随着科技的迅猛发展和图像采集设备的广泛应用,图像获取的方式越来越多。图像作为我们获取外部信息最直接的方式,其记录的信息十分丰富,主要体现在亮度、对比度、颜色信息等方面。当我们观察一幅图像时,首先会被其颜色吸引,即人眼首先捕获图像信息中的颜色信息,因而图像颜色信息在图像视觉中有很大影响。颜色是一种不稳定的图像特征。当光源变化时,物体反射的颜色也随之变化,这给需要依赖图像颜色信息的图像应用带来挑战。人眼可以避免光源的影响,看到真实的场景,而图像采集设备不能,如数码相机的感光元器件会受到光源变化的影响,记录的图像颜色会出现色偏。因此,需要消除色偏,这个消除过程就是白平衡过程。本文旨在对已有的色偏检测算法和白平衡算法分析,然后提出新的色偏检测算法和新的白平衡算法。本文首先从色彩理论基础出发,了解进行色偏检测和色偏校正的一些必要的基础知识,如颜色直方图、颜色空间、边缘检测算子、色温与光源的关系、白点检测算法、白平衡过程、经典的成像模型——朗伯特反射模型以及色偏校正过程常常使用的Von Kries对角模型等。这些理论知识是图像处理的基础,尤其在颜色恒常性领域应用的最多。其次,详细研究了一些色偏检测算法,并提出了基于颜色直方图的色偏检算法。这里主要分析的色偏检测方法有:Gray-world算法、White-patch算法和基于Lab颜色空间的色偏检测算法。它们都有各自的优缺点,有的色偏分类不准确,有的效率低,因此提出了基于颜色直方图的色偏检测算法。该算法检测效果和效率都比较好,为下一步的色偏校正做了准备。接着,对一些经典的色偏校正算法进行了分析和研究。主要分析了灰度世界法、完美反射算法和基于边缘检测的自动白平衡算法,并列出了每种算法的色偏校正效果,讨论了各自的优缺点,为下一步引出利用Green通道的自动白平衡算法作铺垫。最后,提出一种新的基于Green通道的自动白平衡算法。首先分析图像Green通道的特性:较高的采样率和光敏性,并且人眼对Green通道更敏感。然后通过实验对比发现:当色温变化时,Green通道相对其他通道(Red通道和Blue通道)更具鲁棒性。所以从Green通道提取的白色参考区域更合理。因此,对每一幅图像,从其Green通道中提取其白色参考区域评估场景光源,获取到增益系数,然后对色偏进行校正。经过实验比较,无论是主观评价还是客观评价,该算法的校正效果要比提到的其他几种算法好。由于本算法的时间复杂度比较低,所以校正速度快,进而可以很方便地应用在数码相机中并取得好的效果。因此,该算法可以广泛应用在数码相机和移动拍照设备中。