоритма, исключите лучший 1% самых ярких пикселей.

percentileToExclude = 1;
illuminant_wp2 = illumwhite(A,percentileToExclude,'Mask',mask_scene);

Вычислите угловую погрешность для предполагаемого источника света. Ошибка меньше, оценивая источник света с помощью всех пикселей.

err_wp2 = colorangle(illuminant_wp2,illuminant_groundtruth);
disp(['Angular error for White Patch with percentile=1: ' num2str(err_wp2)])

Angular error for White Patch with percentile=1: 5.0324

Баланс белого изображение в линейном цветовом пространстве RGB с помощью предполагаемого источника света.

B_wp2 = chromadapt(A,illuminant_wp2,'ColorSpace','linear-rgb');

Отобразите откорректированное гаммой белым сбалансированное изображение с новым источником света.

B_wp2_sRGB = lin2rgb(B_wp2);
imshow(B_wp2_sRGB)
title('White-Balanced Image using White Patch Retinex with percentile=1')

Серый мир

Серый Мировой алгоритм для освещающей оценки принимает, что средний цвет мира является серым, или ахроматическим. Поэтому это вычисляет источник света сцены как среднее значение RGB в изображении. Используйте illumgray функционируйте, чтобы оценить освещение с помощью Серого Мирового алгоритма.

Включайте все пиксели сцены

Во-первых, оцените источник света сцены, использующий все пиксели изображения, исключая тех, которые соответствуют графику ColorChecker. illumgray функция обеспечивает параметр, чтобы задать процентили нижней части и главных значений (упорядоченный яркостью), чтобы исключить. Здесь, задайте процентили как 0.

percentileToExclude = 0;
illuminant_gw1 = illumgray(A,percentileToExclude,'Mask',mask_scene);

Вычислите угловую погрешность между предполагаемым источником света и источником света основной истины.

err_gw1 = colorangle(illuminant_gw1,illuminant_groundtruth);
disp(['Angular error for Gray World with percentiles=[0 0]: ' num2str(err_gw1)])

Angular error for Gray World with percentiles=[0 0]: 5.0416

Баланс белого изображение в линейном цветовом пространстве RGB с помощью предполагаемого источника света.

B_gw1 = chromadapt(A,illuminant_gw1,'ColorSpace','linear-rgb');

Отобразите откорректированное гаммой белым сбалансированное изображение.

B_gw1_sRGB = lin2rgb(B_gw1);
imshow(B_gw1_sRGB)
title('White-Balanced Image using Gray World with percentiles=[0 0]')

Исключите самые яркие и самые темные пиксели

Серый Мировой алгоритм не выполняет хорошо, когда пиксели недоэкспонируются или переэкспонированы. Чтобы улучшать производительность алгоритма, исключите лучший 1% самых темных и самых ярких пикселей.

percentileToExclude = 1;
illuminant_gw2 = illumgray(A,percentileToExclude,'Mask',mask_scene);

Вычислите угловую погрешность для предполагаемого источника света. Ошибка меньше, оценивая источник света с помощью всех пикселей.

err_gw2 = colorangle(illuminant_gw2, illuminant_groundtruth);
disp(['Angular error for Gray World with percentiles=[1 1]: ' num2str(err_gw2)])

Angular error for Gray World with percentiles=[1 1]: 5.1094

Баланс белого изображение в линейном цветовом пространстве RGB с помощью предполагаемого источника света.

B_gw2 = chromadapt(A,illuminant_gw2,'ColorSpace','linear-rgb');

Отобразите откорректированное гаммой белым сбалансированное изображение с новым источником света.

B_gw2_sRGB = lin2rgb(B_gw2);
imshow(B_gw2_sRGB)
title('White-Balanced Image using Gray World with percentiles=[1 1]')

Метод анализа главных компонентов (PCA) Ченга

Освещающий метод оценки Ченга черпает вдохновение в пространственных доменных методах, таких как Серое Ребро [4], который принимает, что градиенты изображения являются ахроматическими. Они показывают, что Серое Ребро может быть улучшено путем искусственного представления сильных градиентов путем перестановки блоков изображений, и приходить к заключению, что самые сильные градиенты следуют за направлением источника света. Их метод состоит в упорядоченном расположении пикселей согласно норме их проекции вдоль направления среднего цвета изображения и сохранения нижней части и главной процентили. Эти две группы соответствуют сильным градиентам в изображении. Наконец, они выполняют анализ главных компонентов (PCA) сохраненных пикселей и возвращают первый компонент как предполагаемый источник света. Используйте illumpca функционируйте, чтобы оценить освещение с помощью алгоритма Ченга PCA.

