计算机视觉领域中，颜色是视觉信息中最为基础也最为直接的特征之一，但颜色特征也是一种极不稳定的视觉特征，很容易受到光照颜色变化的影响，颜色恒常性计算可以消除此类影响，因此，颜色恒常性计算对于计算机视觉具有及其重要的理论和实用意义。
计算摄影技术中颜色恒常性问题，目标在于校正由场景照明引起的图像色偏，使计算机具备人类视觉系统感知颜色恒常的能力。通常，颜色恒常性定义为人类视觉系统可以自主纠正由光照颜色变化引起的场景物体颜色偏差的能力：当一个人站在一间被彩灯照亮的房间时，人类视觉系统（HVS）会不自觉地消除光源的颜色偏差，感觉到中性白光下的物体颜色。尽管此功能对于HVS非常简单，但在计算机视觉系统中实现相同的功能却是一个充满挑战且受限制的问题。例如，给定一个绿色像素，就不能断定它是白色光照下的绿色像素还是绿色照明下的白色像素。颜色恒常性计算可以分离出图像的颜色信息与光照的颜色信息，将未知光照下的图像转化成标准光照下的图像。
图1 图像信号处理的pipline，其中颜色恒常性是重要组成部分
总之，图像颜色是极不稳定的视觉特征，很容易受到多种成像因素的影响。图像颜色处理技术包括对图像中的颜色进行校正、修改、变换等过程，比如RAW/sRGB图像白平衡、图像上色、图像颜色渲染等。图像颜色处理技术对于相关计算机视觉任务（如：物体识别、物体分类、图像分割等领域）具有极其重要的意义。实验室图像颜色处理的研究内容包括：
1、跨数据域（RAW/sRGB）的颜色恒常性；
2、跨相机域的颜色恒常性；
3、跨色温的颜色恒常性；
4、多光源的颜色恒常性；
5、序列图像（视频）的颜色恒常性；
6、以美学为锚点的颜色恒常性。
vRobotit实验室关于“图像颜色处理”的代表性论文：
[1] Chunxiao Li, Xuejing Kang, Anlong Ming*, WBFlow: Few-shot White Balance for sRGB Images via Reversible Neural Flows, in Proceedings of the 32st International Joint Conference on Artificial Intelligence (IJCAI), 2023.
[2] Chunxiao Li, Xuejing Kang, Zhifeng Zhang, Anlong Ming*, SWBNet: A Stable White Balance Network for sRGB images, the 37th AAAI Conference on Artificial Intelligence (AAAI), 2023.
[3] Zhifeng Zhang, Xuejing Kang, Anlong Ming*, Domain Adversarial Learning for Color Constancy, in Proceedings of the 31st International Joint Conference on Artificial Intelligence and the 25th European Conference on Artificial Intelligence (IJCAI), 2022.
[4] Yuxiang Tang, Xuejing Kang, Chunxiao Li, Zhaowen Lin, Anlong Ming*, Transfer Learning for Color Constancy via Statistic Perspective, the 36th AAAI Conference on Artificial Intelligence (AAAI), 2022.
