3、色彩空间基础：RGB与sRGB色彩空间、CIE XYZ与Lab色彩空间、色度图与色域
做白平衡调试，说白了就是在跟颜色打交道。但颜色这东西，不同设备、不同标准下定义完全不一样。你想想看，同一个红色，在手机屏幕上、在印刷品上、在电影院投影上，看起来能一样吗？
所以，我们得先搞清楚颜色是怎么被“量化”的。这就是色彩空间要做的事。我个人习惯把色彩空间理解成一把“颜色的尺子”，不同尺子量出来的结果，得知道怎么换算。
3.1 RGB与sRGB色彩空间
RGB 是最常见的色彩模型。红、绿、蓝三个通道，每个通道 0-255，组合出 1600 多万种颜色。听起来挺多，对吧？但它的缺陷也很明显——它跟设备强相关。
我在项目中遇到过一个问题：同一张图，在 A 厂商的屏幕上饱和度过高，在 B 厂商的屏幕上又发灰。原因很简单，两个屏幕的 RGB 定义不一样。这就是为什么我们需要一个标准化的 RGB 空间——sRGB。
核心区别：
- RGB：设备相关，没有标准白点、伽马值。不同设备看到的颜色不同。
- sRGB：由微软和惠普在 1996 年制定，定义了标准白点（D65）、伽马曲线（≈2.2）和色域。它是互联网和消费电子的事实标准。
sRGB 的伽马校正很关键。人眼对暗部变化更敏感，对亮部变化不敏感。sRGB 用伽马曲线把 8bit 的量化资源更多地分配给暗部，这样看起来更自然。嗯，这里要注意：sRGB 的伽马值不是严格的 2.2，而是一个分段函数，在暗部有一段线性区，防止噪声被过度放大。
调试小技巧：
做 AWB 调试时，我建议始终在 sRGB 空间下观察最终效果。因为绝大多数用户屏幕都是 sRGB 的。如果你在广色域显示器上调得“刚刚好”，换到普通 sRGB 屏上可能就过饱和了。
3.2 CIE XYZ与Lab色彩空间
sRGB 虽然标准化了，但它还是基于显示设备的。科学家们想要一个与设备无关的色彩空间，于是就有了 CIE XYZ。
CIE XYZ 是 1931 年由国际照明委员会提出的。它基于人眼对颜色的视觉感知实验，用三个假想的原色 X、Y、Z 来表示所有可见光。其中 Y 代表亮度，X 和 Z 代表色度信息。
说白了，XYZ 是一个“数学上的颜色”，不依赖任何显示器或打印机。它是所有色彩空间之间转换的桥梁。
| 色彩空间 | 设备相关性 | 主要用途 | 我的经验 |
|---|---|---|---|
| RGB | 强相关 | 显示、采集 | 不同传感器 RGB 响应不同，需要标定 |
| sRGB | 标准相关 | 互联网、消费电子 | AWB 最终输出目标空间 |
| CIE XYZ | 无关 | 色彩科学、转换桥梁 | 做色彩矩阵计算时经常用到 |
| CIE Lab | 无关 | 色彩差异评估 | 我最喜欢用它来量化 AWB 偏差 |
说到 CIE Lab，我得好好聊聊。Lab 空间的设计非常巧妙——它把颜色分成了三个维度：L（亮度）、a（红绿轴）、b（黄蓝轴）。这个空间最大的优点是感知均匀性。什么意思？就是在 Lab 空间里，两个颜色之间的欧氏距离，大致等于人眼感觉到的颜色差异。
我曾经用 Lab 空间做过一个 AWB 评估工具。把拍摄的灰卡颜色转换到 Lab 空间，计算它和标准灰（L=50, a=0, b=0）的 ΔE 值。ΔE 小于 1 人眼基本看不出差异，小于 3 算合格，大于 5 就明显偏色了。这个指标比肉眼判断靠谱得多。
避坑指南：
我曾经在 Lab 空间做色温估计时踩过一个坑：Lab 空间是基于人眼视觉的，但 CMOS 传感器的光谱响应和人眼不一样。直接从 Raw 图转到 Lab 做分析，结果会偏差很大。正确的做法是：先做色彩校正矩阵（CCM），把传感器 RGB 转到 sRGB，再转到 Lab。
3.3 色度图与色域
色度图，就是 CIE 1931 xy 色度图。它把 XYZ 空间投影到二维平面上，x 和 y 代表色度，亮度 Y 被去掉了。这个图看起来像一只“舌头”或“马蹄形”，边界上的点代表单色光（光谱色），内部是混合色。
色域，就是某个设备或标准能覆盖的颜色范围。在色度图上，色域通常用一个三角形来表示。三角形的三个顶点分别是红、绿、蓝三原色的坐标。
从这张图可以看得很清楚：sRGB 的色域最小，Adobe RGB 和 DCI-P3 更大。为什么？因为 sRGB 诞生时是为了适配 CRT 显示器，那时候的荧光粉只能覆盖这么大范围。现在手机屏幕动不动就宣称 100% DCI-P3 覆盖，但如果你做 AWB 调试，最终输出还是要映射回 sRGB，否则在普通屏幕上会过饱和。
色域映射的坑：
我做过一个项目，传感器原生色域比 sRGB 大很多。一开始我们直接做 CCM 转到 sRGB，结果发现某些高饱和颜色（比如深蓝色）被“削波”了——颜色细节丢失，变成一片死蓝。后来我们引入了色域映射算法，用感知优先的方式把超出 sRGB 的颜色压缩回来，而不是简单裁剪。
3.4 色彩空间转换流程
在实际的 AWB 算法中，色彩空间转换是一个标准流程。我整理了一个典型的处理链路：
- Raw 域：传感器输出的 Bayer 格式数据，此时还是线性 RGB，没有做任何色彩处理。
- 白平衡增益：在 Raw 域对 R、G、B 通道分别乘以增益系数，校正色温偏差。
- 色彩校正矩阵（CCM）：把传感器 RGB 转到标准 RGB（如 sRGB）。这一步是 3x3 矩阵乘法，用来补偿传感器光谱响应和人眼之间的差异。
- 伽马校正：把线性 RGB 转到 sRGB 伽马空间，适配显示设备。
- 可选转换：如果需要做色彩分析或评估，再转到 CIE XYZ 或 CIE Lab。
我的习惯：
调试时，我会在 Raw 域、sRGB 域和 Lab 域同时观察数据。Raw 域看白平衡增益是否合理，sRGB 域看最终视觉效果，Lab 域看色偏的量化指标。三个空间互相印证，不容易漏掉问题。
最后说一句：色彩空间不是越“大”越好。sRGB 虽然色域小，但它是互联网的通用语言。你做 AWB 调试，最终用户看到的是 sRGB 下的效果。所以，理解 sRGB 的约束，比追求广色域更重要。