我正在做一些图像处理，我需要一个自动白平衡算法，它在CPU计算时间方面不是太强烈。有什么建议？
编辑：如果它与效率相关，我将用Java实现它，彩色图像作为整数数组。
一种相对简单的算法是对屏幕上最亮和最暗像素的色调（HSV或HSL）进行平均。在紧要关头，只使用最亮的像素。如果最亮和最暗之间的色调差别太大，请选择亮像素。如果黑暗接近黑色则使用明亮的像素。
为什么甚至看看暗像素？有时暗处不是黑色，暗示环境光线或雾或雾。
如果你是一个沉重的Photoshop用户，这将对你有意义。照片中的高光与对象的底层颜色无关（或弱相关）。它们是你对光的偏色的最佳表现，除非图像过度曝光以至于所有东西都淹没了CCD。
然后调整所有像素的色调。
您需要快速RGB到HSV和HSV到RGB功能。 （但也许你可以使用RGB来进行LUT或线性插值的像素校正。）
您不希望使用平均像素颜色或最流行的颜色。那种方式就是疯狂。
要快速找到最亮的颜色（和最暗的颜色），您可以使用RGB，但是您应该有绿色，红色和蓝色的乘数。在RGB监视器上，255绿色比255红色亮，亮度大于255蓝色。我过去常常有很好的乘数，但唉，他们已经逃离了我的记忆。你可以谷歌为他们。
这将在没有高光的图像中失败。例如，哑光漆墙。但我不知道你能做些什么。
对这个简单的算法有许多改进。您可以对多个明亮像素进行平均，对图像进行网格划分，并从每个单元格中获取亮暗像素等。在实现算法后，您会发现一些明显的调整。
GIMP显然使用一种非常简单的算法来实现自动白平衡。 http://docs.gimp.org/en/gimp-layer-white-balance.html
白平衡命令通过分别拉伸红色，绿色和蓝色通道自动调整活动层的颜色。为此，它会丢弃红色，绿色和蓝色直方图每一端的像素颜色，这些直方图仅占图像中0.05％的像素，并尽可能地拉伸剩余范围。结果是，与拉伸对比度相比，在直方图的外边缘非常不频繁出现的像素颜色（可能是灰尘等）不会对用于拉伸直方图的最小值和最大值产生负面影响。但是，与“拉伸对比度”一样，结果图像中可能存在色调偏移。
由于我第一次尝试实现这项工作似乎适用于大多数照片，但其他照片似乎有文物或包含太多的红绿色或蓝色，所以还有比这里描述的更多的调整：/
@Charles Ma建议使用Gimp白平衡算法。在python和numpy，这可能是这样的：
# white balance for every channel independently
def wb(channel, perc = 0.05):
mi, ma = (np.percentile(channel, perc), np.percentile(channel,100.0-perc))
channel = np.uint8(np.clip((channel-mi)*255.0/(ma-mi), 0, 255))
return channel
image = cv2.imread("foo.jpg", 1) # load color
imWB = np.dstack([wb(channel, 0.05) for channel in cv2.split(img)] )
它快速，简单，并提供相当不错的结果
白平衡算法很难。即使数码相机偶尔也会出错，即使他们知道很多关于图片的额外信息 - 例如是否使用了闪光灯，以及光线水平。
对于初学者，我只是平均红色，绿色和蓝色，并将其用作白平衡点。设定限制 - 保持在钨，荧光和日光的范围内。它不会是完美的，但如果错了，解释原因会相对容易。
最近发布的一种算法是颜色分布算法，它可以在这里找到：http://www.comp.nus.edu.sg/~brown/pdf/ColorConstancyJOSAv10.pdf本文还提到了Matlab源代码（http://www.comp.nus.edu.sg/~whitebal/illuminant/files/illuminantEstimator.m）。这是一个简单的算法，可以很容易地编程，结果表明它非常快。
如果你需要额外的快速和同时准确的白平衡（颜色恒定）算法，你应该检查这个网站：http://www.fer.unizg.hr/ipg/resources/color_constancy/
有几种算法及其各自的源代码可能只是您要查找的算法。