白平衡就是对白色物体的还原,即去除光源因素对于物体颜色的影响。目前白平衡算法虽然对于特定的图像能够得到比较好的结果,但是还没有一个算法能够满足各种自然图像的白平衡计算要求。因此,面对不同的成像场景,大量不可预测的图像集,为特定的图像选择最适合的图像白平衡算法是本论文的研究内容。基于上述考虑,本文提出了基于普通位图格式(JPEG等)图像和RAW格式图像下进行自动白平衡方法选择,从而使图像获得最好的光照估计结果,主要工作如下:　　 (1)在Grey Edge算法框架提出以后,使得系统地产生各种不同的图像白平衡算法成为可能。因此,本文基于此算法框架,提出一种基于图像特征相似的自然图像白平衡计算算法。该算法首先对待处理的图像进行色偏检测,分为3类:存在色偏；没有色偏；不可分类,然后对存在色偏的图像进行白平衡处理。在综合考虑图像的色彩丰富度特征、图像亮度特征和图像纹理特征的基础上,根据K近邻算法为图像在训练库中找到最相似的K幅图像。然后根据K幅特征相似的图像的白平衡算法,为该图像选取最合适图像白平衡算法或算法组合。在大量自然图像上的实验表明,本文提出的自适应白平衡算法的选择是有效的,具有通用性,能够很好的提高图像白平衡计算的准确度。　　 (2)随着高端数码单反相机的普及,其图像存储格式中多了RAW格式图像文件。通过对RAW格式数据进行色彩分量插值等一系列运算得到RGB格式图像,然后对其进行白平衡处理。但是从RAW到RGB的插值将产生3倍于RAW格式数据的彩色图像数据,而色彩分量的量化等级通常还将由12或14位压缩为8位,无疑将增加算法的计算复杂性,影响白平衡算法的精度和效率。RAW格式可以任意地调整白平衡,可以最大限度保持原色,因此本文提出了基于RAW格式图像自动白平衡方法。该方法首先对图像传感器所获取的原始RAW格式数据进行色彩统计特性分析,在此基础上实现了一种自适应的白平衡算法,进而既充分利用了图像传感器的成像解析能力,同时也有效降低了算法的计算复杂性。实验结果表明,本文提出的方法具有较好的色彩白平衡效果,同时也大大提高了算法的效率,有效降低了算法的计算复杂性。