3、摄像头成像基础：色彩空间（RGB/YUV/RAW）、白平衡、色温、伽马校正对偏色的影响

智能门锁的摄像头模组在出厂时往往色彩表现正常，但安装到门锁整机后，常出现画面偏蓝、偏黄、人脸肤色发青或暗部发紫等偏色问题。要精准定位偏色根因，必须理解摄像头从传感器感光到最终输出 JPEG 图像的完整色彩处理链路。本章从色彩空间、白平衡、色温与伽马校正四个核心维度展开，帮助调试人员建立“偏色问题可量化、可复现、可定位”的工程思维。

3.1 色彩空间：RAW、RGB、YUV 的工程含义

摄像头传感器（CMOS/CCD）直接输出的是 RAW 数据，每个像素点仅记录一种颜色分量（通常为 Bayer 排列的 R、G、B 或 R、G、B、IR 组合）。RAW 数据是线性光响应，未经任何色彩处理，因此它最能反映传感器本身的感光特性。在调试偏色问题时，抓取 RAW 图是第一步——它排除了 ISP 后续处理的影响，直接暴露传感器或镜头模组的问题。

RGB 空间是 ISP 内部进行色彩校正的主要工作域。经过去马赛克（Demosaic）后，每个像素获得完整的 R、G、B 值，此时 ISP 会应用白平衡增益、色彩校正矩阵（CCM）和 Gamma 校正。RGB 空间的数值范围通常为 0-255（8bit）或 0-1023（10bit），但线性 RGB 与非线性 RGB（经过 Gamma）在调试时需严格区分。

YUV 空间是编码和传输的标准格式，其中 Y 代表亮度，U/V 代表色度（蓝色差和红色差）。智能门锁的摄像头模组通常输出 YUV420 或 MJPEG 格式，人脸识别算法也多在 YUV 空间进行特征提取。YUV 的一个关键特性是色度与亮度分离，因此当画面出现“偏色但亮度正常”时，问题往往出在 U/V 分量上；反之，若亮度异常伴随偏色，则需检查 Y 通道和 Gamma。

3.2 白平衡与色温：偏色的首要嫌疑

白平衡（AWB）的物理本质是：在不同色温光源下，白色物体在传感器上的 R、G、B 响应并不相等。例如在 2700K 白炽灯下，红色分量远高于蓝色分量；在 8000K 阴天阴影下则相反。AWB 算法通过计算场景中的灰色参考点，动态调整 R/G 和 B/G 增益，使白色物体在所有光源下都呈现为中性白。

智能门锁的 AWB 调试难点在于：门锁安装位置的光照条件极其复杂——楼道荧光灯（4000K）、室外阳光（5500K）、夜间红外补光（无可见光）、门廊暖黄灯（3000K）等。若 AWB 算法在低照度或混合光源下失效，画面会整体偏蓝或偏黄。调试时需注意：固定色温光源测试是标准做法，使用 D65（6500K）、TL84（4000K）、A 光源（2856K）三种标准光源分别拍摄灰卡，检查 R/G/B 增益是否在合理范围（通常 R/G 在 1.0-2.0，B/G 在 1.0-2.5 之间）。

3.3 伽马校正：非线性变换对色彩的影响

伽马校正（Gamma Correction）是 ISP 中不可或缺的非线性变换，其核心目的是将线性光信号转换为符合人眼感知特性的非线性信号。标准 Gamma 曲线为 输出 = 输入^(1/γ)，其中 γ 通常取 2.2。然而，Gamma 曲线不仅影响亮度，还会间接影响色彩饱和度——因为 R、G、B 三个通道经过不同增益后，再应用同一 Gamma 曲线，会导致低亮度区域的色相偏移。

在智能门锁调试中，Gamma 曲线设置不当的典型表现是：暗部偏紫或偏绿。这是因为暗部区域的蓝色通道噪声较高，Gamma 提升暗部亮度时，蓝色噪声被放大，导致暗部出现紫色色偏。另一个常见问题是：Gamma 曲线过陡（如 γ=1.8）会使中间调偏亮、色彩变淡；过缓（如 γ=2.6）则使画面偏暗、色彩过饱和。

