白平衡算法总结

灰色世界法（grey world method）

要计算未知光源的特性必须从图片中提取相关的统计特性。当我们能够仅使用一个统计特性就获得未知光源特性时，算法就变得非常简单了。在这种情况下，未知光源必须在整幅图片上都是统一的。均值于是就成为了此类方法之下最好的统计指标。而灰色世界法正是利用了均值作为估算未知光源的关键统计量。

从物理意义上说，灰色世界法假设自然界景物对于光线的平均反射的均值在总体上是个定值，这个定值近似地为“灰色”。在给定图片的白平衡算法中，灰色世界假设图片中的反射面足够丰富，以至于可以作为自然界景物的一个缩影。若这幅图片是在经典光源下拍摄的，其均值就应该等于灰色。若这幅图是在非经典光源下拍摄的，那么均值就会大于或者小于灰色值。而该均值对于灰色的偏离程度则反映了未知光源相对于已知光源的特性。

虽然这个方法比较简单，但是仍然可以从一些方面进行调整。一个方面就是对于灰色的定义形式的选择。包括对于光谱的定义、对于光谱成分的定义和在经典光源之下的RGB的响应。另一个更加重要的调整方面就是对于灰色的选择。不管如何定义灰色，最佳的灰色之选必然是自然界实事上出现的灰色。但是这个值是无法获得的（除非是合成数据），所以对于灰色的选择是不同的灰色世界算法的一个重要的区别点。

一个方法是假设这个灰色就是实事上的灰色。也就是说反射光谱是均衡的。给定光源之下的RGB响应是纯白色对此光源的响应值的

一部分。比方说，可以使用50%作为反射率（虽然这个灰色值对于人眼视觉习惯而言可能过于明亮）。

另一种方法，就是根据大量的数据提炼出一个均值，并把它定义为灰色。这种方法提炼的灰色值可能因为数据库使用的不同而有所不同。最终提炼的灰色也能仅适用于原始的数据库，而对于数据库未包括的图片的适用度就会比较差一些。确定下来的灰色表达形式可以用来表示。下标i表示信道，上标c为canonical的首字母，表示经典光源。

在确定灰色的表达形式后只要用RGB响应与经典光源下灰色的比值来归一化图片就可以了。假设RGB响应均值为，下标i表示信道，上标U为Unknown的首字母，表示未知光源。那么归一化率的计算式为如下式所示：

根据光源转换理论，从未知光源到经典光源下图片表达式的转换式如下式所定义：

那么，灰色世界法的计算过程如下图所示：

本实验选择的灰色值为（129，129，129），具体的matlab实现程序如下：

%灰色世界法%

clear all;%清屏%

img=imread('b1.bmp');%读取位图的rgb值并存在名为img的三

维矩阵中%

AveR=mean(mean(img(:,:,1)));%计算R通道的均值%

AveG=mean(mean(img(:,:,2)));%计算G通道的均值%

AveB=mean(mean(img(:,:,3)));%计算B通道的均值%

Qr=129/AveR;%计算R通道的归一化率Qr%

Qg=129/AveG;%计算G通道的归一化率Qg%

Qb=129/AveB;%计算B通道的归一化率Qb%

%光源变换%

img0(:,:,1)=Qr*img(:,:,1);

img0(:,:,2)=Qg*img(:,:,2);

img0(:,:,3)=Qb*img(:,:,3);

figure,imshow(img0),title('变换后图片');%显示图片%

偏蓝图片

白平衡调整后的图片

正常光照下的图片

基于动态阀值的自动白平衡法（Automatic White Balance Method）这个算法是通过对图片的ycbcr色空间的分析来确定参考白点的，所以次算法可以说是自适应白平衡算法。本算法选择参考白点的阀值是动态变化的，所以对于不同的图片，其阀值也不同。通过对图片的cbcr坐标空间的分析，我们可以看到一个接近白色的区域（near-white region）是包含着参考白点的。通过这个思路，我们可以通过对图片分区，然后找出参考白点，然后在通过von kvies model来调整图片时期实现白平衡。这样，这个算法就包括了两个步骤了：寻找参考白点，白点调整。

寻找参考白点：

为了确定一个接近白色的区域，我们就必须把RGB色空间转换成YCbCr色空间。

色空间转换后，就是计算Cb、Cr的均值Mb、Mr；然后通过下式计算Cb、Cr的均方差Db、Dr：

为了提高算法的稳健性，将图片分为几个区域并且计算每个区域

的Mb、Mr、Db、Dr，如果一个区域的Db，Dr太小，那么这个区域就没有足够的色彩变化，就可以丢弃掉了。这样可以避免大面积的统一色调对结果的影响。

接下来就可以通过下面的关系式得到接近白色区域的所有像素点了：

根据亮度值，我们选择接近白色区域中的10%的候选参考白点最为参考白点。在白点确定后，就可以从参考白点中得到信道增益的值了。为了维持整幅图片的亮度不变，亮度的最大值被用来得到信道增益。所以信道增益不及和参考白点有关还与亮度的最大值有关，其表达式如下：

其中是整幅图片像素的亮度最大值，、和是参考白点的RGB信道的均值。

最后，根据von-kvies model来调整图片，使其达到白平衡的效果。调整的表达式如下：

其中RGB是图片的像素点的三个信道值，是调整之后的图片的像素点的三个信道值。

其源程序如下：

%Program for white balancing%

function W=wbalance(im)

clear all;

close all;

%读取照片的信息%

[filename,pathname]=uigetfile('*.jpg;*.bmp;*.gif','Pick an image-file');

if isequal(filename,0)

disp('User selected Cancel');

else

disp(['User selected',fullfile(pathname,filename)]);

end

fname=strcat(pathname,filename);

im=imread(fname);

im2=im;

im1=rgb2ycbcr(im);%将图片的RGB值转换成YCbCr值% Lu=im1(:,:,1);

Cb=im1(:,:,2);

Cr=im1(:,:,3);

[x y z]=size(im);

tst=zeros(x,y);

%计算Cb、Cr的均值Mb、Mr%

Mb=sum(sum(Cb));

Mr=sum(sum(Cr));

Mb=Mb/(x*y);

Mr=Mr/(x*y);

%计算Cb、Cr的均方差%

Db=sum(sum(Cb-Mb))/(x*y);

Dr=sum(sum(Cr-Mr))/(x*y);

%根据阀值的要求提取出near-white区域的像素点%

cnt=1;

for i=1:x

for j=1:y

b1=Cb(i,j)-(Mb+Db*sign(Mb));

b2=Cr(i,j)-(1.5*Mr+Dr*sign(Mr));

if(b1

Ciny(cnt)=Lu(i,j);

tst(i,j)=Lu(i,j);

cnt=cnt+1;

end

end

end

cnt=cnt-1;

iy=sort(Ciny,'descend');%将提取出的像素点从亮度值大的点到小

的点依次排列%

nn=round(cnt/10);

Ciny2(1:nn)=iy(1:nn);%提取出near-white区域中10%的亮度值较

大的像素点做参考白点%

%提取出参考白点的RGB三信道的值%

mn=min(Ciny2);

c=0;

for i=1:x

for j=1:y

if tst(i,j)

tst(i,j)=0;

else

tst(i,j)=1;

c=c+1;

end

end

end

R=im(:,:,1);

G=im(:,:,2);

B=im(:,:,3);

R=double(R).*tst;

G=double(G).*tst;

B=double(B).*tst;

%计算参考白点的RGB的均值%

Rav=mean(mean(R));

Gav=mean(mean(G));

