企业官网建设流程全解析

一、概述
人类视觉系统--色彩恒常性的能力
1.人眼看物体，无论是在色温约3000K的钨丝灯下，还是在色温超过6000K的日光下，白色物体始终被感知为白色
2.然而，数字成像传感器并不具备这种神经与心理调节机制。不同色温的光源具有不同的光谱功率分布，同一物体在低色温光源下会呈现偏红的外观，在高色温光源下则偏蓝
3.白平衡正是数字成像管线中用于消除光源色偏、还原物体真实色彩的关键处理步骤，其目标是在不同光照条件下保持图像色彩的相对一致性

白平衡问题的本质
1.白平衡问题的本质是光源颜色估计与校正
2.先从图像数据中估计场景光源的色度，再通过通道增益或色彩变换矩阵将图像映射至标准光源（如D65）下的色彩空间。
3.仅凭单幅图像的RGB值，无法唯一分解出光源颜色与物体反射率的乘积。
4.白平衡算法都必须引入某种关于场景内容或光源分布的假设，或依赖从数据中学习到的先验知识

二、白平衡算法分类
1.基于假设的方法
对自然图像的色彩统计或物理特性施加广泛性假设，运算速度快且与设备无关，但平均误差较大。

2.基于先验/学习的方法
通过预先采集的数据或训练模型来估计光源，精度更高，但计算成本与实现复杂度也相应增加。

3.无监督方法
无监督方法（包括灰度世界、完美反射等）通过预设假设直接计算光源估计，计算简单，是数字图像处理中的主流方案。

4.有监督方法
有监督方法借助机器学习从标注数据中学习光源估计的映射关系，不受固定假设的约束，在充足先验知识支撑下通常表现更优。

5.有监督方法借助机器学习从标注数据中学习光源估计的映射关系，不受固定假设的约束，在充足先验知识支撑下通常表现更优

三、常见的白平衡算法
1.灰度世界法
优点：
缺点：
使用场景：

2.完美反射法
优点：
缺点：
使用场景：

3.统计加权与白点投票方法

4.Retinex方法

5.色域映射与颜色相关性方法

======================================================================

1.人眼
人眼又色彩恒常性，并且大脑参与适应环境光，具备自动校正功能。相机不具备这个功能。

2.相机
相机记录的是光源光谱×物体反射率×传感器光谱响应的乘积积分，不是物体“固有色”
光源的光谱，以及不同的物体，以及图像传感器对光谱的响应最终对成像的效果产生了影响。
光源光谱 L(λ)，物体反射率 R(λ)，传感器通道敏感 S_c(λ)，像素值 I_c = ∫ L(λ) R(λ) S_c(λ) dλ + 噪声。

3.色温、色调
白平衡不只是“把白色变白”。它实际上是在定义整个图像的色彩坐标原点。白色参考点定了，其他颜色才有相对正确的坐标。就像音乐要先定调，白平衡就是给图像“定色彩基调”。

=========================================================================

1.在黑体辐射模型下，一个黑体要发出那种蓝光，它的物理温度必须达到约 9600℃（即 9873K）
2.在黑体辐射模型下，一个黑体要发出那种暖黄光，约 2500℃ → 发出暖黄光，色温约 2773K；
3.在黑体辐射模型下，一个黑体要发出那种暖黄光，约 5500℃ → 发出白光，色温约 5773K；

========================================================================

普朗克轨迹上的色度标尺

1.普朗克轨迹
2.色度标尺
3.色温
4.等温线
5.色温计算
6.黑体辐射
7.CIE 1931/1960
8.黑体在不同温度下的色度点在色度图上连成的曲线。也叫黑体轨迹。
9.绝对黑体被加热时，会发出连续光谱。温度不同，光谱分布不同，颜色也不同。