3. 色温估计

色温估计，说白了就是让相机猜出当前是什么光。你想想看，一张白纸在日光下是白的，在钨丝灯下发黄，在荧光灯下发绿。相机如果不做色温估计，那拍出来的颜色就全乱套了。

我个人习惯把色温估计分成三步走：先建立光源模型，再构建查找表，最后用插值算出精确值。咱们一步步来。

3.1 色温曲线：光源的数学模型

色温曲线不是随便画出来的。它描述的是黑体辐射体在不同温度下的色度轨迹。我刚开始做ISP时，总觉得这东西太理论，直到有一次在实验室里对着色温计发呆……嗯，后来才明白，这条曲线就是相机判断光源的“尺子”。

标准色温曲线在CIE 1931色度图上的走向是这样的：

色温 (K)	x 坐标	y 坐标	典型光源
2000	0.5267	0.4133	烛光、日出日落
3200	0.4235	0.3990	钨丝灯
5000	0.3457	0.3585	日光灯、正午阳光
6500	0.3127	0.3290	阴天、D65标准光源
10000	0.2800	0.2880	蓝天阴影

这条曲线有个特点：低色温偏红黄，高色温偏蓝紫。我在项目中遇到过，有些算法直接把色温曲线拟合成多项式，但效果往往不好——因为真实光源并不完全在黑体轨迹上。

3.2 色温查找表构建

有了色温曲线，下一步就是建查找表。为什么要建表？因为实时计算色温曲线太慢了，查表快得多。

构建查找表的步骤，我一般这么干：

1. 采样色温点：从2000K到10000K，每隔100K采一个点，共81个点。
2. 计算对应色度坐标：用黑体辐射公式算出每个色温的(x, y)。
3. 计算R/G、B/G比值：根据传感器光谱响应，把(x, y)转成R/G和B/G。
4. 存储为表格：色温值作为索引，R/G和B/G作为数据。

代码实现大概是这样的：

// 色温查找表结构
typedef struct {
    uint16_t color_temp;  // 色温值 (K)
    float rg_ratio;       // R/G 比值
    float bg_ratio;       // B/G 比值
} AWB_LUT_Entry;

// 构建查找表
void build_awb_lut(AWB_LUT_Entry *lut, int num_entries) {
    for (int i = 0; i < num_entries; i++) {
        uint16_t ct = 2000 + i * 100;  // 从2000K开始，步长100K
        float x, y;
        blackbody_chromaticity(ct, &x, &y);  // 计算色度坐标
        lut[i].color_temp = ct;
        lut[i].rg_ratio = sensor_rg_from_xy(x, y);  // 传感器相关转换
        lut[i].bg_ratio = sensor_bg_from_xy(x, y);
    }
}

3.3 色温插值算法

查表只能给出离散点的值，但实际色温是连续的。这时候就需要插值。

常用的插值方法有三种：

方法	精度	计算量	适用场景
最近邻插值	低	极低	低端芯片、实时预览
线性插值	中	低	大多数场景，推荐使用
三次样条插值	高	中	高精度需求、后处理

我个人最常用的是线性插值。为什么？因为色温曲线在局部范围内近似线性，线性插值已经够用，而且计算量小。

线性插值的核心逻辑：

// 色温线性插值
float interpolate_rg(AWB_LUT_Entry *lut, int num_entries, uint16_t ct) {
    // 边界处理
    if (ct <= lut[0].color_temp) return lut[0].rg_ratio;
    if (ct >= lut[num_entries-1].color_temp) return lut[num_entries-1].rg_ratio;

    // 二分查找相邻点
    int low = 0, high = num_entries - 1;
    while (high - low > 1) {
        int mid = (low + high) / 2;
        if (lut[mid].color_temp <= ct) low = mid;
        else high = mid;
    }

    // 线性插值
    float t = (float)(ct - lut[low].color_temp) / 
              (lut[high].color_temp - lut[low].color_temp);
    return lut[low].rg_ratio + t * (lut[high].rg_ratio - lut[low].rg_ratio);
}

3.4 色温估计的整体流程

把上面这些串起来，色温估计的完整流程就是：

1. 从图像中统计R、G、B通道的均值或灰度世界假设值。
2. 计算R/G和B/G比值。
3. 在色温查找表中搜索最接近的(R/G, B/G)组合。
4. 用插值算法算出精确色温值。
5. 根据色温值确定白平衡增益。

下面这张图展示了整个流程：

3.5 实际项目中的注意事项

做色温估计，有几个坑我踩过，分享给你：

• 光源不唯一：场景中可能有多个光源，比如室内混合光。这时候色温估计会失效，需要做区域分割。
• 传感器差异：不同传感器的光谱响应不同，色温查找表必须针对具体传感器标定。
• 温度漂移：传感器温度变化会影响R/G、B/G比值，高精度场景需要做温度补偿。
• 低照度噪声：暗光下R/G、B/G比值噪声大，色温估计会抖动。我一般会加时域滤波。