Bav=mean(mean(B));

Ymax=double(max(max(Lu)))/15;%计算出图片的亮度的最大值% %计算出RGB三信道的增益%

Rgain=Ymax/Rav;

Ggain=Ymax/Gav;

Bgain=Ymax/Bav;

%通过增益调整图片的RGB三信道%

im(:,:,1)=im(:,:,1)*Rgain;

im(:,:,2)=im(:,:,2)*Ggain;

im(:,:,3)=im(:,:,3)*Bgain;

%显示图片%

W=im;

figure,imshow(im2,[]),title('原图');

figure,imshow(im,[]),title('白平衡后的效果图');

黄偏色图片

正常光照下的图片

次算法的缺点是运行速度慢，但是对图片的还原效果还是比较显著的。

其他白平衡算法

镜面法（Perfect Reflector Model）

根据图像形成理论，对于纯白色的反射面而言，无论光源是什么颜色，最终反射后的颜色总能完全表现出光源的颜色。如果景物中有纯白的部分，那么就可以直接从这些像素中提取出光源信息。基于这种思想的方法都被称为是镜面法。

与灰色世界法类似的，镜面法也有多种调整方式。在本文中着重介绍两种。

第一种方法较为基本也较为简便。这种方法假设图片中一定有纯白色面存在，那么在经典光源下，图片中所有像素点三个信道的最大

值都应该等于255，或者是一个给定的纯白色的值。在任何其他的光源下，图片纯白色点的像素值就会小于经典光源下的纯白色，并且这些点将代表整幅图片中最亮的点。那么只要将各信道的值按比例规一化到最大值（纯白色）就可以获得在经典光源下的图片了。

假设经典的白色表达形式可以用来表示。下标i表示信道，上标c表示经典光源。假设RGB响应的最值为，下标i表示信道，上标U表示未知光源。那么归一化率的计算式为如下式所示：

根据光源转换理论，从未知光源到经典光源下图片表达式的转换同样可以用下式定义：

其计算过程如下：

当选择(255,255,255)为白色值的时候只需把每个信道的像素值拉伸到最大值即可。这种镜面法最为简单，在有效性方面的表现也不错。

第二镜面法算法在第一步的基础上改进了对于白色点的定义。它不是将白色定义为各信道值最大的点。而是将满足某个条件的点都定义为白色点，通过计算这些点的平均色温，得到对于未知光源的估计值。这类算法首先将对于白色的定义形式转换到了YCbCr空间：

在YCbCr空间中，Y是灰度，表示图像的亮度，Cb和Cr是色

度的蓝色和红色分量，代表图像的色差。由于镜面是图像中亮度最大

的部分，那么Y值最大的点就可以很好的代表图像中的镜面。

第二步就是在转换完的空间中寻找到可以代表镜面的点。在Y较小时，Cb和Cr较小的像素表现为接近白色的灰度值；而在Y较大时，Cb和Cr较大的像素仍可以认为是白色物体受到光源污染得到的。因此我国的白平衡研究学者提出了下列约束条件：

由算法决定，不同镜面算法的值不同。

在选出了合适的白色点之后，下一步就是要估计色温，根据计算的色温来还原已知光源下的图片。色温估计的计算式如下式所示：

其中下标X标示信道，在这种算法中X=Y、Cb、Cr。

进行色温估计之后，利用光源转换式可以获得如下图所示的计算过程：

音阶映射法（gamut mapping model）

音阶映射法采用了与前几种方法完全不同的思路，是第一个很好的描述了图片统计特性的算法，由Forsyth在1990年首次提出。此方法的第一步是建造一个所有可能的R、G、B值得集合，这些值是在经典光源下拍摄所有现实世界可能出现的反射面获得的。这个集合是一个凸多面体，因此可使用其顶点来表征。在第二步中，使用相似的方法，将图片中所有出现的R、G、B值绘成一个凸多面体。第三步是将这两个凸多面体相互映射从而获得对角变换矩阵。根据映射得来的

变换矩阵一般不是唯一的，而是一个由许多矩阵组成的集合。所以第

四步就是从这个集合中挑选出最终的变换矩阵。

音阶映射法的主要优点在于对于其应用环境没有特别的限制，因

此其平均表现水平要高于灰色世界法和完美反射法。其不足之处主要有三：

第一，要获得在经典光源下所有可能出现的R、G、B值集合非常

困难，一般只能获得近似集合。

第二，映射两个三维集合的计算量比较大。

第三，获得的变换矩阵是一个集合，

没有有效的方法获得最优解。

1996年Finlayson提出透视色彩法，在音阶映射法的基础上作了两点改进。第一，这种方法使用了色度空间（r,g）=（R/(R+B+G),

G/(R+B+G)）；第二，通过考虑可能出现的光源值来进一步缩小得到的变换矩阵集合。使用色度空间之后，参数集合从三维降为两维，降低了运算复杂度。考虑可能出现的光源以后缩小了目标变换矩阵的范围，使得最后得到的结果更接近最优解。

透视色彩法的主要缺陷在于光源集合是一个非凸集合，也就说它

无法仅仅使用顶点来精确表征。这样就加大了运算难度。

Barnard采用的方法是将其近似认为一个凸集合，这样就不需要

增加额外的计算了，但是对最后变换矩阵集合的准确获得造成了一定负面影响。

接下来将对音阶图法的基本计算方法作一个阐述。所使用的色度

空间为改进后的二维色度空间（r,g）=（R/(R+B+G),G/(R+B+G)）。

第一步为构造色集合图；第二步与第三步，构造待测图片的色集合图并将其映射到测试色集合图中。

经过映射以后未知光源的图片就与经典光源下的可能图像建立了映射关系。通常，建立的映射关系不是唯一的，而是一个集合，这样就需要对这个集合中所有的映射关系进行筛选从而获得最佳结果。选择的过程必须要建立额外的假设，因此不是唯一的。

色相关法（color by correlation model）

Finlayson提出了色相关法作为对于透视色彩法的改进。色相关法的实质就是将色彩空间离散化，从而进一步降低计算复杂度。色相关法的基本思想是预先计算一个矩阵，这个矩阵描述了不用光源与特定图像色彩出现之间的相关度。

矩阵的每一行对应于一个不同的训练光源，每一列为可能出现的色彩值，这些色彩值是通过离散化染色空间（r，g）获得的。行和列可以任意排列而不影响此方法的有效性。矩阵元素A（i，j）的含义为：在光源i之下拍摄的图片中出现色彩j。

色相关法中提出了两种定义矩阵元素A（i，j）的方法。在第一种方法中，A（i，j）只能取0或1。取0表示色彩j不可能出现在光源i之下，取1表示色彩j可能出现在光源i之下。在第二种方法中，A（i，j）可以去0到1之间的任何一个值，代表色彩i出现在光源j之下的概率。在计算完相关矩阵之后，使用类似的方法将目标图片的色彩空间离散化，形成一个相关矢量，与相关矩阵相乘以获得这个未知光源下的图象与各个已知光源的相关度。选取相关度最大的

一个或几个已知光源对未知光源特性进行估计，求得未知光源特性。

色相关法的好处在于，在充分考虑到图像统计特性的前提下进一步降低了计算复杂度。但是其不足也是明显的。首先，与透视色彩法一样，对于所有可能光源的估计是近似的，不完全的，可能影响到最后的估计结果。其次，离散化色彩空间的过程中丢失了许多色彩信息，在一些情况下，可能使相关矩阵和向量相乘后的结果为零向量。

