我想在许多光照条件下获取图像的RGB值。为了获得某种中立的场景，我想用一些预定义图像的RGB值来标准化RGB值。
让我解释一下。我有6个预定义的图像，我知道它们的确切平均RGB值。现在我将在不同的光照条件下拍摄未知图像。我还将在相同条件下拍摄预定义的6张图像。现在我的目标是通过将预定义图像的已知参考rgb值与从摄像机图像计算的值进行比较来定义归一化公式。使用此归一化参数，我将校准未知图像的RGB值。因此，无论光照条件如何，我都可以以中性方式从未知图像中获得平均RGB值。
如何在Java中轻松实现这一目标。
答案 0 :(得分：1)
您是这样做的原因是为了真正标准化RGB，还是您试图将图像标准化为具有相似的亮度。因为如果您的目标只是亮度，那么我会转换为具有亮度分量的颜色标准，并仅对亮度分量进行标准化。
从那里你可以使用不同的颜色分量标准拍摄新图像，并根据需要转换回RGB。
步骤（但不是在java中）：
1) Convert - RGBImage --> YUVImage
2) Normalize RGBImage using the Y component
3) Convert - Normalized(YUVImage) --> Normalized(RGBImage)
通过这种方式，您可以使用algorithm described here对亮度实施标准化。
ELSE，您可以平均每个通道的平均值，并将它们用作新图像的标准化因子的分子，分别计算每个通道。
答案 1 :(得分：0)
对于不同的照明情况，只需要线性RGB校正。只需将每个R，G，B值乘以每个通道的常数即可。
如果只有一种参考颜色，则很容易 - 乘以参考颜色，然后除以捕获的颜色。例如，如果您的参考颜色为（240,200,120）但您的图像被测量（250,190,150） - 您将红色乘以240/250，绿色乘以200/190，蓝色乘以120/150。对图像中的每个像素使用相同的常量。
要匹配多种颜色，您必须平均校正因子以得到一组常数。需要对更亮的颜色进行更大的加权，例如，如果你有一个（200,150,20）的参考，它的测量（190,140,10），你会试图将蓝色的数量加倍，这可能是非常远的。最简单的方法是将所有参考值相加，然后除以测量值的总和。