Включайте нижнюю часть по умолчанию и главные 3,5 процента пикселей

Во-первых, оцените источник света с помощью значения процента по умолчанию метода Ченга PCA, исключая тех, которые соответствуют графику ColorChecker.

illuminant_ch2 = illumpca(A,'Mask',mask_scene);

Вычислите угловую погрешность между предполагаемым источником света и источником света основной истины.

err_ch2 = colorangle(illuminant_ch2,illuminant_groundtruth);
disp(['Angular error for Cheng with percentage=3.5: ' num2str(err_ch2)])

Angular error for Cheng with percentage=3.5: 5.0162

Баланс белого изображение в линейном цветовом пространстве RGB с помощью предполагаемого источника света.

B_ch2 = chromadapt(A,illuminant_ch2,'ColorSpace','linear-rgb');

Отобразите откорректированное гаммой белым сбалансированное изображение.

B_ch2_sRGB = lin2rgb(B_ch2);
imshow(B_ch2_sRGB)
title('White-Balanced Image using Cheng with percentile=3.5')

Включайте нижнюю часть и лучшие 5 процентов пикселей

Теперь оцените источник света сцены использование нижней части и лучших 5% пикселей вдоль направления среднего цвета. Второй аргумент illumpca функция задает процентили нижней части и главных значений (упорядоченный яркостью), чтобы исключить.

illuminant_ch1 = illumpca(A,5,'Mask',mask_scene);

Вычислите угловую погрешность между предполагаемым источником света и источником света основной истины. Ошибка меньше, оценивая источник света с помощью процента по умолчанию.

err_ch1 = colorangle(illuminant_ch1, illuminant_groundtruth);
disp(['Angular error for Cheng with percentage=5: ' num2str(err_ch1)])

Angular error for Cheng with percentage=5: 4.7454

Баланс белого изображение в линейном цветовом пространстве RGB с помощью предполагаемого источника света.

B_ch1 = chromadapt(A,illuminant_ch1,'ColorSpace','linear-rgb');

Отобразите откорректированное гаммой белым сбалансированное изображение.

B_ch1_sRGB = lin2rgb(B_ch1);
imshow(B_ch1_sRGB)
title('White-Balanced Image using Cheng with percentage=5')

Найдите оптимальные параметры

Чтобы найти, что лучший параметр использует для каждого алгоритма, можно развернуться через область значений и вычислить угловую погрешность для каждого из них. Параметры этих трех алгоритмов имеют различные значения, но подобные области значений этих параметров дают возможность программно искать лучший для каждого алгоритма.

param_range = 0:0.25:5;
err = zeros(numel(param_range),3);
for k = 1:numel(param_range)
    % White Patch
    illuminant_wp = illumwhite(A,param_range(k),'Mask',mask_scene);
    err(k,1) = colorangle(illuminant_wp,illuminant_groundtruth);
    % Gray World
    illuminant_gw = illumgray(A,param_range(k),'Mask',mask_scene);
    err(k,2) = colorangle(illuminant_gw,illuminant_groundtruth);
    % Cheng
    if (param_range(k) ~= 0)
        illuminant_ch = illumpca(A,param_range(k),'Mask',mask_scene);
        err(k,3) = colorangle(illuminant_ch,illuminant_groundtruth);
    else
        % Cheng's algorithm is undefined for percentage=0.
        err(k,3) = NaN;
    end
end

Отобразите тепловую карту угловой погрешности с помощью heatmap функция. Темно-синие цвета указывают на низкую угловую погрешность, в то время как желтые цвета указывают на высокую угловую погрешность. Оптимальный параметр имеет самую маленькую угловую погрешность.

heatmap(err,'Title','Angular Error','Colormap',parula(length(param_range)), ...
    'XData',["White Patch" "Gray World" "Cheng's PCA"], ...
    'YLabel','Parameter Value','YData',string(param_range));

Найдите лучший параметр для каждого алгоритма.