以下将对色相关的计算步骤进行简要介绍：

第一步，建立相关矩阵，其过程：(a)找出在参考光源下的彩色图像的色度；(b)计算出每个色彩在参考光源下的出现概率；(c)将b所计算出的概率加入色相关矩阵M。

可以看到(a)中所示的色度集合是离散的，因为色相关矩阵中的各种颜色分布也是离散的。(c)中相关矩阵的每一列代表不同的光源，在这一列中的每一个值代表了对应的色彩区域出现的概率。

第二步是相关的过程。在进行相关之前需要先构造图像向量，图像向量的每一个元素值代表对应的色彩区间是否出现在给定的需要

进行白平衡处理的图片中。

接着就是相关过程了，相关矩阵与特征向量的相关过程可以简要表示：(a)从图像色度集合中求出图像向量；(b)将图像数据与可能的光源进行相关；(c)选择一个可能的光源。

第三步就是最佳光源的选取。最佳光源的选取有多种方法，包括最大相关值法：寻找所有相关向量中最大的元素；最大相关值平均法：将相关向量里最大的几个值所对应的光源色彩进行平均，然后求出最

图像分割算法的比较与分析

中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息与通信工程学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法的比较与分析 指导教师：陈平职称: 副教授 2014 年12 月29 日

中北大学 课程设计任务书 14/15 学年第一学期 学院：信息与通信工程学院专业：电子信息工程 学生姓名：学号： 课程设计题目：信息处理综合实践: 图像分割算法的比较与分析起迄日期：2015年1月5日～2015年1月16日课程设计地点：电子信息工程专业实验室 指导教师：陈平 系主任：王浩全 下达任务书日期: 2014 年12月29 日课程设计任务书

课程设计任务书

目录 第一章绪论 (1) 研究目的和意义 (1) 图像分割的研究进展 (1) 第二章区域生长法分割图像 (4) 区域生长法介绍 (4) 区域生长法的原理 (4) 区域生长法的实现过程 (5) 第三章程序及结果 (6) 区域生长算法及程序 (6) 图像分割结果 (7) 第四章方法比较 (8) 阈值法 (8) 区域法 (8) 分水岭法 (8) 形态学方法 (9) 第五章总结 (10) 参考文献 (11)

第一章绪论 研究目的和意义 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割;但某些分割方法只是适合于某些特殊类型的图像分割，所以分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。 图像分割是由图像处理到图像分析的关键步骤，在图像工程中占有重要位置。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象、更紧凑的表达形式，使得更高层的图像分析和理解成为可能。因此在实际应用中，图像分割不仅仅要把一幅图像分成满足上面五个条件的各具特性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务，为下一步的图像分析做好准备，使更高层的图像分析和理解成为可能。 图像分割在很多方面，如医学图像分析，交通监控等，都有着非常广泛的应用，具有重要的意义。(1)分割的结果常用于图像分析，如不同形式图像的配准与融合，结构的测量，图像重建以及运动跟踪等。(2)在系统仿真，效果评估，图像的3D重建以及三维定位等可视化系统中，图像分割都是预处理的重要步骤。 (3)图像分割可在不丢失有用信息的前提下进行数据压缩，这就降低了传输的带宽，对提高图像在因特网上的传输速度至关重要。(4)分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。 图像分割的研究进展 图像分割是图像处理中的一项关键技术，至今已提出上千种分割算法。但因

五种查找算法总结

五种查找算法总结 一、顺序查找 条件：无序或有序队列。 原理：按顺序比较每个元素，直到找到关键字为止。 时间复杂度：O(n) 二、二分查找（折半查找） 条件：有序数组 原理：查找过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束； 如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。 如果在某一步骤数组为空，则代表找不到。 这种搜索算法每一次比较都使搜索范围缩小一半。 时间复杂度：O(logn) 三、二叉排序树查找 条件：先创建二叉排序树： 1. 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值； 2. 若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值； 3. 它的左、右子树也分别为二叉排序树。 原理： 在二叉查找树b中查找x的过程为： 1. 若b是空树，则搜索失败，否则： 2. 若x等于b的根节点的数据域之值，则查找成功；否则： 3. 若x小于b的根节点的数据域之值，则搜索左子树；否则： 4. 查找右子树。 时间复杂度：

四、哈希表法（散列表） 条件：先创建哈希表（散列表） 原理：根据键值方式(Key value)进行查找，通过散列函数，定位数据元素。 时间复杂度：几乎是O(1)，取决于产生冲突的多少。 五、分块查找 原理：将n个数据元素"按块有序"划分为m块（m ≤ n）。 每一块中的结点不必有序，但块与块之间必须"按块有序"；即第1块中任一元素的关键字都必须小于第2块中任一元素的关键字； 而第2块中任一元素又都必须小于第3块中的任一元素，……。 然后使用二分查找及顺序查找。

【精品】高中数学 必修3_算法案例_知识点讲解+巩固练习(含答案)_提高

算法案例 【学习目标】 1.理解辗转相除法与更相减损术中蕴含的数学原理，并能根据这些原理进行算法分析； 2.基本能根据算法语句与程序框图的知识设计完整的程序框图并写出算法程序； 3.了解秦九韶算法的计算过程，并理解利用秦九韶算法可以减少计算次数提高计算效率的实质； 4.了解各种进位制与十进制之间转换的规律，会利用各种进位制与十进制之间的联系进行各种进位制之间的转换. 【要点梳理】 要点一、辗转相除法 也叫欧几里德算法，它是由欧几里德在公元前300年左右首先提出的.利用辗转相除法求最大公约数的步骤如下： 第一步：用较大的数m除以较小的数n得到一个商q 0和一个余数r ； 第二步：若r 0=0，则n为m，n的最大公约数；若r ≠0，则用除数n除以余数r 得到一个 商q 1和一个余数r 1 ； 第三步：若r 1=0，则r 为m，n的最大公约数；若r 1 ≠0，则用除数r 除以余数r 1 得到一个 商q 2和一个余数r 2 ； …… 依次计算直至r n =0，此时所得到的r n－1 即为所求的最大公约数. 用辗转相除法求最大公约数的程序框图为：

程序： INPUT “m=”;m INPUT “n=”;n IF m0 r=m MOD n m=n n=r

WEND PRINT n END 要点诠释： 辗转相除法的基本步骤是用较大的数除以较小的数，考虑到算法中的赋值语句可以对同一变量多次赋值，我们可以把较大的数用变量m 表示，把较小的数用变量n 表示，这样式子 )0(n r r q n m <≤+?=就是一个反复执行的步骤，因此可以用循环结构实现算法. 要点二、更相减损术 我国早期也有解决求最大公约数问题的算法，就是更相减损术. 更相减损术求最大公约数的步骤如下：可半者半之，不可半者，副置分母、子之数，以少减多，更相减损，求其等也.以等数约之. 翻译出来为： 第一步：任意给出两个正整数；判断它们是否都是偶数.若是，用2约简；若不是，执行第二步. 第二步：以较大的数减去较小的数，接着把较小的数与所得的差比较，并以大数减小数.继续这个操作，直到所得的数相等为止，则这个数(等数)就是所求的最大公约数. 理论依据： 由r b a r b a +=→=-，得b a ,与r b ,有相同的公约数 更相减损术一般算法： 第一步，输入两个正整数)(,b a b a >； 第二步，如果b a ≠，则执行3S ，否则转到5S ； 第三步，将b a -的值赋予r ； 第四步，若r b >，则把b 赋予a ，把r 赋予b ，否则把r 赋予a ，重新执行2S ； 第五步，输出最大公约数b . 程序: INPUT “a=”，a INPUT “b=”，b WHILE a<>b

