본 논문에서는 카메라가 가지는 대표적인 기능중의 하나인 자동 화이트 밸런스에 대한 알고리즘을 제안한다. 화이트 밸런스는 흰색의 물체나 물건 고유의 색이 아닌 부분들을 제거하는 과정이다. 화이트 밸런스를 수행하기 위해 사람의 눈에 의해 느끼는 시각차와 색차의 표현이 동일한 $CIEL^*a^*b^*$ 색 공간에서 영상의 분포를 분석하여 흰색 물체의 색 변화 정도를 추정한다. 이를 기준 백색 추정이라 한다. 정확한 추정을 위하여 환경에 의해 변화되었다고 추정되는 부분에 대해 그룹화 한다. 그룹화 된 영상 정보를 통해 영상의 특성을 파악하여 기준 그룹을 정하여 기준 그룹까지의 누적 픽셀들을 선택하는 컬러 샘플링하여 기준 백색을 추정한다. 또한 영상 보정을 위한 컬러 이득은 영상의 포화(Saturation)를 고려하여 얻어진다. 이를 통한 제안된 자동 화이트 밸런스 알고리즘은 뛰어난 영상 보정 기능을 가진다.
In this paper. we propose a novel auto white balance algorithm which is one of the representative functions on cameras. White balance is the process of removing unrealistic color casts, which will make the captured white objects appear white. For white balance, we employ $CIEL^*a^*b^*$ color space which is the most complete color model available and is conventionally used to describe all the colors visible to the human eye and estimate the color difference on white objects with distribution of the image which is called the reference white estimation. For accuracy, we form groups or sets of pixels that are altered by the light sources and other elements. Moreover, Standard group is decided by judgment of specific-case images with the information of groups. Then, the reference white estimation is performed by the color sampling which is to choose all the accumulated pixels contained within the standard group. The color gain for image compensation by considering the color saturation is also computed. the proposed algorithm provides a significant performance.