// 典型 Gamma 调试参数（ISP 寄存器配置示例）
gamma_curve[0] = 0;    // 输入 0 → 输出 0
gamma_curve[64] = 18;  // 输入 64 → 输出 18（暗部提升）
gamma_curve[128] = 58; // 输入 128 → 输出 58（中间调）
gamma_curve[192] = 128;// 输入 192 → 输出 128（亮部压缩）
gamma_curve[255] = 255;// 输入 255 → 输出 255（高光截止）
// 若暗部偏紫，可降低 gamma_curve[32] 和 gamma_curve[64] 的 B 通道增益

3.4 案例拆解：某型号门锁夜间偏蓝问题的完整定位

背景与约束：某智能门锁项目在夜间的楼道荧光灯（约 4000K）环境下，摄像头输出的画面整体偏蓝，人脸肤色发青，用户投诉“人脸识别时照片像鬼片”。硬件平台为 1/2.7" CMOS 传感器 + 通用 ISP 芯片，输出 1080p YUV420 流。

初始现象与目标：白天室外（5500K）画面色彩正常，夜间室内（4000K）偏蓝。目标是在不更换硬件的前提下，通过 ISP 参数调整将 ΔE 色差控制在 8 以内。

关键数据与日志：抓取夜间 RAW 图分析，发现 R/G 增益为 1.35，B/G 增益为 1.82。对比白天 RAW 图（R/G=1.52，B/G=1.28），夜间 B/G 增益明显偏高。进一步检查 AWB 统计窗口，发现统计区域被门锁的金属面板反光干扰，导致 AWB 误判光源色温为 6500K 以上。

分析判断过程：问题根因并非 AWB 算法本身，而是 AWB 统计窗口的 ROI（感兴趣区域）设置不合理。门锁面板的拉丝金属在荧光灯下产生镜面反射，形成高亮区域，AWB 算法误将这些高光区域视为白色参考点，从而拉高了 B 通道增益。

实际操作步骤：① 将 AWB 统计窗口从全画面改为中央 60% 区域，避开边缘金属反光；② 在 ISP 寄存器中设置 AWB 色温上限为 5500K，防止算法过度补偿；③ 手动微调 B/G 增益上限从 2.0 降至 1.6；④ 重新抓图验证，夜间偏蓝明显改善，ΔE 从 12.3 降至 5.8。

结果对比与复盘：调整后夜间人脸肤色恢复正常，但发现暗部（楼道角落）出现轻微偏紫。进一步微调 Gamma 曲线暗部（输入 32 处）的 B 通道增益，降低 10% 后偏紫消除。复盘经验：AWB 统计窗口的 ROI 设计必须考虑门锁外壳的反射特性；Gamma 暗部调整需与 AWB 增益联动验证，避免顾此失彼。

3.5 常见误区与总结复盘

• 误区一：偏色问题一律归咎于 AWB。实际上，CCM 矩阵错误、Gamma 曲线异常、甚至镜头红外滤光片（IR-Cut）切换不到位都可能引起偏色。调试时应先抓 RAW 图，确认问题发生在哪个色彩空间域。
• 误区二：忽略色温传感器的辅助作用。部分高端门锁模组带有环境光色温传感器，但若传感器被遮挡或校准不当，反而会误导 AWB。建议在调试时对比色温传感器读数与实际光源色温。
• 误区三：Gamma 调整只关注亮度。Gamma 曲线对色彩饱和度的影响常被忽视，尤其在暗部区域。调整 Gamma 后必须检查 18% 灰卡的色彩还原。
• 误区四：YUV 输出偏色时只调 ISP。若 ISP 输出 RGB 正常但 YUV 偏色，需检查 RGB→YUV 转换矩阵的系数是否被错误修改，或色度增益（Cb/Cr Gain）设置不当。

总结：摄像头偏色调试应遵循“从 RAW 到 YUV 逐级排查”的原则。RAW 域检查传感器和镜头问题，RGB 域检查白平衡、CCM 和 Gamma，YUV 域检查编码和传输问题。色温是外部环境变量，白平衡是内部补偿机制，Gamma 是非线性调节器，三者相互影响。建议每次调试都保留 RAW 图、ISP 参数表、输出 YUV 图三份证据，形成可追溯的调试记录。对于智能门锁这种批量生产的产品，还需考虑不同批次传感器的一致性——同一套 ISP 参数在不同传感器上可能产生 ±5% 的色差，因此量产前需进行多颗模组的色彩一致性抽检。