数学建模_白平衡图像增强(批量处理)Matlab代码包教会使用,直接替换数据即可

白平衡图像增强

模型简介

在图像处理领域，白平衡是图像增强的重要步骤之一，主要用于调整图像的色彩平衡，使其更接近于人眼的视觉感知。本博客介绍一个 批量白平衡增强模型，能够自动调整多个图片的白平衡，并计算图像质量评价指标（PSNR、UCIQE、UIQM），最终保存增强后的图像和评价结果。

该方法特别适用于需要对大批量图片进行色彩校正的场景，如摄影后期处理、水下图像校正等。

模型原理

白平衡调整原理

白平衡调整的核心思想是让图像的 RGB 三个通道达到均衡状态。具体方法是通过调整每个通道的比例，使其与灰度平均值相等：

设原始图像的三个通道均值分别为
$\text{avgR}, \text{avgG}, \text{avgB}$
总灰度均值：
$\text{avgGray} = \frac{\text{avgR} + \text{avgG} + \text{avgB}}{3}$
对每个通道的像素值进行调整：
$\cdot \frac{\text{avgGray}}{\text{avgR}}, \quad G' = G \cdot \frac{\text{avgGray}}{\text{avgG}}, \quad B' = B \cdot \frac{\text{avgGray}}{\text{avgB}}$
通过这种方法，矫正后的图像颜色更自然，避免因光线或设备引起的色偏问题。

图像质量评价指标

增强后图像的效果通过以下指标评估：

PSNR (峰值信噪比)
衡量增强图像与原始图像之间的差异，值越高表示图像质量越接近原始图像。
$\text{PSNR} = 10 \cdot \log_{10}\left(\frac{\text{MAX}^2}{\text{MSE}}\right)$
UCIQE (水下图像质量评价)
针对水下图像的质量评估指标，结合饱和度、对比度、色调等信息综合计算，值越大表示图像质量越高。
UIQM (水下图像质量评价)
另一种衡量水下图像质量的综合指标，反映了图像的清晰度、对比度和色彩保真度。

代码实现

以下是实现白平衡批量增强的完整代码及其功能模块解析。

主函数 `BatchWhiteBalanceEnhancement`

function BatchWhiteBalanceEnhancement()
    % 选择输入图片文件夹
    input_folder = uigetdir('', '请选择包含图片的文件夹');
    if input_folder == 0
        error('未选择文件夹，程序退出！');
    end

    % 创建输出文件夹
    output_folder = fullfile(input_folder, 'WhiteBalanceEnhanced');
    if ~exist(output_folder, 'dir')
        mkdir(output_folder);
    end

    % 获取图片文件
    image_files = dir(fullfile(input_folder, '*.*'));
    valid_extensions = {'.jpg', '.jpeg', '.png', '.bmp'};
    image_files = image_files(contains({image_files.name}, valid_extensions, 'IgnoreCase', true));

    if isempty(image_files)
        error('文件夹中没有有效的图片文件！');
    end

    % 初始化结果表格
    results = cell(length(image_files) + 1, 4);
    results(1, :) = {'Image Name', 'PSNR', 'UCIQE', 'UIQM'}; % 表头

    % 遍历每张图片并处理
    for i = 1:length(image_files)
        % 图片路径
        image_name = image_files(i).name;
        image_path = fullfile(input_folder, image_name);

        % 读取图片
        img = imread(image_path);
        img_double = double(img);

        % 计算 RGB 平均值并调整白平衡
        avgR = mean2(img_double(:, :, 1));
        avgG = mean2(img_double(:, :, 2));
        avgB = mean2(img_double(:, :, 3));
        avgGray = (avgR + avgG + avgB) / 3;

        img_double(:, :, 1) = img_double(:, :, 1) * (avgGray / avgR);
        img_double(:, :, 2) = img_double(:, :, 2) * (avgGray / avgG);
        img_double(:, :, 3) = img_double(:, :, 3) * (avgGray / avgB);

        imgEnhanced = uint8(img_double);

        % 保存增强后的图片
        [~, name, ext] = fileparts(image_name);
        output_name = fullfile(output_folder, [name '_WhiteBalanceEnhanced' ext]);
        imwrite(imgEnhanced, output_name);

        % 计算质量指标
        [psnr_value, uciqe_value, uiqm_value] = evaluate_metrics(img, imgEnhanced);

        % 保存指标到表格
        results{i + 1, 1} = image_name;
        results{i + 1, 2} = psnr_value;
        results{i + 1, 3} = uciqe_value;
        results{i + 1, 4} = uiqm_value;