白平衡

日光白平衡只有在中午阳光直射下才会显示出正常的颜色如果过了中午，日光就会变黄了也就是说，日光白平衡是正午阳光直射（微云）的色温，约为5500开尔文如果一片云都没有的大晴天，由于蓝天的影响，色温会提高，颜色会偏向蓝色方向 要纠正蓝色的雪，可以简单地在拍摄前选择相机的阴影白平衡设置。这个设置可能以前看起来不是很重要，但是在拍摄雪景时却非常重要。同时也要记得这个设置的局限性，特别是在拍摄阳光直射的场景时。（日光白平衡）

（阴影白平衡） 如何解决早晨和旁晚，本应是低色温时段照片上却硬生生的出现阴影蓝呢，下面片例告诉我们，使用“阴影”白平衡设置效果很好！原理：太阳尚无照射到大

地，虽然天已经大亮，但此时的色温就正阴影的8000°K，当然选择“阴影”白平衡拍照是正确的，只有这样惨能忠实的再现日出日落前后的景色，灰色的建筑业不会变成蓝色了。 一、甚么是白平衡？ 白平衡调整是一种数码相机上才有的功能，数码相机对色彩控制的便利是以往的胶片相机不可比拟的。白平衡调整可以使相机适应不同的拍摄光线条件，保证被摄对象的白色和其它色彩能够在照片上得以真实的再现。 光线的色温是用开氏度的单位来计量的，数值越低光线就越显暖色（白天），越高就越显冷色(阴天)。一般情况下，白炽灯的色温要明显低于3000K，白天的色温在5500K左右，而大面积的户外阴影下的色温常常能达到7000K。 二、常用的一些白平衡设置 1.自动白平衡 尽管我觉得自动白平衡并不能在所有情况下都提供最准确的色彩还原，但几乎所有的数码相机上都有这个模式，而且大多数情况下用这个模式拍摄的效果还算不错。 当数码相机设定在自动白平衡模式的时候，相机可以自动分析并计算出所拍画面的色温情况，使白色能够得到还原。不同型号的相机在自动白平衡上的表现差异很大，有些相机在自动白平衡模式下能够准确还原色彩，有些则不然。 2.日光白平衡（4800K～5600K） 日光白平衡非常像日光胶片，它适用于在与正午日光色温类似的光线下拍摄。由于拍出来的色彩比较平淡，随水用得很少。在室外, 日光大部分適用在大太陽下, 有時色溫低一點的照片會比較討喜, 這時候可以選用陰天白平衡, 可以得到較溫暖的照片。 3.阴天白平衡（5400K～6600K）(常用暖色) 阴天的设置能够让偏冷的光线稍微暖一些，所以许多摄影师在晴天拍摄时也会将白平衡设置在阴天，这样拍出来的照片就可以有一种略暖的色调。这种方法不仅可以加强日出和日落的色彩效果，而且还可以使雨天拍摄的照片色彩更加鲜艳。随水一大半片子都是阴天白平衡拍的，所以大都暖暖的，不过看多了有些腻味儿。

Matlab常用白平衡算法

灰色世界法（grey world method） 要计算未知光源的特性必须从图片中提取相关的统计特性。当我们能够仅使用一个统计特性就获得未知光源特性时，算法就变得非常简单了。在这种情况下，未知光源必须在整幅图片上都是统一的。均值于是就成为了此类方法之下最好的统计指标。而灰色世界法正是利用了均值作为估算未知光源的关键统计量。 从物理意义上说，灰色世界法假设自然界景物对于光线的平均反射的均值在总体上是个定值，这个定值近似地为“灰色”。在给定图片的白平衡算法中，灰色世界假设图片中的反射面足够丰富，以至于可以作为自然界景物的一个缩影。若这幅图片是在经典光源下拍摄的，其均值就应该等于灰色。若这幅图是在非经典光源下拍摄的，那么均值就会大于或者小于灰色值。而该均值对于灰色的偏离程度则反映了未知光源相对于已知光源的特性。 虽然这个方法比较简单，但是仍然可以从一些方面进行调整。一个方面就是对于灰色的定义形式的选择。包括对于光谱的定义、对于光谱成分的定义和在经典光源之下的RGB 的响应。另一个更加重要的调整方面就是对于灰色的选择。不管如何定义灰色，最佳的灰色之选必然是自然界实事上出现的灰色。但是这个值是无法获得的（除非是合成数据），所以对于灰色的选择是不同的灰色世界算法的一个重要的区别点。 一个方法是假设这个灰色就是实事上的灰色。也就是说反射光谱是均衡的。给定光源之下的RGB 响应是纯白色对此光源的响应值的

一部分。比方说，可以使用50%作为反射率（虽然这个灰色值对于人眼视觉习惯而言可能过于明亮）。 另一种方法，就是根据大量的数据提炼出一个均值，并把它定义为灰色。这种方法提炼的灰色值可能因为数据库使用的不同而有所不同。最终提炼的灰色也能仅适用于原始的数据库，而对于数据库未包括的图片的适用度就会比较差一些。确定下来的灰色表达形式可以用Grey i c来表示。下标i 表示信道，上标c 为canonical 的首字母，表示经典光源。 在确定灰色的表达形式后只要用RGB 响应与经典光源下灰色的比值来归一化图片就可以了。假设RGB 响应均值为Ave i u，下标i 表示信道，上标U 为Unknown 的首字母，表示未知光源。那么归一化率的计算式为σ i 如下式所示： σ i = Grey i c Ave i u 根据光源转换理论，从未知光源到经典光源下图片表达式的转换式如下式所定义： ρ?c= [σ 1 σ 2 σ 3 ] ?ρ?u 那么，灰色世界法的计算过程如下图所示：

查找算法的实现(C语言版)

实验五查找的实现 一、实验目的 1．通过实验掌握查找的基本概念； 2．掌握顺序查找算法与实现； 3．掌握折半查找算法与实现。 二、实验要求 1．认真阅读和掌握本实验的参考程序。 2．保存程序的运行结果，并结合程序进行分析。 三、实验内容 1、建立一个线性表，对表中数据元素存放的先后次序没有任何要求。输入待查数据元素的关键字进行查找。为了简化算法，数据元素只含一个整型关键字字段，数据元素的其余数据部分忽略不考虑。建议采用前哨的作用，以提高查找效率。 2、查找表的存储结构为有序表，输入待查数据元素的关键字利用折半查找方法进行查找。此程序中要求对整型量关键字数据的输入按从小到大排序输入。一、顺序查找 顺序查找代码： #include"stdio.h" #include"stdlib.h" typedef struct node{ int key; }keynode; typedef struct Node{ keynode r[50]; int length; }list,*sqlist; int Createsqlist(sqlist s) { int i; printf("请输入您要输入的数据的个数:\n"); scanf("%d",&(s->length)); printf("请输入您想输入的%d个数据;\n\n",s->length); for(i=0;ilength;i++) scanf("%d",&(s->r[i].key)); printf("\n"); printf("您所输入的数据为:\n\n");

for(i=0;ilength;i++) printf("%-5d",s->r[i].key); printf("\n\n"); return 1; } int searchsqlist(sqlist s,int k) { int i=0; s->r[s->length].key=k; while(s->r[i].key!=k) { i++; } if(i==s->length) { printf("该表中没有您要查找的数据！\n"); return -1; } else return i+1; } sqlist Initlist(void) { sqlist p; p=(sqlist)malloc(sizeof(list)); if(p) return p; else return NULL; } main() { int keyplace,keynum;// sqlist T;// T=Initlist(); Createsqlist(T); printf("请输入您想要查找的数据的关键字:\n\n"); scanf("%d",&keynum); printf("\n"); keyplace=searchsqlist(T,keynum); printf("您要查找的数据的位置为:\n\n%d\n\n",keyplace); return 2; }

