Bayer CFA下高效自动白平衡算法及其在嵌入式视觉系统中的应用

本文主要探讨了"基于Bayer CFA的自动白平衡算法的实现"这一主题。Bayer CFA（Color Filter Array），是一种常见的图像传感器设计，它通过交替排列红色、绿色和蓝色滤镜来捕捉光线，形成RGB色彩信息。在机器视觉领域，特别是嵌入式系统中，快速获取高质量的彩色图像是非常关键的。文章的作者——钱勇、白瑞林、姚林昌和何薇，针对这一需求，提出了一种适合这类系统的优化算法。 他们改进了传统的灰度世界-视网膜法（Gray World-Retinex, GWR）白平衡算法。在原始的GWR算法中，算法假设所有像素的亮度相同（即灰度世界假设），并通过计算像素的总和来估计白色点（即白平衡）。然而，对于Bayer CFA，由于其色彩过滤的特性，这个假设并不完全适用。因此，作者创新性地调整了GWR算法的输入参数：用红、绿、蓝三种颜色的像素均值替代原来的像素总和，这是考虑到Bayer CFA中的颜色分布；同时，使用近似白色点的三种颜色像素均值，而非最大值，以更准确地反映真实场景的色彩平衡。 实验结果显示，这种改进后的Bayer GWR算法能够有效地减少因色温差异导致的色彩失真，降低了数据计算的复杂性和计算量。在实际应用中，尤其是在主频为600MHz的智能相机中，处理640像素×480像素的Bayer图像数据仅需34毫秒，这表明该算法具有很高的实时性能，能满足嵌入式机器视觉系统的实时性和实用性要求。 此外，文章还提到了研究背景，即这项工作得到了国家自然科学基金（No. 60804013）的支持，并在2011年4月11日初次收稿，在5月31日进行了修订。该研究的中图分类号为TP391，文献标识码为A，意味着它被归类在计算机科学技术的图像处理部分，并且具有较高的学术价值。 这篇文章为Bayer CFA下的自动白平衡提供了一种有效且高效的解决方案，对于提高图像质量，特别是在嵌入式系统中的实时应用具有重要意义。