python摄像头白平衡色彩矫正

### 使用Python实现摄像头图像的白平衡和颜色校正

为了使摄像头捕捉到更接近真实场景的颜色，可以采用基于OpenCV库的方法来调整图像的白平衡并进行色彩矫正。具体来说，这涉及到读取视频流中的每一帧，并对其进行必要的处理。

#### 1. 初始化摄像头捕获对象
首先创建一个VideoCapture实例用于访问默认摄像设备：

import cv2

cap = cv2.VideoCapture(0)  # 打开第一个可用摄像头
if not cap.isOpened():
    raise IOError("Cannot open webcam")

#### 2. 定义灰世界假设法函数
此方法假定在一个均匀照明环境中，所有像素平均后的R,G,B三个分量应该相等。通过计算整个图片各通道均值并将它们标准化为相同数值的方式达到白平衡的效果[^1]。

def gray_world(image):
    b, g, r = cv2.split(image)
    avg_b, avg_g, avg_r = map(cv2.mean, (b, g, r))
    
    max_avg = max(avg_b, avg_g, avg_r)

    k_b = float(max_avg)/avg_b[0]
    k_g = float(max_avg)/avg_g[0]
    k_r = float(max_avg)/avg_r[0]

    balance_img = cv2.merge([cv2.convertScaleAbs(b*k_b), 
                             cv2.convertScaleAbs(g*k_g),
                             cv2.convertScaleAbs(r*k_r)])
                             
    return balance_img

#### 3. 实施Perceptual量化模型来进行进一步的颜色修正
这种方法考虑到了人类视觉系统的特性，在此基础上改进了简单的线性变换方式，从而更好地模拟实际感知效果[^2]。

def perceptual_quantization(image):
    image = cv2.cvtColor(image,cv2.COLOR_BGR2LAB)
    l,a,b=cv2.split(image)
    a = cv2.add(a,-5)  # 调整a*轴偏移量以改善肤色表现
    corrected_image = cv2.cvtColor(cv2.merge((l,a,b)),cv2.COLOR_LAB2BGR)
    return corrected_image

#### 4. 将上述功能应用于实时视频流中
对于每一张从摄像头获取的新帧执行前面定义的操作序列，最后显示经过处理的结果给用户查看。

while True:
    ret, frame = cap.read()
    if not ret: break
    
    balanced_frame = gray_world(frame.copy())
    final_output = perceptual_quantization(balanced_frame)

    cv2.imshow('Original',frame)
    cv2.imshow('Processed Image',final_output)

    c = cv2.waitKey(1)
    if c == 27:  # ESC 键退出循环
        break
        
cap.release()
cv2.destroyAllWindows()