AWB学习记录

主要参考食鱼者博客：https://blog.csdn.net/wtzhu_13/article/details/119301096，以及相关的论文，感谢食鱼者老师整理分享。

灰度世界和完全反射

灰度世界法和完全反射法分别是基于(Rmean, Gmean, Bmean)和(Rmax, Gmax, Bmax)来进行白平衡校正。具体校正公式也比较灵活，增益可以是Gmean/Rmean或者max(Rmax, Gmax, Bmax)/Rmax，应该没有很确切的方法定义，而只是两种校正思路。

QCGP

QCGP认为上述两种思路各有适用场景，所以希望融合。融合的方式是“二次正交”。

以往的校正都是线性增益，可以表示为 $R'=R_{gain}*R$ 。我们现在想融合两种方法，最先想到的会是将灰度世界所得增益和完全反射所得增益求平均，作为融合的增益。但是这种方式事实上是丢失信息的，因为只考虑二者的平均，没考虑差异。于是不能用这种线性加权的方式。

QCGP中引入两个参数的方式是二次正交。定义全新校正公式为 $R'=uR^2+vR$ ，且给这个融合的校正公式输入 $R_{mean}$ ，则输出应该为 $R'_{mean}=\frac{r_{mean}+g_{mean}+b_{mean}}{3}$ 。而输入 $R_{max}$ 也同理得到 $R'_{max}=\frac{r_{max}+g_{max}+b_{max}}{3}$ 。如此可以列出如下二元二次方程组，解得u和v两个参数。

$\left\{\begin{matrix}R_{mean}'=uR_{mean}^2+vR_{mean} \\R_{max}'=uR_{max}^2+vR_{max}\end{matrix}\right.$

模糊逻辑算法

不仅算法名字比较模糊，原论文A Method Of Automatic White Balance Using Fuzzy Logic和食鱼者老师讲的也都很模糊。我仅总结思路和考虑的方面。

总的来说，需要在Cr-Cb空间中找一个点来评价当前图像，所谓的白平衡即Cr=Cb=0，我们的任务是通过调整增益来使得调整后的图像评价为Cr=Cb=0。

评价的方式原文给了很详细的说明，逻辑如下：

分为8块，每块求各像素点的Cr-Cb值加权平均（对应到Cr-Cb空间中的一个点）
将8块的值加权求和，得到的即为整张图像的平均值。
第2步所提到的权值考虑的方面有：1）本块Cr值与周围块的Cr值偏差小，则本块的权重小。因为同属于一个大物体，所以此做法可以避免过度补偿。2）暗部和亮部的权重小。这样可以防止饱和测量值和低亮度下的噪声影响白平衡校正。3）每个块内部算平均Cr-Cb的时候，暗色的权重比亮色的小。

不过原文中并未给出校正的具体形式（是Cr'=K*Cr吗？），也未说明如何调整增益（K增大还是减小？），我暂时也不加探究，只知道其是一种迭代算法，每次调整后计算评价指标，评价指标符合条件时退出。