物體顏色會因投射光線顏色產生改變，在不同光線的場合下拍攝出的照片會有不同的色溫。人的視覺系統具有顏色恒常性，能從變化的光照環境和成像條件下獲取物體表面顏色的不變特性，但成像設備不具有這樣的調節功能，不同的光照環境會導致采集的圖像顏色與真實顏色存在壹定程度的偏差。
在各種復雜的色溫條件下都能正確還原出物體本來的色彩，從而找到正確的色彩平衡，這就是所謂的白平衡調整。
RGB顏色空間是最簡單的壹種顏色空間，但是RGB顏色空間最大的局限性在於當用歐氏距離來刻畫兩種顏色之間的差異時，所計算出的兩種顏色之間的距無法正確表征人們實際所感知到的這兩種顏色之間的真實差異。采用Lab顏色空間，此空間所計算出來的顏色之間的距離與實際感知上的差別基本壹致。其直方圖可以客觀的反映圖像色偏程度，在Lab下進行偏色圖像的自動檢測更為合理。
經過對正常圖像和偏色圖像的分析發現，如果在ab色度坐標平面上的直方圖中，色度分布基本上為單峰值，或者分布較為集中，而色度平均值又較大時，壹般都存在色偏，而且色度平均值越大，色偏越嚴重。然而，如果在ab色度坐標平面上的直方圖中色度分布存在明顯的多峰值，而且較為分散時，圖像色偏程度將大大減輕，甚至沒有色偏。
綜合來說，cast值不大於1.5我們可以認為其整體圖像偏色的可能性不大
灰度世界算法以灰度世界假設為基礎，該假設認為：對於壹幅有著大量色彩變化的圖像，R,G,B三個分量的平均值趨於同壹灰度值Gray。從物理意義上講，灰色世界法假設自然界景物對於光線的平均反射的均值在總體上是個定值，這個定值近似地為“灰色”，從而消除環境光的影響獲得原始場景圖像。
STEP 1： 計算Gray值
壹般都兩種方法
(1) 使用固定值
對於8位的圖像(0~255)通常取128作為灰度值
(2) 分別計算三通道的平均值avgR，avgG，avgB，則：
Gray=(avgR+avgG+avgB)/3
STEP 2： 計算增益系數
kr=Gray/avgR , kg=Gray/avgG , kb=Gray/avgB
STEP 3： 利用增益系數，重新計算每個像素值C，構成新的圖片
這種算法簡單快速，但是當圖像場景顏色並不豐富時，尤其出現大塊單色物體時（色彩夠不多樣），該算法常會失效。
完美全反射理論假設圖像上最亮點就是白點（R+G+B的最大值），並以此白點為參考對圖像進行自動白平衡。
STEP 1： 計算每個像素的R\G\B之和
STEP 2： 按R+G+B值的大小計算出其前Ratio%的值作為參考點的的閾值T
STEP 3： 對圖像中的每個點，計算其中R+G+B值大於T的所有點的R\G\B分量的累積和的平均值
STEP 4： 對每個點將像素量化到[0,255]之間
比灰度世界算法好點，但是依賴ratio值選取而且對亮度最大區域不是白色的圖像效果不佳。