第四章 白平衡(AWB)：色温与色彩恒常性、灰度世界与完美反射法、高通AWB算法特点
各位同学，今天我们来聊聊白平衡。嗯，这个话题很有意思。你想想看，为什么我们人眼看一张白纸，无论在阳光下还是灯光下，都觉得它是白的？但相机拍出来，有时候偏蓝，有时候偏黄。这就是白平衡要解决的问题。
4.1 色温与色彩恒常性
先说色温。这个概念其实挺直观的——你把一块铁加热，温度低的时候发红，温度高了发蓝。色温的单位是开尔文(K)。
我给大家一个常用的参考表：
| 光源类型 | 色温范围(K) | 视觉感受 |
|---|---|---|
| 烛光 | 1500-2000 | 暖黄 |
| 白炽灯 | 2500-3000 | 暖白 |
| 日光灯 | 4000-5000 | 中性 |
| 正午阳光 | 5000-6500 | 冷白 |
| 阴天 | 6500-8000 | 偏蓝 |
这里有个坑，我刚开始做ISP的时候踩过。色温低不代表温度低，它只是描述光谱分布的参数。你想想看，蜡烛火焰温度其实很高，但色温反而低。别搞混了。
再说色彩恒常性。这是人眼的一个神奇能力——不管光源怎么变，我们都能认出物体的本来颜色。但相机没这个本事。它老老实实地记录进入传感器的光线，光源变了，颜色就变了。
白平衡算法，说白了就是模拟人眼的色彩恒常性。它要回答一个问题：在当前光源下，什么东西应该是白色的？
4.2 灰度世界法
灰度世界法是最经典的算法之一。它的假设很简单：一张色彩丰富的照片，所有颜色的平均值应该是灰色的。
为什么？因为自然界中，红绿蓝三通道的反射率平均下来差不多。如果照片整体偏蓝，说明蓝色通道的增益太高了，需要降下来。
算法实现也很直接：
// 灰度世界法伪代码
// 1. 计算R、G、B三个通道的平均值
avgR = mean(R_channel)
avgG = mean(G_channel)
avgB = mean(B_channel)
// 2. 计算灰色参考值
grayValue = (avgR + avgG + avgB) / 3
// 3. 计算各通道增益
gainR = grayValue / avgR
gainG = grayValue / avgG
gainB = grayValue / avgB
// 4. 应用增益
R_out = R_in * gainR
G_out = G_in * gainG
B_out = B_in * gainB我在项目中遇到过一个问题：如果场景里大片都是蓝色天空，灰度世界法就会把整个画面调黄。因为算法以为蓝色太多了，拼命压低蓝色通道。结果天空变黄了，草地也变黄了，整个画面像得了黄疸。
4.3 完美反射法
完美反射法，也叫白点法。它的思路不一样——它找场景中最亮的点，假设这些点应该是白色的。
为什么？因为白色物体反射所有波长的光。如果场景里有一块白色区域，它反射的光就代表了光源的颜色。找到这个白点，就能算出光源色温。
实现步骤：
// 完美反射法伪代码
// 1. 将RGB图像转为亮度图
Y = 0.299*R + 0.587*G + 0.114*B
// 2. 找到亮度最高的前1%像素
threshold = percentile(Y, 99)
mask = Y >= threshold
// 3. 在这些像素中计算R/G/B的平均值
avgR_white = mean(R[mask])
avgG_white = mean(G[mask])
avgB_white = mean(B[mask])
// 4. 计算增益
gainR = avgG_white / avgR_white
gainB = avgG_white / avgB_white
gainG = 1.0这个算法有个致命弱点——如果场景里根本没有白色物体呢？比如拍一片森林，最亮的可能是树叶上的高光，但树叶不是白色的。算法就会乱算。
我曾经在一个项目里调试夜景模式，发现完美反射法在路灯下总是偏紫。后来发现，路灯下的白色汽车被算法当成了参考点，但车漆其实带一点蓝色调。嗯，这就是典型的参考点选错了。
4.4 高通AWB算法特点
高通的AWB算法，说实话，在业界算是第一梯队的。我拆解过几个平台的代码，说说它的特点。
第一，多区域统计。高通把画面分成几十个区域，每个区域独立统计色温信息。这样能处理混合光源场景——比如室内一半是窗外的日光，一半是室内的暖光。
第二，置信度加权。不是所有区域都平等对待。算法会判断每个区域的可信度：
- 饱和度太高的区域，权重降低（可能是彩色物体）
- 亮度太低的区域，权重降低（噪声太大）
- 纹理太复杂的区域，权重降低（可能是边缘）
第三，时序平滑。这个我特别喜欢。如果AWB增益跳变太快，视频里就会出现颜色闪烁。高通的做法是：当前帧的增益 = 上一帧增益 × 0.7 + 当前帧计算增益 × 0.3。这样颜色变化就很平滑。
第四，场景分类器。高通内置了一个轻量级的场景分类模型。它能识别：
| 场景类型 | 算法策略 |
|---|---|
| 户外日光 | 偏向灰度世界法 |
| 室内暖光 | 偏向完美反射法 |
| 夜景 | 降低增益上限，防止噪声放大 |
| 混合光源 | 多区域独立处理 |
最后说一个高通特有的机制——色温查找表。高通把常见光源的色温响应曲线预先标定好，存成LUT。算法算出色温后，直接查表得到增益值。这样做的好处是：
- 速度快，不用实时计算复杂的数学模型
- 稳定性好，不会出现极端增益值
- 可定制，厂商可以修改LUT来调出自己的色彩风格
我个人习惯，在调试AWB时，会先关掉所有后处理，只看原始增益值。这样能判断是AWB本身的问题，还是后面色彩矩阵的问题。很多工程师一上来就调色彩矩阵，结果AWB的偏差被放大了，越调越乱。
好了，这一章的内容就到这里。白平衡这个东西，说简单也简单，说复杂也复杂。核心就是一句话：找到场景中的白色参考，算出光源色温，然后补偿回去。但具体怎么找、怎么算，里面的门道就多了。
下一章我们讲自动曝光(AE)，这也是ISP三大核心之一。到时候见。