1. AWB基础

任务目标

实现灰度世界白平衡算法，对一张偏色图像完成颜色校正，并通过灰度均值对比与直方图分布评估校正效果。本案例使用Python + OpenCV，输入为一张白炽灯下拍摄的偏黄图像，输出为校正后的图像及量化评估指标。

核心原理

灰度世界假设：场景中所有颜色的平均反射率近似为灰色（即RGB三通道均值趋于相等）。算法将图像三通道均值分别缩放至同一目标值（通常取三通道均值的平均值），从而消除光源色偏。

实现代码

import cv2
import numpy as np

def gray_world_awb(img):
    """灰度世界白平衡校正"""
    # 分离通道并计算各通道均值
    b, g, r = cv2.split(img)
    b_mean, g_mean, r_mean = np.mean(b), np.mean(g), np.mean(r)
    # 目标灰度值：三通道均值的平均
    gray_target = (b_mean + g_mean + r_mean) / 3.0
    # 计算各通道增益并应用
    b_gain, g_gain, r_gain = gray_target / b_mean, gray_target / g_mean, gray_target / r_mean
    b_balanced = np.clip(b * b_gain, 0, 255).astype(np.uint8)
    g_balanced = np.clip(g * g_gain, 0, 255).astype(np.uint8)
    r_balanced = np.clip(r * r_gain, 0, 255).astype(np.uint8)
    return cv2.merge([b_balanced, g_balanced, r_balanced])

def evaluate(img, name):
    """计算三通道均值与标准差"""
    b, g, r = cv2.split(img)
    means = [np.mean(ch) for ch in (b, g, r)]
    stds = [np.std(ch) for ch in (b, g, r)]
    print(f"{name} 通道均值 B/G/R: {means[0]:.1f}, {means[1]:.1f}, {means[2]:.1f}")
    print(f"{name} 通道标准差 B/G/R: {stds[0]:.1f}, {stds[1]:.1f}, {stds[2]:.1f}")
    return means, stds

if __name__ == "__main__":
    # 读取偏色图像（请将图片路径替换为实际路径）
    img = cv2.imread("warm_cast.jpg")
    if img is None:
        print("图像读取失败，请检查路径")
        exit(1)

    # 执行白平衡校正
    result = gray_world_awb(img)

    # 保存结果
    cv2.imwrite("awb_result.jpg", result)

    # 评估校正前后效果
    print("=== 校正前 ===")
    means_before, _ = evaluate(img, "原图")
    print("=== 校正后 ===")
    means_after, _ = evaluate(result, "校正图")

    # 判定标准：校正后三通道均值差应显著缩小
    diff_before = max(means_before) - min(means_before)
    diff_after = max(means_after) - min(means_after)
    print(f"\n通道均值最大差：校正前 {diff_before:.1f} → 校正后 {diff_after:.1f}")
    print("校正通过" if diff_after < diff_before * 0.3 else "校正效果不足，请检查输入图像是否严重偏色")

运行与验证

1. 依赖安装：pip install opencv-python numpy
2. 准备输入：将一张白炽灯下拍摄的偏黄照片命名为 warm_cast.jpg 放在脚本同目录
3. 执行：python gray_world.py
4. 通过条件：
   - 程序输出校正前后各通道均值；
   - 校正后三通道均值最大差值应小于校正前的30%（例如校正前差值为60，校正后应小于18）；
   - 生成 awb_result.jpg，目视检查白色物体（如白墙、白纸）不再偏黄，整体色温趋于中性。

常见问题

• 校正后偏红/偏蓝：图像中存在大面积单一纯色物体（如纯蓝天空）会破坏灰度世界假设，导致过校正。此时可改用更鲁棒的动态阈值算法（后续案例覆盖）。
• 图像过暗或过亮：灰度世界只做通道增益，不改变整体亮度。若原图曝光异常，需先做亮度归一化。