[发明专利]使用噪声优化的选择标准计算场景白点

说明书

对相关申请的交叉引用

本申请要求于2011年10月12日申请的序列号为61/546,146的美国临时专利申请的优先权，其通过引用被全部合并于此。

技术领域

本发明一般涉及色彩平衡的领域。特别地，但并非限制地，其涉及使用噪声优化的选择标准提高自动白平衡(AWB)算法的性能的技术。

背景技术

色彩平衡可以被认为是图像中色彩强度的全局调整。色彩平衡的目标之一是使特定的颜色，例如中性白，尽可能准确地达到捕获图像的实际物理场景中所呈现的颜色。在正确表现中性白色的情况下，该过程通常被称为“白平衡”。大多数数字照相机的色彩平衡和色彩校正决策至少部分地基于场景光源的类型。例如，一张白纸在日光灯照明的情况下所显示的会与其直接在日光下所显示的不同。将要执行的色彩校正类型可以由知晓捕获图像的场景光源的数字照相机的用户手动指定，或者可以使用各种AWB算法的一个或多个以编程方式来设置。

可以通过评估由具有对一组已知光源的已知响应的照相机图像传感器所捕获的一个或多个图像来估计场景的“白点”。照相机对光源的响应可通过下面的公式来描述：

C_white＝S＊P    (公式1)

P代表光源的一组光谱功率分布，S是照相机的光谱灵敏度，C_white是照相机的响应矢量。换句话说，照相机的响应将是光源的特定类型以及照相机的特定光谱响应的函数。

在现实世界成像中，照相机的响应还是场景中从物体表面反射的光的函数。这个关系可被描述为：

C_objects＝S＊R＊P    (公式2)

其中R代表物体表面的光谱反射率。

AWB算法要处理的根本问题是试图使用已知响应和照相机灵敏度(S)以及场景中的未知物体表面(R)，解决由未知光源(P)引起的捕获的图像中的场景光源白点。

在学术界和行业中已经研究各种不同的方法来解决仅从图像数据估计场景白点中的不确定性。最基本的“灰度世界”AWB算法对现实世界中的物体表面反射率分布做出了强有力的假设，即，整个场景的色彩将会平均为灰色，以便限制解决方案。其他已发表的方法包括：一个版本的贝叶斯估计，其对表面反射率以及光源分布作出了不那么强的且更有原则性的建模，以达到更好的估计；“关联颜色”算法，其利用在用于光源估计的不同光源情况下的图像色度的独特分布；甚至从场景中的镜面或微型镜面反射信息导出白点值的一类算法。

然而，在工业实践中，最普遍的白平衡方法仍然是那些宽松地基于改良的灰度世界方法的方法，由于其易于实施和适宜的稳定性。这样的方法可以有许多变化，但大多数涉及，首先选择可能来自于由可信光源照亮的中性表面的像素响应的子集，然后作出这些像素的平均色度有可能代表场景中真实的白/灰色的假设。这类方法在本文中将被称为“选择性灰度世界”算法。

这种选择性灰度世界方法的最大限制是，等同于使原来的灰度世界方法不可行，即，假设“可能的灰色”像素响应真正做到平均为灰色。从将照相机对普通光源下典型对象表面反射率的响应建模，已经确定通常违反这种假设。例如，依赖于每个使用情形的光源和表面分布，一些“可能的灰色”像素响应相对于其他像素来说更可能是灰色，即，一些像素响应比其他像素响应携带更多的与真实白点有关的信息。一种加权方案可被用来有区别地处理这些像素响应，以便改进白点估计的准确度。一旦选择了被捕获图像的“可能的灰色”像素的子集，该场景的白点可被作为这些像素值的加权和来计算：

r＝sum(R＊W)/sum(W)；

g＝sum(G＊W)/sum(W)；(公式3)

b＝sum(B＊W)/sum(W)，

其中W表示权重矢量，而R、G、B是像素颜色矢量。

仅需要调整两个通道以得到图像白平衡，通常是r和b通道：

R′＝(g/r)R；(公式4)

B′＝(g/b)B；

其中R和R′是白平衡调整之前和之后的红色通道响应，B和B′是白平衡调整之前和之后的蓝色通道响应。

因此，需要一种在图像中使用改进的“选择性灰度世界”方法来提供更准确的白平衡的技术。当计算白平衡增益时，通过智能加权可能的中性像素值，可以更为准确地计算白点。

发明内容