4. 自动白平衡（AWB）：灰度世界、完美反射、色温估计与AI增强方法

自动白平衡，说白了就是让相机在不同光源下都能把白色拍成白色。你想想看，在暖色灯光下拍的白纸会偏黄，在阴天拍的白纸会偏蓝。人眼会自动校正这种色偏，但传感器不会。所以AWB就是替传感器做这件事。

我刚开始做ISP时，觉得AWB不就是找个白点嘛，能有多难？后来在项目里被各种极端场景折磨过，才明白这玩意儿水很深。今天咱们就把传统方法和AI增强的路子都捋一遍。

4.1 白平衡问题的数学本质

先看一个简单模型。假设传感器捕获的RGB值，是光源光谱、物体反射率和传感器响应三者乘积的积分。白平衡要做的，就是估计光源的颜色，然后把它校正到标准光源（通常是D65）下。

数学上，我们通常用对角模型（Von Kries模型）来近似：

R_corrected = R_raw * (R_gain)
G_corrected = G_raw * (G_gain)
B_corrected = B_raw * (B_gain)

其中增益系数就是我们要算的东西。通常固定G通道增益为1，只调R和B。为什么？因为人眼对绿色最敏感，拿它当基准最稳。

4.2 传统方法：灰度世界假设

这是最经典的方法，也是我入行时学的第一个AWB算法。它的假设很简单：一幅彩色图像中，所有像素的RGB平均值应该趋于灰色。

换句话说，如果场景里颜色足够丰富，那么R、G、B三个通道的均值应该相等。如果不相等，差值就是光源造成的色偏。

计算步骤：

1. 计算整幅图像R、G、B通道的均值：R_avg, G_avg, B_avg
2. 计算增益：R_gain = G_avg / R_avg, B_gain = G_avg / B_avg
3. 用增益校正每个像素

听起来很完美对吧？但我在项目中踩过坑——这个假设在单一色调场景下会彻底失效。比如拍一片蓝天，整幅图都是蓝色，灰度世界会强行把蓝色拉成灰色，结果天空变成了灰蒙蒙的，完全失真。

4.3 传统方法：完美反射假设

这个方法换个思路——它假设图像中最亮的像素是白色物体反射光源的结果。所以只要找到最亮的那些像素，用它们的颜色来估计光源就行了。

具体做法：

1. 把图像转成YCbCr或类似亮度色度空间
2. 选出亮度最高的前1%-5%的像素
3. 计算这些像素的R、G、B均值
4. 用这些均值计算增益

这个方法在室内场景效果不错，因为经常有白色墙壁、白色纸张等。但问题也很明显——如果场景里没有白色物体呢？比如拍一个红色苹果，最亮的部分是苹果的高光，那算法就会把红色当成白色来校正，结果整个画面偏青。

方法	适用场景	失效场景	计算量
灰度世界	色彩丰富的自然场景	单一色调场景（蓝天、草地）	低
完美反射	室内、有白色物体的场景	无白色物体、高光非白色	低
色温估计	已知光源类型的场景	混合光源、非标准光源	中

4.4 色温估计方法

这个方法更物理一些。它利用一个事实：不同色温的光源，在RGB色度图上的分布是有规律的。比如白炽灯（~2800K）偏红黄，日光（~5500K）偏白，阴天（~6500K+）偏蓝。

做法是：

1. 把图像像素投影到色度空间（比如rg色度图）
2. 沿着普朗克轨迹（黑体辐射轨迹）搜索最匹配的色温
3. 根据色温查表得到增益系数

我记得在手机摄像头项目里，我们预置了十几种常见光源的色温-增益映射表。效果比灰度世界稳定，但遇到混合光源（比如室内既有日光又有灯光）就麻烦了，因为色温估计会取一个折中值，导致部分区域偏色。

4.5 AI增强方法：从分类到回归

传统方法说到底都是基于假设的。假设不成立，结果就崩。AI方法就不一样了——它直接从数据里学映射关系。

最早的做法是色温分类：用CNN把图像分成室内、室外、阴天、日落等场景，然后每个场景用不同的AWB参数。我在2018年做过一个项目，用MobileNet做分类，在低端芯片上也能跑实时。效果比传统方法好，但分类粒度太粗，遇到过渡场景就尴尬。

后来进化到色温回归：直接用网络输出色温值和增益系数。网络结构通常是：

Input: 下采样后的图像 (64x64 或 128x128)
Backbone: 轻量CNN (如ShuffleNet, EfficientNet-Lite)
Head: 全连接层输出 2 个值 (R_gain, B_gain)
Loss: 与ground truth的L2距离 + 感知损失

这里有个关键点——训练数据怎么来？ 我见过很多团队用合成数据，但合成数据和真实数据总有差距。我个人的做法是：用多台标定过的相机，在几十种标准光源下拍摄Macbeth色卡，然后人工标注白平衡参数。虽然费时，但效果扎实。

4.6 混合架构：传统+AI的协同

纯AI方法也有问题——泛化性不够。遇到训练集里没见过的光源，网络可能输出离谱的结果。所以现在的主流方案是混合架构。

我参与的一个量产方案是这样的：

1. 传统方法做粗估计：灰度世界+完美反射，快速算出一个初始增益
2. AI做细校正：一个小网络（只有几万参数）输入图像块和初始增益，输出增益残差
3. 后处理：用色温约束和时序平滑，防止增益跳变

这样做的好处是：传统方法保证了基本盘，AI只在需要微调的地方起作用。即使AI偶尔犯错，也不会偏离太远。

4.7 AWB的知识体系

下面这张图把AWB的核心脉络梳理清楚了。从输入图像到最终校正，每一步都有多种选择，而混合架构是目前最实用的路径。

4.8 工程落地要点

最后聊几个我在量产项目里总结的要点：

• 时序平滑很重要：AWB增益不能逐帧跳变，否则视频会闪烁。我习惯用IIR滤波做平滑，时间常数设0.3-0.5秒。
• 置信度机制：当AI输出的增益与历史值偏差过大时，降低AI的权重，回退到传统方法。这个机制救过我很多次。
• 肤色保护：AWB校正后，人脸肤色不能偏。我通常在增益计算后加一个肤色区域的约束项，确保人脸颜色在合理范围内。
• 调试工具：建议在ISP pipeline里预留AWB增益的log接口。我在现场调试时，经常靠分析log里的增益变化曲线来定位问题。