RGB色温估计的自动白平衡算法：性能提升与应用验证

本篇论文主要探讨的是"基于色温估计的自动白平衡算法"在图像传感器领域的研究与实现。作者王敏，专注于微电子与固体电子学专业，通过深入分析现有的自动白平衡算法，特别是灰度世界算法和基于色温的白平衡方法，发现它们在某些情况下可能存在不足。灰度世界算法在图像颜色信息较少时容易失效，而传统的色温估计方法在色度空间转换上可能造成精度损失。 论文的核心创新在于提出了一种新的RGB色度空间的自动白平衡算法。首先，作者通过实验确定了各常见色温对应的R/G、B/G值范围，并构建了一个色温查找表。接着，通过对图像像素点的R/G、B/G值进行统计和查表，可以精确地识别出每个像素点所属的色温。整个过程完成后，图像中最常见的色温即被识别为光源色温。然后，依据灰度世界假设，通过计算R、G、B通道的增益来进行白平衡补偿，从而实现对图像色彩的校正。 为了评估算法性能，论文采用了图像色调平均值作为评价指标，通过Matlab仿真和FPGA验证平台进行测试。结果显示，新算法在图形颜色丰富的场景下能有效改善图像色调，平均值降低19.2%；面对大面积色块，色调平均值减少42.8%，显著避免了灰度世界算法的失效。与YCbCr空间的色温估计算法相比，该算法的稳定性得到了提升。 此外，该算法已在两款不同的图像传感器芯片上得到了实际应用，包括640*480像素阵列和240*320像素阵列，证明了其在实际工作中的稳定性和适用性，无论是在各种复杂的光照条件下都能满足白平衡调整的需求。因此，本文的研究成果对于提高图像传感器的颜色准确性，尤其是在光线条件变化较大的应用场景中，具有重要意义。