顏色恆常性

顏色恆常性屬於知覺恆常性的一種。當物體的顏色因光照條件改變而改變時，個體對熟悉物體的顏色知覺仍趨於一致的知覺特性。

顏色恆常性亦稱“色調恆常性”。知覺恆常性的一種。當個體知覺熟悉的物體，實際的顏色因照明等條件的改變而變化時，顏色知覺趨於保持相對穩定的特性。如黑色的木炭，不管在暗處還是陽光下，總是知覺為黑色。紅旗，無論是在黃光照射下，還是在藍光照射下，總被知覺為紅色。

例如，用不太飽和的黃色光照射藍色色盤，我們看到的不是灰色，而是一種飽和度較小的藍色。同樣，用紅色照射白色的物體表面，我們看到的不是紅色，而是在紅光照射下的白色。正如室內的傢俱在不同的燈光照射下，它的顏色相對保持不變一樣，這就是顏色的恆常性。 ^[1] 

人類都有一種不因光源或者外界環境因素而改變對某一個特定物體色彩判斷的心理傾向，這種傾向即為色彩恆常性。某一個特定物體，由於環境（尤其特指光照環境）的變化，該物體表面的反射譜會有不同。人類的視覺識別系統能夠識別出這種變化，並能夠判斷出該變化是由光照環境的變化而產生的，當光照變化在一定範圍內變動時，人類識別機制會在這一變化範圍內認為該物體表面顏色是恆定不變的。

顏色知覺的恆常性與人的生活經驗密切相關，一個由於眼疾從未見過紅旗的人，在痊癒後的光亮中初次見到紅旗，可能確定它是紅色的。但是如果他在黑暗處初次見到紅旗，就不一定能把它知覺為紅色。因此，顏色恆常性是指人對物體顏色的知覺，與人的知識經驗、心理傾向有關，不是指物體本身顏色的恆定不變。

計算機往往協助人類認知世界，在顏色恆常性這個分支學科中也是這樣。在顏色恆常性計算中往往涉及視覺，模式識別，圖像處理等學科。

基於比爾-朗伯特定律，由兩種不同的光照形成的圖像可以通過對角矩陣轉換（VonKries模型又作對角模型）。因此，我們只需尋找出原圖中的光照即可把原圖片經對角矩陣轉化為在標準白光（R=G=B=1）下的圖片。其轉換公式如下：其中為結果圖像，為輸入圖像，為輸入圖像向結果圖像轉換所需的3x3對角矩陣，其對角值分別為R、G、B三通道輸出光照預估值，與輸入圖像光照的比值。

通過上面的公式，對於圖像顏色恆常性探索的問題就轉變為尋找輸入圖像光照值的問題。然而，這是一個不能妥善解決的問題，因為僅僅憑藉一張沒有任何來源的輸入圖像，並不能精確的標定光照信息，只能憑藉對外界環境的假設來估算光照的數值。

Max-RGB算法：基於假設光照在圖像中RGB通道的最大相應是由一個白點（whitepatch）引起的。在實際計算中RGB三通道是分開計算，分別求出各通道的最大相應值（像素取最大值），作為入射光照。但此算法因只取一個孤立點的值，對光照的估計侷限性太大。 ^[2] 

Greyworld算法：基於假設場景內所有物理表面的平均反射是無色差的。在實際的計算中光照的三通道值取圖像中的平均值。相比MAX算法，Greyworld算法有了更強的適應性，但是對於場景中物體顏色過於單一的情況下，其適應性明顯不足。

GreyEdge算法：隨着對顏色恆常性研究的深入，有的研究人員發現，顏色的導數在三圍空間分佈中呈現橢圓形狀，而光照與橢圓的方向一致。基於此種發現建立在顏色導數空間的假設被提出：場景內所有物理表面的平均反射的差分是無色差的。圖像的光照顏色同計算輸入圖像的平均顏色導數得到。

處理前：

處理後：