用于数码显微镜的白平衡校正方法

摘要

提出了一种用于数码显微镜的非线性白平衡方法.以标准D65光源光照下孟赛尔色卡每个色块的XYZ三刺激值和所成图像中的RGB值为训练样本,用神经网络建立不同数码显微镜拍摄的RGB输出与XYZ三刺激值之间的关系;再通过Estevens矩阵把XYZ三刺激值转换成人眼感光器所接受到的刺激值,并进行非线性计算;最后把计算结果转换回RGB空间,从而得到白平衡后的图像.实验结果表明,该方法所得的白平衡校正结果更加接近标准白光照射下的图像颜色.在光源色纯度较高的情况下,采用调整通道增益的方法变化幅度较大,而采用本文提出方法结果更加稳定;特别是当光源的色纯度过大使得图像中某个颜色通道的值接近0的时候,用调整三通道增益的方法已经完全失去了校正作用,而采用本文中的非线型方法仍然可以得到好的校正结果.同时,此方法中建立的神经网络模型反映的是成像设备的RGB空间到XYZ空间的转换特性,对于不同的光照条件,此特性不变,因此对于不同光源不需要分别建立神经网络模型.