颜色恒常性（Color constancy）是指当照射物体表面的颜色光发生变化时，人们对该物体表面颜色的知觉仍然保持不变的知觉特性。

颜色恒常性属于知觉恒常性的一种。当物体的颜色因光照条件改变而改变时，个体对熟悉物体的颜色知觉仍趋于一致的知觉特性。

颜色恒常性亦称“色调恒常性”。知觉恒常性的一种。当个体知觉熟悉的物体，实际的颜色因照明等条件的改变而变化时，颜色知觉趋于保持相对稳定的特性。如黑色的木炭，不管在暗处还是阳光下，总是知觉为黑色。红旗，无论是在黄光照射下，还是在蓝光照射下，总被知觉为红色。

例如，用不太饱和的黄色光照射蓝色色盘，我们看到的不是灰色，而是一种饱和度较小的蓝色。同样，用红色照射白色的物体表面，我们看到的不是红色，而是在红光照射下的白色。正如室内的家具在不同的灯光照射下，它的颜色相对保持不变一样，这就是颜色的恒常性。

人类都有一种不因光源或者外界环境因素而改变对某一个特定物体色彩判断的心理倾向，这种倾向即为色彩恒常性。某一个特定物体，由于环境（尤其特指光照环境）的变化，该物体表面的反射谱会有不同。人类的视觉识别系统能够识别出这种变化，并能够判断出该变化是由光照环境的变化而产生的，当光照变化在一定范围内变动时，人类识别机制会在这一变化范围内认为该物体表面颜色是恒定不变的。

颜色知觉的恒常性与人的生活经验密切相关，一个由于眼疾从未见过红旗的人，在痊愈后的光亮中初次见到红旗，可能确定它是红色的。但是如果他在黑暗处初次见到红旗，就不一定能把它知觉为红色。因此，颜色恒常性是指人对物体颜色的知觉，与人的知识经验、心理倾向有关，不是指物体本身颜色的恒定不变。

计算机往往协助人类认知世界，在颜色恒常性这个分支学科中也是这样。在颜色恒常性计算中往往涉及视觉，模式识别，图像处理等学科。

基于比尔-朗伯特定律，由两种不同的光照形成的图像可以通过对角矩阵转换（VonKries模型又作对角模型）。因此，我们只需寻找出原图中的光照即可把原图片经对角矩阵转化为在标准白光（R=G=B=1）下的图片。其转换公式如下：其中为结果图像，为输入图像，为输入图像向结果图像转换所需的3x3对角矩阵，其对角值分别为R、G、B三通道输出光照预估值，与输入图像光照的比值。

通过上面的公式，对于图像颜色恒常性探索的问题就转变为寻找输入图像光照值的问题。然而，这是一个不能妥善解决的问题，因为仅仅凭借一张没有任何来源的输入图像，并不能精确的标定光照信息，只能凭借对外界环境的假设来估算光照的数值。

Max-RGB算法：基于假设光照在图像中RGB通道的最大相应是由一个白点（whitepatch）引起的。在实际计算中RGB三通道是分开计算，分别求出各通道的最大相应值（像素取最大值），作为入射光照。但此算法因只取一个孤立点的值，对光照的估计局限性太大。

Greyworld算法：基于假设场景内所有物理表面的平均反射是无色差的。在实际的计算中光照的三通道值取图像中的平均值。相比MAX算法，Greyworld算法有了更强的适应性，但是对于场景中物体颜色过于单一的情况下，其适应性明显不足。

GreyEdge算法：随着对颜色恒常性研究的深入，有的研究人员发现，颜色的导数在三围空间分布中呈现椭圆形状，而光照与椭圆的方向一致。基于此种发现建立在颜色导数空间的假设被提出：场景内所有物理表面的平均反射的差分是无色差的。图像的光照颜色同计算输入图像的平均颜色导数得到。

处理前：

处理后：