图像分割方法的比较研究

图像分割方法的比较研究 在计算机视觉的相关研究中,图像分割是连接低级视觉和高级视觉的桥梁和纽带,而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分割方法的基础上,比较了每种图像分割算法的优缺点及其适应范围,结果表明:不同工程应用中,应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。 标签：图象分割;图象处理 1 引言 近年来,随着工业、农业、医学、军事等领域自动化和智能化需求的迅速发展,对图像处理技术的要求也日益提高。其中,对图像的自动识别与理解就是一项重要任务,而对图像进行分割来提取目标是其关键步骤之一,如果得不到合理的图像分割图,也就无法对图像进行正确的识别与理解。在过去的四十多年里,图像分割的研究一直受到人们高度的重视。迄今为止,研究者提出了上千种不同类型的分割算法,而且近年来每年都有上百篇相关研究成果发表。但是,现有的方法多是为特定应用设计的,有很大的针对性和局限性,对图像分割的研究还缺乏一个统一的理论体系。Fu和Mui从细胞学图像处理的角度将图像分割技术分为三大类:特征阈值或聚类、边缘检测和区域提取。依据算法所使用的技术或针对的图像,Pal and Pal把图像分割算法分成了6类:阈值分割、像素分割、深度图像分割、彩色图像分割、边缘检测和基于模糊集的方法。本文将依据上述两种分类方法进行深入研究。 2 图象分割方法 简而言之,图像分割(Image Segmentation)就是把图像中的物体与背景或物体与物体分割开,实现不同区域的特殊处理。 2.1 基于阈值的分割方法 这类方法简单实用,在过去的几十年间备受重视,其分类也不一而足。根据使用的是图像的整体信息还是局部信息,可以分为上下文相关方法和上下文无关方法;根据对全图使用统一阈值还是对不同区域使用不同阈值,可以分为全局阈值方法和局部阈值方法;另外,还可以分为单阈值方(bileverthresholding)和多阈值方法。 阈值分割的核心问题是如何选择合适的阈值。其中,最简单和常用的方法是从图像的灰度直方图出发,先得到各个灰度级的概率分布密度,再依据某一准则选取一个或多个合适的阈值,以确定每个像素点的归属。选择的准则不同,得到的阈值化算法就不同。 下面就常见的几种阈值分割算法进行比较:

摄影师教您如何使用灰卡快速校正白平衡

发表评论 摄影师教您如何使用灰卡快速校正白平衡https://www.doczj.com/doc/3a10471513.html, 蜂鸟网[转载]作者：新摄影2011年09月08日 05:31 并非所有的摄影新手都熟悉白平衡的概念和用法。很多人在刚刚开始接触摄影时都遇到过类似的问题。白平衡可以帮助你的照片获得尽可能准确的色彩还原。 调整白平衡让照片的色彩更加自然的方法有很多种。本文，我们将介绍一种最简单的方法，可以令你获得100%准确的白平衡。 在这种方法中，我们要用到灰卡。你需要的所有器材就是一张灰卡，无论是从商店里买到的摄影用灰卡，或是手头已经有的中性灰的纸都可以。 只要有了灰卡，你的后期工作将大大简化。首先，在调整每一张照片时都能节省出大量时间；其次，可以在数秒内对相同光照环境下的照片进行批量处理。现在我们开始吧，这个方法非常简单易学。 打开相机后，检查一下白平衡设置，选择最接近当前光线环境的设置。 但如果你不清楚该选择哪一项设置，那么最好就使用自动白平衡（AWB）吧。 现在你需要做的，就是拍一张包含有灰卡的照片——每次光线环境变化或改变拍摄地点后都要重新拍摄。你可以让模特自己举着灰卡，或放在靠近被摄体的位置。 在将照片传入电脑之后，首先在camera raw（Photoshop处理RAW文件的插件）中加载在相同光线环境下的照片，然后找到带有灰卡的那张（一般是第一张），从顶部工具条中选择白平衡工具，并点击照片中的灰卡。

现在软件就会自动调整白平衡并校准照片色彩。现在你需要做的就是将相同设置同步到其他所有（相同光线环境下的）照片。非常方便快速的方法，在Lightroom中也同样适用。 希望这篇短文能够对你的后期工作有所帮助。在户外及婚礼拍摄时我一直使用这个技巧，所以很确定使用灰卡能够调整白平衡。

【高中必修3数学算法案例总结】高中数学必修1

【高中必修3数学算法案例总结】高中数学必修1 在高中数学必修3算法教学中，为帮助学生理解案例的数学本质,安排了算法案例一节内容，下面是小编给大家带来的高中必修3数学算法案例总结，希望对你有帮助。 高中必修3数学算法案例 高中数学学习方法 抓好基础是关键 数学习题无非就是数学概念和数学思想的组合应用，弄清数学基本概念、基本定理、基本方法是判断题目类型、知识范围的前提，是正确把握解题方法的依据。只有概念清楚，方法全面，遇到题目时，就能很快的得到解题方法，或者面对一个新的习题，就能联想到我们平时做过的习题的方法，达到迅速解答。弄清基本定理是正确、快速解答习题的前提条件，特别是在立体几何等章节的复习中，对基本定理熟悉和灵活掌握能使习题解答条理清楚、逻辑推理严密。反之，会使解题速度慢，逻辑混乱、叙述不清。 严防题海战术 做习题是为了巩固知识、提高应变能力、思维能力、计算能力。学数学要做一定量的习题，但学数学并不等于做题，在各种考试题中，有相当的习题是靠简单的知识点的堆积，利用公理化知识体系的演绎而就能解决的，这些习题是要通过做一定量的习题达到对解题方法的展移而实现的，但，随着高考的改革，高考已把考查的重点放在创造型、能力型的考查上。因此要精做习题，注意知识的理解和灵活应用，当你做完一道习题后不访自问：本题考查了什么知识点?什么方法?我们从中得到了解题的什么方法?这一类习题中有什么解题的通性?实现问题的完全解决我应用了怎样的解题策略?只有这样才会培养自己的悟性与创造性，开发其创造力。也将在遇到即将来临的期末考试和未来的高考题目中那些综合性强的题目时可以有一个科学的方法解决它。 归纳数学大思维

白平衡

一、原始的灰色世界算法 要计算未知光源的特性必须从图片中提取相关的统计特性。当我们能够仅使用一个统计特性就获得未知光源特性时，算法就变得非常简单了。在这种情况下，未知光源必须在整幅图片上都是统一的。均值于是就成为了此类方法之下最好的统计指标。而灰色世界法正是利用了均值作为估算未知光源的关键统计量。 从物理意义上说，灰色世界法假设自然界景物对于光线的平均反射的均值在总体上是个定值，这个定值近似地为“灰色”。在给定图片的白平衡算法中，灰色世界假设图片中的反射面足够丰富，以至于可以作为自然界景物的一个缩影。若这幅图片是在经典光源下拍摄的，其均值就应该等于灰色。若这幅图是在非经典光源下拍摄的，那么均值就会大于或者小于灰色值。而该均值对于灰色的偏离程度则反映了未知光源相对于已知光源的特性。 (就是因为这个假设，实际上灰度世界对图片色彩不丰富的情况，效果不是很好) 虽然这个方法比较简单，但是仍然可以从一些方面进行调整。一 个方面就是对于灰色的定义形式的选择。包括对于光谱的定义、对于光谱成分的定义和在经典光源之下的 RGB 的响应。另一个更加重要的调整方面就是对于灰色的选择。不管如何定义灰色，最佳的灰色之选必然是自然界实事上出现的灰色。但是这个值是无法获得的（除非是合成数据），所以对于灰色的选择是不同的灰色世界算法的一个重要的区别点。