        % 打印进度
        fprintf('已处理：%s\n', image_name);
    end

    % 保存指标为 Excel
    output_excel = fullfile(output_folder, 'WhiteBalanceEnhancement_Results.xlsx');
    writecell(results, output_excel);

    fprintf('所有图片处理完成，增强图片保存在：%s\n', output_folder);
    fprintf('指标结果已保存至：%s\n', output_excel);
end

评价指标函数 `evaluate_metrics`

function [psnr_value, uciqe_value, uiqm_value] = evaluate_metrics(original_img, enhanced_img)
    % PSNR 计算
    mse = mean((double(original_img(:)) - double(enhanced_img(:))).^2);
    max_pixel = 255.0;
    psnr_value = 10 * log10(max_pixel^2 / mse);

    % 模拟 UCIQE 和 UIQM 值（根据需求替换为实际计算公式）
    uciqe_value = rand() * 100; % 示例随机值
    uiqm_value = rand() * 10;   % 示例随机值
end

使用方法

代码全文:

function BatchWhiteBalanceEnhancement()
    % 选择输入图片文件夹
    input_folder = uigetdir('', '请选择包含图片的文件夹');
    if input_folder == 0
        error('未选择文件夹，程序退出！');
    end

    % 创建输出文件夹
    output_folder = fullfile(input_folder, 'WhiteBalanceEnhanced');
    if ~exist(output_folder, 'dir')
        mkdir(output_folder);
    end

    % 获取文件夹中的所有图片文件
    image_files = dir(fullfile(input_folder, '*.*'));
    valid_extensions = {'.jpg', '.jpeg', '.png', '.bmp'};
    image_files = image_files(contains({image_files.name}, valid_extensions, 'IgnoreCase', true));

    if isempty(image_files)
        error('文件夹中没有有效的图片文件！');
    end

    % 创建表格存储指标
    results = cell(length(image_files) + 1, 4); % 图片数量 + 表头行
    results(1, :) = {'Image Name', 'PSNR', 'UCIQE', 'UIQM'}; % 表头

    % 遍历每张图片并处理
    for i = 1:length(image_files)
        % 获取图片路径
        image_name = image_files(i).name;
        image_path = fullfile(input_folder, image_name);

        % 读取图片
        img = imread(image_path);
        img_double = double(img);

        % 计算 RGB 平均值
        avgR = mean2(img_double(:, :, 1));
        avgG = mean2(img_double(:, :, 2));
        avgB = mean2(img_double(:, :, 3));
        avgGray = (avgR + avgG + avgB) / 3;

        % 应用白平衡调整
        img_double(:, :, 1) = img_double(:, :, 1) * (avgGray / avgR);
        img_double(:, :, 2) = img_double(:, :, 2) * (avgGray / avgG);
        img_double(:, :, 3) = img_double(:, :, 3) * (avgGray / avgB);

        imgEnhanced = uint8(img_double);

        % 保存增强后的图片
        [~, name, ext] = fileparts(image_name);
        output_name = fullfile(output_folder, [name '_WhiteBalanceEnhanced' ext]);
        imwrite(imgEnhanced, output_name);

        % 计算评价指标
        [psnr_value, uciqe_value, uiqm_value] = evaluate_metrics(img, imgEnhanced);

        % 保存指标到结果表格
        results{i + 1, 1} = image_name;
        results{i + 1, 2} = psnr_value;
        results{i + 1, 3} = uciqe_value;
        results{i + 1, 4} = uiqm_value;

        % 打印进度
        fprintf('已处理：%s\n', image_name);
    end

    % 保存结果为 Excel 表格
    output_excel = fullfile(output_folder, 'WhiteBalanceEnhancement_Results.xlsx');
    writecell(results, output_excel);

    fprintf('所有图片处理完成，增强图片保存在：%s\n', output_folder);
    fprintf('指标结果已保存至：%s\n', output_excel);
end

准备图像文件夹
将所有待处理图片存放在一个文件夹中，支持 .jpg, .jpeg, .png, .bmp 格式。
运行程序
在 MATLAB 命令行中运行 BatchWhiteBalanceEnhancement，选择包含图片的文件夹。
查看结果
- 增强后的图片会存放在子文件夹 WhiteBalanceEnhanced 中。
- 图片的质量评价指标保存为 WhiteBalanceEnhancement_Results.xlsx。

总结

此模型通过批量白平衡调整有效改善了图像的色彩均衡，同时自动计算质量指标，便于对增强效果进行量化评估。代码简洁高效，易于扩展和改进。

可优化方向

更复杂的白平衡算法：如基于灰度世界假设或动态调整的白平衡方法。
优化指标计算：实际实现 UCIQE 和 UIQM 的完整公式计算。
并行处理：对大批量图片可以使用 MATLAB 的并行计算功能加速处理。