色偏现象是数字图像处理中的一个难题，这是由于摄影器材本身不具有颜色恒常性所带来的。在网络监控领域，保证图像画面鲜艳颜色准确是最基本的要求，白平衡作为图像处理流程中不可或缺的功能，直接制约着图像质量的好坏，在数字图像处理中有着重要意义。目前现有的白平衡算法包含了无监督和有监督两大类，其中的无监督白平衡算法计算简单，是目前数字图像处理中广泛使用的，通过提出一系列相关假设来计算光源色温；有监督白平衡算法通过机器学习的方法估计色温。从校正结果上看有监督的白平衡算法由于有大量的先验知识做储备，且没有假设条件的约束，效果上优于无监督的算法。但是无监督白平衡算法与假设强相关，当场景不满足前提假设条件时校正失效，有监督白平衡算法需要大量的实验样本，离散的样本空间是其主要的缺陷。本文结合无监督算法计算简单和有监督白平衡算法校正准确的优点，以有监督白平衡算法中的颜色相关性算法为理论基础，实现计算复杂度低，校正准确的白平衡算法。本文算法的基本思想是通过分析灰度点在不同色温下的rb直方图上的分布，得到灰度点与色温的位置关系，利用未知色温下图片灰度点在rb色度空间的分布，估计所处场景的色温，同时引入光源概率，修正色温估计的准确度。在低照度方面，也提出了相应的改进方案，弥补了低照度下校正偏黄的不足。实验对比发现，本文算法在不损失校正精度的前提下，既降低了基于有监督白平衡算法的计算复杂度，又弥补了其样本空间离散的缺陷，同时校正的照度范围也较大。