一个方法是假设这个灰色就是实事上的灰色。也就是说反射光谱是均衡的。给定光源之下的 RGB响应是纯白色对此光源的响应值的一部分。比方说，可以使用50%作为反射率（虽然这个灰色值对于人眼视觉习惯而言可能过于明亮）。 另一种方法，就是根据大量的数据提炼出一个均值，并把它定义为灰色。这种方法提炼的灰色值可能因为数据库使用的不同而有所不同。最终提炼的灰色也能仅适用于原始的数据库，而对于数据库未包括的图片的适用度就会比较差一些。确定下来的灰色表达形式可以用来表示。下标 i 表示信道，上标 c为canonical的首字母，表示经典光源。 在确定灰色的表达形式后只要用 RGB响应与经典光源下灰色的比值来归一化图片就可以了。假设 RGB响应均值为，下标 i 表示信道，上标 U为Unknown的首字母，表示未知光源。那么归一化率的计算式为如下式所示： 根据光源转换理论，从未知光源到经典光源下图片表达式的转换式如下式所定义：

图像分割方法总结

医学图像分割理论方法概述 医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前,主要以各种细胞、组织与器官的图像作为处理的对象,图像分割技术主要基于以下几种理论方法。 1.基于统计学的方法 统计方法是近年来比较流行的医学图像分割方法。从统计学出发的图像分割方法把图像中各个像素点的灰度值看作是具有一定概率分布的随机变量,观察到的图像是对实际物体做了某种变换并加入噪声的结果,因而要正确分割图像,从统计学的角度来看,就是要找出以最大的概率得到该图像的物体组合。用吉布斯(Gibbs)分布表示的Markov随机场(MRF)模型,能够简单地通过势能形式表示图像像素之间的相互关系,因此周刚慧等结合人脑MR图像的空间关系定义M arkov随机场的能量形式,然后通过最大后验概率 (MAP)方法估计Markov随机场的参数,并通过迭代方法求解。层次MRF采用基于直方图的DAEM算法估计标准有限正交混合( SFNM)参数的全局最优值,并基于MRF先验参数的实际意义,采用一种近似的方法来简化这些参数的估计。林亚忠等采用的混合金字塔Gibbs随机场模型,有效地解决了传统最大后验估计计算量庞大和Gibbs随机场模型参数无监督及估计难等问题,使分割结果更为可靠。 2.基于模糊集理论的方法 医学图像一般较为复杂,有许多不确定性和不精确性,也即模糊性。所以有人将模糊理论引入到图像处理与分析中,其中包括用模糊理论来解决分割问题。基于模糊理论的图形分割方法包括模糊阈值分割方法、模糊聚类分割方法等。模糊阈值分割技术利用不同的S型隶属函数来定义模糊目标,通过优化过程最后选择一个具有最小不确定性的S函数,用该函数表示目标像素之间的关系。这种方法的难点在于隶属函数的选择。模糊C均值聚类分割方法通过优化表示图像像素点与C各类中心之间的相似性的目标函数来获得局部极大值,从而得到最优聚类。Venkateswarlu等改进计算过程,提出了一种快速的聚类算法。 2. 1 基于模糊理论的方法模糊分割技术是在模糊集合理论基础上发展起来的,它可以很好地处理MR图像内在的模糊性和不确定性,而且对噪声不敏感。模糊分割技术主要有模糊阈值、模糊聚类、模糊边缘检测等。在各种模糊分割技术中,近年来模糊聚类技术,特别是模糊C - 均值( FCM)聚类技术的应用最为广泛。FCM是一种非监督模糊聚类后的标定过程,非常适合存在不确定性和模糊性特点的MR图像。然而, FCM算法本质上是一种局部搜索寻优技术,它的迭代过程采用爬山技术来寻找最优解,因此容易陷入局部极小值,而得不到全局最优解。近年来相继出现了许多改进的FCM分割算法,其中快速模糊分割( FFCM)是最近模糊分割的研究热点。FFCM算法对传统FCM算法的初始化进行了改进,用K - 均值聚类的结果作为模糊聚类中心的初值,通过减少FCM的迭代次数来提高模糊聚类的速度。它实际上是两次寻优的迭代过程,首先由K - 均值聚类得到聚类中心的次最优解,再由FCM进行模糊聚类,最终得到图像的最优模糊分割。

人教版高中数学【必修三】[知识点整理及重点题型梳理]_算法案例_基础

人教版高中数学必修三 知识点梳理 重点题型（常考知识点）巩固练习 算法案例 【学习目标】 1.理解辗转相除法与更相减损术中蕴含的数学原理，并能根据这些原理进行算法分析； 2.基本能根据算法语句与程序框图的知识设计完整的程序框图并写出算法程序； 3.了解秦九韶算法的计算过程，并理解利用秦九韶算法可以减少计算次数提高计算效率的实质； 4.了解各种进位制与十进制之间转换的规律，会利用各种进位制与十进制之间的联系进行各种进位制之间的转换. 【要点梳理】 要点一、辗转相除法 也叫欧几里德算法，它是由欧几里德在公元前300年左右首先提出的.利用辗转相除法求最大公约数的步骤如下： 第一步：用较大的数m除以较小的数n得到一个商q0和一个余数r0； 第二步：若r0=0，则n为m，n的最大公约数；若r0≠0，则用除数n除以余数r0得到一个商q1和一个余数r1； 第三步：若r1=0，则r0为m，n的最大公约数；若r1≠0，则用除数r0除以余数r1得到一个商q2和一个余数r2； …… 依次计算直至r n=0，此时所得到的r n－1即为所求的最大公约数. 用辗转相除法求最大公约数的程序框图为：

程序： INPUT “m=”;m INPUT “n=”;n IF m0 r=m MOD n m=n n=r WEND PRINT n END 要点诠释： 辗转相除法的基本步骤是用较大的数除以较小的数，考虑到算法中的赋值语句可以对同一变量多次赋值，我们可以把较大的数用变量m 表示，把较小的数用变量n 表示，这样式子)0(n r r q n m <≤+?=就

了解白平衡和白平衡的设置技巧

了解白平衡和白平衡的设置技巧 篇一：所谓白平衡 所谓白平衡，就是摄像机对白色物体的还原。当我们用肉眼观看这大千世界时，在不同的光线下，对相同的颜色的感觉基本是相同的，比如在早晨旭日初升时，我们看一个白色的物体，感到它是白的；而我们在夜晚昏暗的灯光下，看到的白色物体，感到它仍然是白的。这是由于人类从出生以后的成长过程中，人的大脑已经对不同光线下的物体的彩色还原有了适应性。但是，作为摄像机，可没有人眼的适应性，在不同的光线下，由于ＣＣＤ输出的不平衡性，造成摄像机彩色还原失真：或者图像偏蓝，或者偏红，如图所示。 下图中中间的图像彩色还原是正常的，而左侧的图像明显偏蓝，右侧图像则偏红，因此左侧及右侧的图像都为白平衡不正常的图像．为了了解白平衡，就必须了解另一个重要的概念：色温。所谓色温，简而言之，就是定量地以开尔文温度表示色彩。当物体被电灯或太阳加热到一定的温度时，就会发出一定的光线，此光线不仅含有亮度的成份，更含有颜色的成份，而色温越高，蓝色的成份越多，图像就会偏蓝；相反，色温越低，红色的成份就越多，图像就会偏红。因此，如果照射物体的光线发生了变化，那末其反映出的色彩也会发生了变化，而这种变化反映到摄像机里，就会产生在不同光线下彩色还原不同的现象。下面的表格显示了一些光线下的色温情况。 光源色温（K）

