色温：
讨论白平衡，就要从色温谈起，色温顾名思义就是色彩的温度，它指的是绝对黑体从绝对零度开始持续加热所呈现出来的颜色。温度升高，颜色开始从红、橙、黄、绿、蓝、靛、紫，逐渐变化。这些颜色的差异来自于不同波长光线的比例不同，色温越低，波长较长的光线比例大，红色成分就多。色温越高，波长较短的光线比例大，蓝色的成分就多。
白平衡的目的就是让物体从在不同光源下所呈现出来的颜色，恢复到物体的固有色，以达到减少色偏或者无色偏的效果 若图像中绿色较强，蓝色和红色较弱，则用了灰度世界算法后，绿色会适当减弱，蓝色和红色会适当加强，这样就使原本偏色严重的情况得到了缓解。
该算法的优点是简单快捷，能应用于一般场景的处理，但是当图片颜色比较单一或者单一色块的面积较大时，灰度世界法不成立，处理结果会出现偏差。
基于灰度世界假设为前提 （在一副色彩多样的图像中，最终所有颜色的平均统计值应该是一致的，也就是灰色的。）认为对于一副有大量色彩的场景，R，G，B分量的平均值趋于同一个灰度。算法大致可分为三步：
%%白平衡与色温紧密相关，不同色温光源下图像会呈现不同程度的偏色
%%由于人眼独特的适应性，在不同光照条件下观看物体时不会出现偏色，而就没这么先进了
%%蓝色光色温高，红色光色温低
clc;
clear all;
close all;
tic;
imgSrc = imread('E:\picture\03-work\02-imgProc\00-ISP\wb_sardmen-incorrect.jpg');
imgDst = imgSrc;
%%第一步，计算三个通道的平均灰度
imgR = imgSrc(:,:,1);
imgG = imgSrc(:,:,2);
imgB = imgSrc(:,:,3);
RAve = mean2(imgR);
GAve = mean2(imgG);
BAve = mean2(imgB);
aveGray = (RAve + GAve + BAve) / 3;
%%第二步，计算三个通道的增益系数
RCoef = aveGray / RAve;
GCoef = aveGray / GAve;
BCoef = aveGray / BAve;
%%第三步，使用增益系数来调整原始图像
RCorrection = RCoef * imgR;
GCorrection = GCoef * imgG;
BCorrection = BCoef * imgB;
imgDst(:,:,1) = RCorrection;
imgDst(:,:,2) = GCorrection;
imgDst(:,:,3) = BCorrection;
figure,subplot(1,2,1),imshow(imgSrc),title('original image');
subplot(1,2,2),imshow(imgDst),title('white balanced image');
toc;
全反射理论：一幅图像中亮度最大的点就是白点, 即假设在 YCbCr 空间中Ｙ值最大的点为白色, 以此来校正整幅图像。特点是只考虑色彩最亮的那部分, 跟上面的灰度世界理论正好相反, 在处理色彩偏单调的图像时效果好些, 但面对颜色丰富的图片时, 因为最亮的点不一定是白色的, 可能会出现偏色的情况
完美反射算法基本原理：假设图像中最亮的点就是白点，并以此白点为参考对图像进行自动白平衡，最亮点定义为R+G+B的最大值。
算法步骤：计算每个像素点的R+G+B之和并保存；按照值的大小计算出其前10%或其他比例的白色参考点阈值T；遍历图像计算其中R+G+B值大于T的所有点的R、G、B分量的累积和的平均值；将每个像素量化到[0,255]。
完美反射算法优点是比灰度世界算法稍好，但是依赖比例值的选取，并且对亮度最亮区域不是白色的图像效果不佳。
%% 完美反射法
clear all
close all
clc
% 输入图像（存在颜色偏差的原始图像）
I=im2double(imread('Test.jpg'));
% 分离各个通道
R=I(:,:,1); G=I(:,:,2); B=I(:,:,3);
% 计算每个RGB灰度值之和
sumRGB=R+G+B;
% 将RGB值的大小进行排序
sumsort=sort(sumRGB(:)');
count=round(size(sumsort,2)*0.9);
T=sumsort(count);
index=sumRGB>T;
KR=max(R(:))/mean(R(index));
KG=max(G(:))/mean(G(index));
KB=max(B(:))/mean(B(index));
R1=R*KR;G1=G*KG;B1=B*KB;
out=cat(3,R1,G1,B1);
figure;imshow([I out]);