偏色的判断：
没有偏色；明显偏色；不明确偏色；必须保留的主色调颜色（如在水下图像，或单一颜色特写图像）；不明确的归类。
色度半径：？？？
缩放系数：scaling coefficients
阈值：thresholds
理论基础
公式：
很多白平衡算法都是在 Von K ries假设的基础上改进得到的。 这种假设表明色彩调整是一种独立的增益调整, 这种增益调整对于三种锥体信号用的是三个不同的增益系数, 而且每一个传感器通道都是独立传输的。 增益系数表示如下:
其中 L、M、 S代表三色的原始初值, 表示将原始信号增大到三色调整值 的增益系数。 调整模型因部分系数获得的方法而不同。
灰度世界算法假设给定的一幅色彩变化很大的图像的R、G、B元素的平均值合成是一种普通的灰色。
白平衡算法, 其基本思想就是使白点或者白色区域表现得如同真实场景中的一样。 这些白平衡算法的技巧在于在获得的图像中识别这些白点或者白色区域。
一种白平衡方法就是用参考白色值 (WhiteR、W hiteG、W hiteB)除以每条通道获得的最大值来计算缩放系数。
Retinex algorithms：
尝试以模拟人类视觉的适应机制，同时执行色彩恒常和动态范围增强。虽然与白斑算法相关，它们不仅是简单的对角的模式，但也考虑到现场的空间关系。
其基本思路是预先计算相关矩阵，其中描述了提及的光源与图像色度发生相容的程度。
无监督分割是另一个病态问题。
排除最亮和最暗的像素进行分析：如果图像的所考虑的部分的尺寸小于整幅图像的20％时，那么图像统计不太可靠。这些图像被认为是无法归类的，不进行处理。
分类：
1)明显偏色
2）40%被保护的偏色，单色C?/L?=1，EC分布集中。
3）如果其色度小于初始固定值（这里设置为图像最大色度C?半径的四分之一）图像的像素属于NNO区域
4）如果它不是孤立的，而是有一些类似的颜色特性的邻域点，那么它属于NNO区域。 ---采用NNO 直方图
5）正为偏色；负不偏色；-0.5-0.5模糊偏色；
偏色依据：
无色偏图像的二维颜色直方图应体现为多个离散的峰值，且大多数峰值应分布在中性轴（a=0,b=0）周围；而有色偏图像的二维色度直方图表现为包含零个或一个集中的峰值，且该峰值偏离中性轴。
偏色移除：
基于Von Kries hypothesis，RGB通道。
WB区域的确定：
在第一种情况下（明显偏色），WB区域由图像的分析部分的ab直方图中所有的显著波峰组成。只接受亮度>30的对象。
模糊偏色时，WB区域由原始图像中所分析部分的近中性对象（NNO）组成。
先确定WB区域，由第一步的偏色判断天空、草地等主色调区域。在此区域外找WB区域。低
饱和度为 C/L?=0.8的区域
在40幅图片中粗略确定阈值；
此彩色平衡算法可以被认为是白平衡和灰世界的结合。