• 목록

AWB(자동 화이트 밸런스) 알고리즘은 최소한의 사용자 입력으로 주변광에 맞게 수정하여 육안으로 볼 때와 가까운 결과 영상을 만듭니다. 

자동 화이트 밸런스는 2단계를 거칩니다.

1단계: 장면 조도를 추정합니다.

2단계: 영상의 색 밸런스를 보정합니다.

가장 까다로운 동시에 집중적으로 최적화할 단계는 1단계, 주변광 추정입니다. 

일단 주변광이 파악되면, 영상의 색을 보정하는 작업(2단계)은 쉽고 고정된 절차로 해결됩니다.

Grayworld assumption에 의해 계산 된 보상은 고르게 조명 된 흰색 종이 또는 이와 유사한 디지털 스틸 및 비디오 카메라에 의해 수행 된 측정의 근사치입니다.

# -*- coding: utf-8 -*-

# White balance/Grayworld assumption 

import cv2 as cv

import numpy as np

def show(final):

       print ('display')

       cv.imshow("Temple", final)

       cv.waitKey(0)

       cv.destroyAllWindows()

def saveimg(final):

       print ('saving')

       cv.imwrite("result.jpg", final)

if __name__ == "__main__":

# Insert any filename with path

img = cv.imread("grayworld_assumption_0.PNG")

res = img

final = cv.cvtColor(res, cv.COLOR_BGR2LAB)

avg_a = np.average(final[:, :, 1])

avg_b = np.average(final[:, :, 2])

for x in range(final.shape[0]):

for y in range(final.shape[1]):

l, a, b = final[x, y, :]

# fix for CV correction

l *= 100 / 255.0

final[x, y, 1] = a - ((avg_a - 128) * (l / 100.0) * 1.1)

final[x, y, 2] = b - ((avg_b - 128) * (l / 100.0) * 1.1)

final = cv.cvtColor(final, cv.COLOR_LAB2BGR)

final = np.hstack((res, final))

show(final)

saveimg(final)