4. 白平衡与色彩校正：灰度世界假设、色温估计、AWB算法实现、色彩校正矩阵（CCM）

白平衡和色彩校正，说白了就是让相机「看懂」颜色。人眼有很强的色彩恒常性——一张白纸在日光灯下是白的，在烛光下你看着还是白的。但传感器没这个本事，它老老实实记录光谱能量分布，结果就是偏色。我入行时调的第一块 sensor，室内拍出来跟泡了酱油似的，从那以后我就对 AWB 格外上心。

4.1 色温与偏色原理

色温用开尔文（K）表示。低色温偏红黄，高色温偏蓝青。典型场景：

传感器 R/G/B 通道对不同色温的响应曲线不一样。低色温下 R 通道增益要压低，B 通道要拉高；高色温反过来。这就是 AWB 要干的事——找到合适的 R/G/B 增益，把中性色拉回中性。

4.2 灰度世界假设

这是最经典的 AWB 方法。假设场景中所有颜色的平均反射率是中性灰，即 R、G、B 三个通道的均值相等。

算法步骤很简单：

1. 计算整帧图像 R、G、B 通道的均值：R_avg、G_avg、B_avg
2. 计算各通道增益：R_gain = G_avg / R_avg，B_gain = G_avg / B_avg
3. 对每个像素应用增益：R_out = R_in * R_gain，B_out = B_in * B_gain

R_gain = G_avg / R_avg
B_gain = G_avg / B_avg
G_gain = 1.0  (通常固定)

我在项目中遇到过一个问题：当场景中大面积是纯色（比如绿草地、红墙），灰度世界假设就失效了。整帧偏绿时，G_avg 本来就高，算出来的 R_gain 和 B_gain 会偏大，结果反而过校正。所以实际工程里很少直接用全局灰度世界，而是结合其他方法。

4.3 色温估计方法

更靠谱的做法是先估计色温，再查表或插值得到增益。常见方法：

• 基于 R/G 和 B/G 的色温曲线：在不同色温下拍摄灰卡，记录 R/G 和 B/G 比值，拟合出一条色温曲线。运行时根据当前 R/G、B/G 反推色温。
• 普朗克轨迹法：利用黑体辐射轨迹在色度图上的投影，把 R/G、B/G 映射到色温。
• 学习型方法：用大量标定数据训练一个回归模型，输入 R/G、B/G 统计量，输出色温。

4.4 AWB 算法实现

一个实用的 AWB 流程通常包含以下步骤：

1. 统计信息提取：将图像分成 N×N 块，每块计算 R/G、B/G 均值。
2. 有效区域筛选：去掉过暗（噪声大）、过亮（饱和）、饱和度太高的块。只保留接近中性色的区域。
3. 色温估计：用筛选后的块计算全局 R/G、B/G，映射到色温。
4. 增益计算：根据色温查表得到 R_gain、B_gain。
5. 增益平滑：对帧间增益做低通滤波，避免闪烁。
6. 像素级校正：对每个像素应用增益。

下面是一个简化的 AWB 实现片段：

// 简化版 AWB 核心逻辑
void awb_process(uint16_t *r, uint16_t *g, uint16_t *b, int width, int height) {
    // 1. 分块统计
    int blocks = 16;
    float rg_avg = 0, bg_avg = 0;
    int valid_count = 0;

    for (int by = 0; by < blocks; by++) {
        for (int bx = 0; bx < blocks; bx++) {
            float block_r = 0, block_g = 0, block_b = 0;
            int pixels = 0;

            for (int y = by * height/blocks; y < (by+1) * height/blocks; y++) {
                for (int x = bx * width/blocks; x < (bx+1) * width/blocks; x++) {
                    int idx = y * width + x;
                    block_r += r[idx];
                    block_g += g[idx];
                    block_b += b[idx];
                    pixels++;
                }
            }

            block_r /= pixels;
            block_g /= pixels;
            block_b /= pixels;

            // 2. 有效区域筛选：亮度适中，饱和度低
            float rg = block_r / block_g;
            float bg = block_b / block_g;
            float sat = fabs(rg - 1.0) + fabs(bg - 1.0);

            if (sat < 0.3 && block_g > 32 && block_g < 224) {
                rg_avg += rg;
                bg_avg += bg;
                valid_count++;
            }
        }
    }

    if (valid_count == 0) return;

    rg_avg /= valid_count;
    bg_avg /= valid_count;

    // 3. 查表得到增益（简化：直接按灰度世界）
    float r_gain = 1.0 / rg_avg;
    float b_gain = 1.0 / bg_avg;

    // 4. 应用增益
    for (int i = 0; i < width * height; i++) {
        r[i] = clamp(r[i] * r_gain, 0, 255);
        b[i] = clamp(b[i] * b_gain, 0, 255);
    }
}

4.5 色彩校正矩阵（CCM）

AWB 做完后，颜色基本不偏了，但还不够准。因为 sensor 的滤色片和人的视觉系统响应不同，需要用一个 3×3 矩阵把 sensor RGB 映射到标准色彩空间（比如 sRGB）。这就是 CCM。

CCM 的形式：

[ R_out ]   [ a11  a12  a13 ]   [ R_in ]
[ G_out ] = [ a21  a22  a23 ] * [ G_in ]
[ B_out ]   [ a31  a32  a33 ]   [ B_in ]

矩阵系数通过拍摄标准色卡（比如 X-Rite ColorChecker）来标定。最小二乘法拟合，让输出色块和标准值的色差最小。

我踩过一个坑：CCM 系数对光源很敏感。在 D65 下标定的矩阵，拿到 A 光源下用，颜色会偏。所以量产时通常要准备多组 CCM，根据 AWB 估计的色温做插值。嗯，这里要注意，CCM 插值不能直接插系数，要在色度空间做，否则会出现负值或奇异矩阵。

4.6 AWB + CCM 联合流程

整个白平衡与色彩校正的 pipeline 是这样的：

这个流程里，AWB 和 CCM 是耦合的。AWB 先把白点拉正，CCM 再把整体色域映射准确。顺序不能颠倒——如果先做 CCM 再做 AWB，CCM 会把偏色也一起映射进去，后面 AWB 就很难拉回来。

4.7 常见问题与避坑

• 混合光源场景：室内有日光灯又有窗边日光，AWB 会无所适从。我建议在这种场景下做区域 AWB，不同区域用不同增益，但边缘会有色差，需要做平滑过渡。
• 低照度噪声放大：暗光下 R/B 通道增益很大，噪声也被放大。我曾经在 10 lux 下拍出来全是彩色噪点。解决办法是限制最大增益，或者结合降噪模块一起做。
• CCM 负值问题：标定出来的 CCM 系数可能有负值，导致某些像素溢出或变负。需要做 clamp 和防溢出处理。
• 肤色保护：AWB 和 CCM 调得太「准」时，肤色可能会偏黄或偏青。很多 ISP 会在 AWB 里加一个肤色区域保护逻辑，不让增益把肤色拉偏。

白平衡和色彩校正，说到底是让相机「学会」人眼的色彩恒常性。没有完美的算法，只有适合场景的工程取舍。调好 AWB 和 CCM，你的图像就成功了一半。