1、白平衡基础：色温与色彩科学、人眼视觉与色彩恒常性、白平衡的定义与目标
各位同学，咱们今天正式开讲。做图像传感器调试这么多年，我始终觉得白平衡是ISP pipeline里最“玄学”的一环。为什么这么说？因为它不光是数学公式，还牵扯到人眼的感知。你调出来的图，数据上可能完美，但人看着就是不舒服——这种坑，我踩过不止一次。
所以第一章，咱们先把地基打牢。搞懂色温、色彩科学，还有那个神奇的“色彩恒常性”。这些概念懂了，后面调AWB算法你才知道自己在干什么。
1.1 色温：光的“脾气”
说白了，色温就是描述光源颜色的一个物理量。单位是开尔文（K）。
你想想看，一块铁被加热，温度低的时候是暗红色，温度高了变成亮黄色，再高就发蓝了。色温就是这个道理——色温越低，光越偏红黄；色温越高，光越偏蓝。
| 光源场景 | 典型色温 (K) | 视觉感受 |
|---|---|---|
| 蜡烛/篝火 | 1800 - 2000 | 温暖、昏黄 |
| 白炽灯 | 2800 - 3200 | 暖白 |
| 日出/日落 | 3000 - 4000 | 金色 |
| 日光灯/正午阳光 | 5000 - 6500 | 中性白 |
| 阴天/阴影 | 7000 - 9000 | 冷白、偏蓝 |
1.2 色彩科学：从光到数字
人眼能感知颜色，是因为视网膜上有三种视锥细胞——L、M、S，分别对长波（红）、中波（绿）、短波（蓝）敏感。这就是三色刺激理论的基础。
相机传感器呢？它用拜耳阵列（Bayer Pattern）来模拟这个过程。每个像素只能感知一种颜色（R、G或B），然后通过插值算法算出全彩图。
但这里有个关键问题：传感器的光谱响应和人眼不一样。所以我们需要一个色彩校正矩阵（CCM），把传感器捕捉到的RGB值，映射到人眼感知的标准色彩空间（比如sRGB）里。
核心公式（简化版）：
// 白平衡增益应用
R_out = R_in * R_gain
G_out = G_in * G_gain // 通常G_gain固定为1.0
B_out = B_in * B_gain
// 色彩校正矩阵
[R_linear] [CCM_00 CCM_01 CCM_02] [R_sensor]
[G_linear] = [CCM_10 CCM_11 CCM_12] * [G_sensor]
[B_linear] [CCM_20 CCM_21 CCM_22] [B_sensor]嗯，这里要注意：白平衡增益是在CCM之前应用的。顺序搞反了，颜色就全乱了。我见过有新手把顺序弄反，结果怎么调都偏色，最后发现是pipeline顺序错了。
1.3 人眼视觉与色彩恒常性
为什么一张白纸，在暖色灯光下看是白的，在阴天冷光下看还是白的？这就是色彩恒常性。
人脑会自动“扣除”环境光的颜色，还原物体本身的固有颜色。但相机没有这个能力。它拍到的就是物理真实——暖光下白纸就是偏黄的，冷光下就是偏蓝的。
所以，白平衡算法的目标，就是模拟人眼的色彩恒常性。让相机拍出来的白纸，在任何光源下都看起来是白的。
1.4 白平衡的定义与目标
定义很简单：白平衡（White Balance, WB）就是通过调整R、G、B通道的增益，使图像中的中性色（白、灰、黑）不偏色。
但目标呢？不止一个。
- 客观目标： 让中性色在色度图上落在白点附近（比如D65白点）。
- 主观目标： 让图像看起来自然、舒适，符合人眼记忆中的场景颜色。
- 工程目标： 算法要稳定、鲁棒，不能在不同场景间频繁跳变。
这三个目标有时候是冲突的。比如，一个完全客观正确的白平衡，在日落场景下可能让画面显得太“冷”，失去了暖色调的氛围感。这时候，我们就要做取舍——保留一部分色温，让画面更有“味道”。
1.5 本章知识体系
下面这张图，把第一章的核心逻辑串起来了。你对照着看，思路会更清晰。
这张图你看懂了吗？色温是输入，色彩科学是处理工具，色彩恒常性是我们要模仿的目标。三者汇聚到白平衡算法上，最终输出一个“好看”的图像。
好了，第一章就到这里。内容不多，但都是基础中的基础。后面讲灰度世界、色温估计、增益计算，全都依赖这些概念。你先把这些消化掉，咱们下章见。