我解释了我的问题两次因为我的英语不好：/
首先解释：
我拍摄的某些图像中的每个像素都有RGB矩阵。
此外，我有3个像素的RGB，我知道它们的实际值（在我拍照后，像素的RGB值因光而改变）。
如何使用这3种已知的RGB才能使用最小二乘法，这样才能准确地获得原始图像颜色？
第二个解释：
我必须用相机拍一些苹果的照片。 如果我在我的房间和街道上拍摄相同的苹果，我会得到与苹果颜色不同的图像，尽管这些苹果是相同的。这是因为街上的灯光不是我房间里的灯光。
为了解决这个问题，我想在苹果附近放置三个我知道RGB的圆圈（红色，绿色和蓝色）。例如，我有3个圈子：
红圈 - ＆gt; [241 25 13]
绿色圆圈 - ＆gt; [12 239 41]
蓝色圆圈 - ＆gt; [35 28 237]
现在，我将用三个圆圈拍摄苹果。我知道我的3个圆圈的RGB发生了变化：
现在红圈是[229 42 32]
绿色圆圈 - ＆gt; [24 241 42]
蓝色圆圈 - ＆gt; [29 26 230]
现在，有了这些信息（3个圆圈的输入和输出RGB），我想修复所有图像的颜色（苹果和3个圆圈）。
所以我的输入是：
（三个圆圈的初始RGB，我拍摄后这些圆圈的RGB）
并且输出必须是函数：（R，G，B） - ＆gt; （新R，新G，新B）。
因此该函数必须修复图片中的所有RGB，
我以前的例子：
红色圆圈[229 42 32]将改为原来的[241 25 13]
绿色圆圈[24 241 42] - ＆gt; [12 239 41]
蓝色圆圈[29 26 230] - ＆gt; [35 28 237]
所以，如果我拍摄并获得一个带有[142,124,211] RGB的苹果，我想用他的RGB运行该功能并获得这个苹果的真实颜色。
有人告诉我，我可以使用最小二乘法。答案 0 :(得分：4)
你可以这样做：
In = [ 229 24 29
42 241 26
32 42 230 ];
Out = [ 241 12 35
25 239 28
13 41 237 ];
然后计算：
A = Out / In;
A将是从输入颜色到所需输出颜色的所需线性转换。这只是一个模型，你可以决定这是否是一个特别好的颜色。我确信在色彩校准方面有很多工作，但我没有声称知道这一点。
另请注意/不是正常的划分。它基本上是Out * inv(In)的Matlab重载。它实际上比这更多。有关详细信息，请参阅help mrdivide。
然后，要应用新的线性变换，请将A应用于彩色图像。对于给定的输入像素inrbg = [ R ; G ; B ];，您将计算
outrgb = A * inrgb;
你可以将它应用于整个图像。
不幸的是，你会得到一些超出允许强度范围的值，你必须把它们放回去。这是另一个迹象，纯粹的线性模型不一定是伟大的。至少这会让你有个好的开始。
还有一件事，我上面写的并没有明确使用最小二乘法，但是如果你对颜色输入和输出有更多的估计，比如
>> InN = [In randn(size(In))+In]; % just an example to get more columns, don't use this
>> InN
InN =
229.0000 24.0000 29.0000 228.2382 25.2329 28.9302
42.0000 241.0000 26.0000 41.3748 240.6159 26.5301
32.0000 42.0000 230.0000 32.2829 42.0552 229.3372
>> OutN = [Out randn(size(Out))+Out]; % just an example to get more columns, don't use this
>> OutN
OutN =
241.0000 12.0000 35.0000 241.1487 10.8441 33.8811
25.0000 239.0000 28.0000 25.3679 240.0666 27.0684
13.0000 41.0000 237.0000 12.1927 41.2091 236.9066
然后这个A = OutN / InN仍然可以工作并猜测它用于解决它的用途？有效的最小二乘。