[~,idx_best] = min(err);
best_param_wp = param_range(idx_best(1));
best_param_gw = param_range(idx_best(2));
best_param_ch = param_range(idx_best(3));

fprintf('The best parameter for White Patch is %1.2f with angular error %1.2f degrees\n', ...
    best_param_wp,err(idx_best(1),1));

The best parameter for White Patch is 0.25 with angular error 3.35 degrees

fprintf('The best parameter for Gray World is %1.2f with angular error %1.2f degrees\n', ...
    best_param_gw,err(idx_best(2),2));

The best parameter for Gray World is 0.00 with angular error 5.04 degrees

fprintf('The best parameter for Cheng is %1.2f with angular error %1.2f degrees\n', ...
    best_param_ch,err(idx_best(3),3));

The best parameter for Cheng is 0.50 with angular error 1.74 degrees

Вычислите предполагаемый источник света для каждого алгоритма с помощью лучшего параметра.

best_illum_wp = illumwhite(A,best_param_wp,'Mask',mask_scene);
best_illum_gw = illumgray(A,best_param_gw,'Mask',mask_scene);
best_illum_ch = illumpca(A,best_param_ch,'Mask',mask_scene);

Отобразите угловую погрешность каждого лучшего источника света в цветовом пространстве RGB.

p = plot3([0 1],[0 1],[0,1],'LineStyle',':','Color','k');
ax = p.Parent;
hold on
plotColorAngle(illuminant_groundtruth,ax)
plotColorAngle(best_illum_wp,ax)
plotColorAngle(best_illum_gw,ax)
plotColorAngle(best_illum_ch,ax)
title('Best Illuminants in RGB space')
view(28,36)
legend('Achromatic Line','Ground Truth','White Patch','Gray World','Cheng')
grid on
axis equal

Вычислите оптимальные белым сбалансированные изображения для каждого алгоритма с помощью лучшего источника света.

B_wp_best = chromadapt(A,best_illum_wp,'ColorSpace','linear-rgb');
B_wp_best_sRGB = lin2rgb(B_wp_best);
B_gw_best = chromadapt(A,best_illum_gw,'ColorSpace','linear-rgb');
B_gw_best_sRGB = lin2rgb(B_gw_best);
B_ch_best = chromadapt(A,best_illum_ch,'ColorSpace','linear-rgb');
B_ch_best_sRGB = lin2rgb(B_ch_best);

Отобразите оптимальные белым сбалансированные изображения для каждого алгоритма в монтаже.

figure
montage({B_wp_best_sRGB,B_gw_best_sRGB,B_ch_best_sRGB},'Size',[1 3])
title('Montage of Best White-Balanced Images: White Point, Gray World, Cheng')

Заключение

Это сравнение двух классических освещающих алгоритмов оценки и более свежего показывает, что метод Ченга, с помощью верхних и нижних самых темных и самых ярких пикселей на 0,75%, побеждает для того конкретного изображения. Однако этот результат должен быть взят с мелкой частицей соли.

Во-первых, источник света основной истины был измерен с помощью графика ColorChecker и чувствителен к шуму датчика и выстрелу. Источник света основной истины сцены может быть лучше оценен с помощью спектрофотометра.

Во-вторых, источник света основной истины оценивается как средний цвет нейтральных закрашенных фигур. Распространено использовать медиану вместо среднего значения, которое могло переключить основную истину существенным количеством. Например, для изображения в этом исследовании, с помощью тех же пикселей, средний цвет и средний цвет нейтральных закрашенных фигур являются 0,5 градусами независимо, которые в некоторых случаях могут быть больше, чем угловая погрешность источников света, оцененных различными алгоритмами.

В-третьих, полное сравнение освещающих алгоритмов оценки должно использовать множество изображений, взятых при различных условиях. Один алгоритм может работать лучше, чем другие для конкретного изображения, но может выполнить плохо по целому набору данных.

Поддерживание функции

plotColorAngle графики функций единичный вектор источника света в 3-D цветовом пространстве RGB. Входной параметр illum задает источник света как цвет RGB и входной параметр ax задает оси, на которых можно построить единичный вектор.

function plotColorAngle(illum,ax)
    R = illum(1);
    G = illum(2);
    B = illum(3);
    magRGB = norm(illum);
    plot3([0 R/magRGB],[0 G/magRGB],[0 B/magRGB], ...
        'Marker','.','MarkerSize',10,'Parent',ax)
    xlabel('R')
    ylabel('G')
    zlabel('B')
    xlim([0 1])
    ylim([0 1])
    zlim([0 1])
end