为此，本文提出了一种改进的“参考白”算法，算法的具体步骤如下所示：
（1）将源图像img-src由RGB空间转换到HSV空间，得到img-hsv。
（2）在HSV空间中，对V分量进行灰度直方图均衡。首先对img-hsv中的V分量进行统计，放入数组v-num[256]中并计算每一级V分量的概率v-p[i] i=0,1,…,255；然后计算累积概率，放入数组v-cal-p[256]中；最后计算得到V对应表，V值为i的点对应点的V值为v-cal-p[i]*256，得到处理后的图像img-hsv-process。
（3）将处理后的图像img-hsv-process由HSV空间转换到RGB空间，得到img-balance。
（4）对图像img-balance的RGB分量每个灰度级的像素个数进行统计，放入数组levelx[256]中，其中x=R,G,B。
（5）分别计算RGB分量中每个灰度级出现的概率。假设图像总像素个数为N，则x分量中灰度级为i的概率px-level[i]计算公式为：

（6）分别计算RGB分量的累加概率。x分量中灰度级从0到 的累加概率计算公式为(2)：

（7）当px-total[i]大于5%且px-total[i-1]小于5%时，将该i值记作x分量的“参考黑”，即refBx=i；当px-total[i]大于95%，且px-total[i-1] 小于95%时，将该i值记作x分量的“参考白”，即refWx=i。
（8）按照公式(3)对图像的每个像素点I[I,j]进行“参考白”处理。

利用改进的“参考白”算法进行进行处理后，处理的效果图如图2（a）所示，肤色检测的效果如图2（b）所示。