色彩平衡
这篇文章是关于应用于静止图像的过程。有关应用于视频的等效处理，请参阅颜色分级。
在摄影和图像处理中，色彩平衡是颜色强度（通常是红色，绿色和蓝色原色）的全局调整。中性色 - 正确。平衡，中性平衡或白平衡。色彩平衡改变图像中整体色彩的混合，并用于色彩校正。色彩平衡的通用版本用于校正除中性色以外的色彩或故意改变其效果。
由传感器采集的图像数据 - 电影或电子图像传感器。采集过程和人眼可视化过程的各个方面都呈现在人眼中采集与显示器观看条件不同。
直接在红色，绿色和蓝色通道像素值[1] [2]上，不考虑任何颜色感测或复制模型。在电影摄影中，颜色校正过滤器在灯光或相机镜头上使用色彩平衡。[3]
广义色彩平衡
色彩平衡示例
有时候颜色是在原始场景中。[4] 特别重要的是，场景中的中性（灰色，中性，白色）色彩在再现中显得中性。[5]
光源估计和适应
澳大利亚塔斯马尼亚南臂克利夫顿海滩的海景照片。白平衡已被调整到温暖的一面以获得创意效果。
ColorChecker的照片作为色彩平衡调整的参考镜头。
一张高层建筑的两张照片用一台入门级傻瓜相机一分钟拍摄。左侧照片显示“正常”，更精确的色彩平衡，右侧则显示“鲜艳”的色彩平衡，相机效果，黑色背景旁边没有后期事件。
火星上的夏普山（Aeolis Mons）的颜色版本（原始，自然，白平衡）比较
火星上的夏普山（Aeolis Mons）的白平衡图像
[需要引证]这些过程的算法执行广义的色适应。
许多方法存在色彩平衡。在相机上设置按钮可以指示场景照明的性质。某些相机的另一个选项是一个按钮。这会捕获环境光线的图像，从而为该光线提供正确的色彩平衡。
有大量关于相机数据的信息，然后使用这些信息来转换图像数据。已经提出了各种算法，并且已经讨论了这些算法的质量。几个例子和其中的参考文献的检查。例如Retinex，人工神经网络[6]或贝叶斯方法[7]。
彩色
图像上的色彩平衡不仅会影响中性色彩，还会影响其他颜色。 [8] [需要的页面]色彩平衡可以考虑色彩偏差。
因此色彩平衡与颜色恒常性有关。算法和技术也用于色彩平衡。色彩恒常性又与色彩适应有关。从概念上讲，颜色平衡由两个步骤组成：首先，确定拍摄图像的光源;其次，缩放组件（例如R，G和B）以使它们符合观看光源。
Viggiano发现相机的RGB色彩模型中的白平衡对于超过4000个假设的相机灵敏度集合，倾向于产生比RGB更少的色彩不均匀性（即，色彩失真较少）[9]。这种差异通常构成了RGB多于两个的因素。该图像被捕获，而不是在监视器上编辑。平衡原始图像数据的趋势比彩色颜色产生的失真要少于监视器RGB中的平衡。
色彩平衡的数学
使用3×3矩阵对三分量图像（例如，RGB）执行色彩平衡。 这种类型的转换是合适的。图像是在数码相机上使用错误的白平衡设置捕捉的，或者通过彩色滤镜捕捉的。
缩放监视器R，G和B.
原则上，人们想要对图像中的所有相对亮度进行缩放，以使相信为中性的物体以这种方式出现。 例如，如果一个R = 240的表面R = 240它说了什么，它会说什么？ 至少在理论上，对绿色和蓝色做类似的处理会导致色彩平衡的图像。 在这种类型的变换中，3×3矩阵是一个对角矩阵。
其中R R，G G和B 是图像中像素的颜色平衡红色，绿色和蓝色分量; R'， G'和B'是颜色平衡之前图像的红色，绿色和蓝色分量， R w' ，G w'，and B w’是在颜色平衡之前被认为是图像中白色表面的像素的红色，绿色和蓝色分量。这是红色，绿色和蓝色通道的简单缩放比例，Photoshop中的色彩平衡工具和GIMP具有白色吸管工具。据称它被sRGB用来中和完全中性的颜色[9]。
缩放X，Y，Z
CIE XYZ三色刺激值，可以在那里执行色彩平衡。这被称为“Kries的错误”转变。[10] [11]虽然它往往比监视器中的平衡更差，但它与其他事物的桥梁一样好。在数学上，一台电脑：
其中X，Y和Z是颜色平衡的三色刺激值; X w，Y w和Z w 观看光源（图像转换成符合的白点）; X w'，Y w'，and Z w'是未色彩平衡图像中对象的三色值，并且X'，Y'和Z'是未色彩平衡图像中像素的三色值。 如果监视器原色的三刺激值在矩阵P 中，则：
其中LR ，LG {和LB是未经伽马校正的监视器 RGB，可以使用：
从克里斯的方法
约翰内斯冯克里斯，其视网膜中的棒和三种颜色敏感的视锥体类型的理论已经存活了100多年，作为色觉的主要解释，激发了将色彩转换为LMS色彩空间的方法，该方法代表了对色觉的有效刺激 长波长，中波长和短波长锥体类型，它们被模拟为独立调整。 3x3矩阵将RGB或XYZ转换为LMS，然后对三个LMS主值进行缩放以平衡中性; 最终色彩空间：[12]
其中 L， M和S 是颜色平衡的LMS锥体三色值; L w'，M w'{，and S w'是在未色彩平衡图像中被认为是白色的物体的三色值，并且L'，M'和S'是未色彩平衡图像中像素的三色值。
Kries，但可以从CIE色彩匹配函数和LMS色彩匹配函数中导出后者; 因此可以在参考书中找到矩阵[12]。
缩放相机RGB
通过Viggiano的测量，并使用他的高斯相机光谱灵敏度模型，大多数RGB RGB空间的性能要好于RGB或XYZ [9]。 如果相机的原始RGB值已知，则可以使用3x3对角线矩阵：
然后在平衡后将其转换为可用于RGB空间搜索的sRGB或Adobe RGB。
首选的颜色适应空间
通过多种不同颜色的外观模型测量，在许多不同的RGB空间中通过对角线变换平衡的图像的比较已经被确定为比其他的更好，并且比用于色彩适应的相机或监视器空间更好; 使用“Sharp”，“Bradford”，“CMCCAT”和“ROMM”空间。[13]
一般照明适应
用于适应变化的最佳色彩矩阵不一定是固定色彩空间中的对角矩阵。 人们早就知道光源的空间可以描述为一个具有N个基本项的线性模型，适当的颜色变换想要成为N个固定线性变换的加权和，不一定是对角化的。