蜡烛2000 钨丝灯2500-3200 碳棒灯4000-5500 荧光灯4500-6500 日光（平均）5400 有云天气下的日光 6500-7000 阴天日光12000-18000 从上表可见，不同光线下色温相差十分悬殊，造成摄像机在不同的光线下彩色还原不同。为解决这个问题，现在的摄像机都具有白平衡校正功能，对不同的色温进行补偿，从而真实地还原拍摄物体的色彩。 现在摄像机都具备有自动白平衡及手动白平衡功能。自动白平衡使得摄像机能够在一定色温范围内自动地进行白平衡校正，其能够自动校正的色温范围在2500K-7000K之间，超过此范围，摄像机将无法进行自动校正而造成拍摄画面色彩失真，此时就应当使用手动白平衡功能进行白平衡的校正。具体操作请参看使用技巧的相关文章。 、实验目的 1 ．掌握一体化摄像机与监视器的连接和调整； 2 ．熟悉摄录一体机的调整； 3 ．学会摄录一体机的正确操作和使用；

算法初步全章总结

必修3 第一章算法初步全章小结 【知识内容结构】 割圆术 【重点知识梳理与注意事项】 『算法与程序框图』 ◆算法 算法可以理解为由基本运算及规定的运算顺序所构成的完整的解题步骤，或者看成按照要求设计好的有限的明确的计算序列，并且这样的步骤或序列能够解决一类问题。 描述算法可以有不同的方式。可以用自然语言和数学语言加以叙述，也可以借助形式语言（算法语言）给出精确的说明，也可以用框图直观地显示算法的全貌。 ◆程序框图 ◇概念：通常用一些通用图形符号构成一张图来表示算法，这种图称作程序框图（简称框图）。 ◇常用图形符号： 注意：i）起、止框是任何流程不可少的；

ii）输入和输出可用在算法中任何需要输入、输出的位置； iii）算法中间要处理数据或计算，可分别写在不同的处理框内； iv）当算法要求对两个不同的结果进行判断时，判断条件要写在判断框内； v）如果一个框图需要分开来画，要在断开处画上连接点，并标出连接的号码。 ◇画程序框图的规则： （1）使用标准的框图的符号； （2）框图一般按从上到下、从左到右的方向画； （3）除判断框外，其他框图符号只有一个进入点和一个退出点，判断框是具有超过一个退出点的唯一符号； （4）一种判断框是二择一形式的判断，有且仅有两个可能结果；另一种是多分支判断，可能有几种不同的结果； （5）在图形符号内描述的语言要非常简练清楚。 ◆算法的三种基本逻辑结构 ◇顺序结构：描述的是最简单的算法结构，语句与语句之间，框与框之间按从上到下的顺序进行。 例： ◇条件分支结构：是依据指定条件选择执行不同指令的控制结构。 例： ◇循环结构：根据指定条件决定是否重复执行一条或多条指令的控制结构。

白平衡的定义

英文名称：White Balance 白平衡的定义 白平衡是电视摄像领域一个非常重要的概念，通过它可以解决色彩还原和色调处理的一系列问题。白平衡是随着电子影像再现色彩真实而产生的，在专业摄像领域白平衡应用的较早，现在家用电子产品（家用摄像机、数码照相机）中也广泛地使用，然而技术的发展使得白平衡调整变得越来越简单容易，但许多使用者还不甚了解白平衡的工作原理，理解上存在诸多误区。它是实现摄像机图像能精确反映被摄物的色彩状况，有手动白平衡和自动白平衡等方式。 许多人在使用数码摄像机拍摄的时候都会遇到这样的问题：在日光灯的房间里拍摄的影像会显得发绿，在室内钨丝灯光下拍摄出来的景物就会偏黄，而在日光阴影处拍摄到的照片则莫名其妙地偏蓝，其原因就在于“白平衡”的设置上。 LED与白平衡 白平衡是电视摄像领域一个非常重要的概念，通过它可以解决色彩还原和色调处理的一系列问题。白平衡是随着电子影像再现色彩真实而产生的，在专业摄像领域白平衡应用的较早，现在家用电子产品（家用摄像机、数码照相机）中也广泛地使用，虽然技术的发展使得白平衡调整变得越来越简单容易，但许多使用者还不甚了解白平衡的工作原理，理解上存在诸多误区。 一、什么是白平衡 白平衡，字面上的理解是白色的平衡。那什么是白色？这就涉及到一些色彩学的知识，白色是指反射到人眼中的光线由于蓝、绿、红三种色光比例相同且具有一定的亮度所形成的视觉反应。我们都知道白色光是由赤、橙、黄、绿、青、蓝、紫七种色光组成的，而这七种

色光又是有红、绿、蓝三原色按不同比例混合形成，当一种光线中的三原色成分比例相同的时候，习惯上人们称之为消色，黑、白、灰、金和银所反射的光都是消色。通俗的理解白色是不含有色彩成份的亮度。人眼所见到的白色或其他颜色同物体本身的固有色、光源的色温、物体的反射或透射特性、人眼的视觉感应等诸多因素有关（请参阅《色彩学原理》），举个简单的例子，当有色光照射到消色物体时，物体反射光颜色与入射光颜色相同，既红光照射下白色物体呈红色，两种以上有色光同时照射到消色物体上时，物体颜色呈加色法效应，如红光和绿光同时照射白色物体，该物体就呈黄色。当有色光照射到有色物体上时，物体的颜色呈减色法效应。如黄色物体在品红光照射下呈现红色，在青色光照射下呈现绿色，在蓝色光照射下呈现灰色或黑色。 在了解白平衡之前还要搞清另一个非常重要的概念――色温。所谓色温，简而言之，就是定量地以开尔文温度（K）来表示色彩。英国著名物理学家开尔文认为，假定某一黑体物质，能够将落在其上的所有热量吸收，而没有损失，同时又能够将热量生成的能量全部以“光”的形式释放出来的话，它便会因受到热力的高低而变成不同的颜色。例如，当黑体受到的热力相当于500—550℃时，就会变成暗红色，达到1050－1150℃时，就变成黄色，温度继续升高会呈现蓝色。光源的颜色成分是与该黑体所受的热力温度是相对应的，任何光线的色温是相当于上述黑体散发出同样颜色时所受到的“温度”，这个温度就用来表示某种色光的特性以区别其它，这就是色温。打铁过程中，黑色的铁在炉温中逐渐变成红色，这便是黑体理论的最好例子。色温现象在日常生活中非常普遍，相信人们对它并不陌生。钨丝灯所发出的光由于色温较低表现为黄色调，不同的路灯也会发出不同颜色的光，天然气的火焰是蓝色的，原因是色温较高。万里无云的蓝天的色温约为10000 K，阴天约为7000~9000 K，晴天日光直射下的色温约为6000 K，日出或日落时的色温约为2000 K，烛光的色温约为1000 K。这时我们不难发现一个规律：色温越高，光色越偏蓝；色温越低则偏红。某一种色光比其它色光的色温高时，说明该色光比其它色光偏蓝，反之则偏红；同样，当一种色光比其它色光偏蓝时说明该色光的色温偏高，反之偏低。 由于人眼具有独特的适应性，使我们有的时候不能发现色温的变化。比如在钨丝灯下呆久了，并不会觉得钨丝灯下的白纸偏红，如果突然把日光灯改为钨丝灯照明，就会觉查到白纸的颜色偏红了，但这种感觉也只能够持续一会儿。摄像机的CCD并不能像人眼那样具有适应性，所以如果摄像机的色彩调整同景物照明的色温不一致就会发生偏色。那么什么是白平衡呢？白平衡就是针对不同色温条件下，通过调整摄像机内部的色彩电路使拍摄出来的影像抵消偏色，更接近人眼的视觉习惯。白平衡可以简单地理解为在任意色温条件下，摄像机镜头所拍摄的标准白色经过电路的调整，使之成像后仍然为白色。这是一种经常出现的情况，但不是全部，白平衡其实是通过摄像机内部的电路调整（改变蓝、绿、红三个CCD电平的

查找算法实现与性能分析 (数据结构课程设计)

成绩 南京工程学院 课程设计说明书(论文) 题目查找算法实现与性能分析 课程名称数据结构 院（系、部、中心）通信工程 专业 班级 学生姓名 学号 设计地点 指导教师 设计起止时间：2009年12月28 日至2009 年12 月31日

目录 1．功能描述（或设计目标）1 2．总体设计（或概要设计）2 2．1数据结构描述与定义2 2．2模块设计3 3．测试结果与分析3 4．课程设计总结7参考文献: 7

1．功能描述（或设计目标） 系统的功能: 一、数据结构的定义 二、静态查找算法实现 1.顺序查找：是从数组的最后一个元素开始查找，直到找到待查找元素的位置，直到查找到结果。 2.折半查找：折半查找是将待查找的数组元素不断的分为两部分，每次淘汰二分之一，但是有个大前提是，元素必须是有序的，如果是无序的则要先进行排序操作 三、动态查找算法实现 二叉排序树建立、查找：二叉查找树是先对待查找的数据进行生成树，确保树的左分支的值小于右分支的值，然后在就行和每个节点的父节点比较大小。 若二叉排序树为空，则查找不成功；否则： 1）若给定值等于根结点的关键字，则查找成功； 2）若给定值小于根结点的关键字，则继续在左子树上进行查找； 3）若给定值大于根结点的关键字，则继续在右子树上进行查找。 四、性能分析(用大批量数据测试算法的执行时间) 1.对有序表进行折半查找在查找成功的前提下，对于任意的表长n,当n>50的时候，其平均查找长度(ASL)近似为log(2)[n+1] -1,要比顺序查找的ASL（（n+1)/2)高效得多，但是顺序查找对于任意次序的表都适合，而折半查找是必须针对有序表并且不是线性链表。对于无序表，采用折半查找之前，需要排序，根据采用排序算法的不同，此时整个折半查找的时间复杂度需要考虑排序的时间，而不仅仅是折半查找的时间复杂度。 2.二叉排序树中插入新结点，要保证插入后仍满足BST性质。其插入过程是： (a)若二叉排序树T为空，则为待插入的关键字key申请一个新结点，并令其为根； (b)若二叉排序树T不为空，则将key和根的关键字比较：

LCD白平衡调试说明

LCD白平衡调试说明 I2C信号模式结构： RomSub IcSub 初值 最大值 最小值 有效位 开始位 LG Sub 信号类型LB Slave 亮度数值 初值 彩色 高亮算法动态彩色 低亮算法x1 Warm y1 Std Y1 Cool 合格范围 nAjdMethor x2 y2 说明：Y2 nAdjustHigh ………………0 //先高亮，后低亮有次数AjustTimes 1 //先低亮，后高亮有次数基准色 2 //只有高亮无次数IsUseBase 3 //只有低亮无次数 w_cut ………………………保留 bOkStopSignal………………保留 每种信号模式都必须有高亮或低亮或高亮、低亮都有。 基准色包括高亮、低亮 IsUseBase包括高亮、低亮 合格区设定： 高亮合格区 低亮合格区 显示修正： 高亮修正 低亮修正 程序系统工作原理：

系统数据结构： //色温结构 typedef struct _COLOR_W ARM { float fHx; //高亮x值 float fHy; //高亮y值 float fHY; //高亮Y值 float fLx; //低亮x值 float fLy; //低亮y值 float fL Y; //低亮Y值 float fDrvRange; //高亮范围 float fCutRange; //低亮范围 }COLOR_W ARM, *PCOLOR_W ARM; //IC结构 typedef struct _IC_ADD_SET { int iSubRom; //IC Rom int iSubIc; //IC Sub int iInitialVal; //初值 int iMaxVal; //最大值 int iMixVal; //最小值 int iEffectBit; //有效位 int iStartBit; //开始位 }IC_ADD_SET, *PIC_ADD_SET; //色度结构 typedef struct _IC_COLOR_SET { int iSub; //Sub

自动白平衡(AWB)算法

自动白平衡(AWB)算法 色温曲线 本文大体讲解了白平衡的算法流程,适用于想了解和学习白平衡原理的筒子们. 一般情况下要实现AWB算法需要专业的图像和算法基础,本文力图通过多图的方式,深入浅出,降低初学者理解上的门槛,让大家都理解到白平衡算法流程. 看到这里还在继续往下瞄的同学,一定知道了色温的概念,并且知道sensor原始图像 中的白色如果不经AWB处理,在高色温(如阴天)下偏蓝,低色温下偏黄,如宾馆里的床头灯(WHY!OTZ) (如下图). 下面这个T恤的图片非常经典,怎么个经典后续再说,不过大体可以看出有偏黄和偏蓝的情况.虽然如此,却已经是AWB矫正以后的效果. 所以,为了眼前的女神白富美在镜头里不变成阿凡达和黄脸婆,这时就需要白平衡来工作了. 流程原理很简单: 1,在各个色温下(2500~7500)拍几张白纸照片,假设拍6张(2500,3500…7500),可以称作色温照. 2,把色温照进行矫正,具体是对R/G/B通道进行轿正,让偏色的白纸照变成白色,并记 录各个通道的矫正参数. 实际上只矫正R和B通道就可以,这样就得到了6组矫正参数(Rgain,Bgain). 3,上面是做前期工作,爱思考的小明发现,只要知道当前场景是什么色温,再轿正一下 就可以了.事实上也就是如此. 所以,AWB算法的核心就是判断图像的色温,是在白天,晚上,室内,室外,是烈日还是夕阳,还是在阳光下的沙滩上.或者是在卧室里”暖味”的床头灯下. 之前拍了6张色温照以及6组矫正参数.可是6够么,当然不够, 插值一下可以得到无数个值,我们把点连成线, 得到了一个神奇的曲线------色温曲线.大概是下面这个样子. 上面提到了三个值(RG,BG,色温),这应该是个三维的.没关系,我们再来一条RG跟色温的曲线,这样只要知道色温,就知道RG,知道RG,就知道BG,知道RG,BG就能轿正了,yes! 至此,我们的前期工作已经全部做完了, 并得到了AWB的色温曲线,下一步只要计算得到当前色温,顺藤摸瓜就能得到当前的矫正参数(Rgain,Bgain),那白平衡的工作就作 完了.(放心,当然没这么简单)