📚 课程目录第1章白平衡基础概念

1、白平衡基础概念：色温与色调、人眼视觉恒常性、白平衡在ISP Pipeline中的位置

各位同学好，我是你们这期课程的主讲。在图像处理这行摸爬滚打了十几年，我见过太多因为白平衡没做好而翻车的案例。说白了，白平衡就是让相机在各种光源下，都能把白色拍成白色。听起来简单？嗯，这里面的门道可不少。

咱们先从最基础的概念讲起。这一章，我带你理清楚三个核心问题：色温到底是什么？人眼为什么能自动适应？白平衡在ISP里到底站在哪个位置？

色温这个概念，最早是从黑体辐射来的。你想想看，一块铁被加热，温度低的时候发红，温度高了发蓝。这个规律，恰好能描述我们日常遇到的各种光源。

色温的单位是开尔文（K）。数值越低，光越暖；数值越高，光越冷。我刚开始接触这行时，总把“暖光低色温、冷光高色温”记反。后来想了个笨办法：想象篝火（暖，1800K）和阴天天空（冷，6500K），就再也没错过。

这里要区分一个概念：色温描述的是光源本身的颜色属性，而色调（Tint）描述的是颜色在品红-绿色轴上的偏移。我在项目中遇到过，有些工程师只调色温不管色调，结果拍出来的肤色总是发绿。记住，色温和色调是两个维度，缺一不可。

核心记忆点：

你有没有想过，为什么在昏黄的灯光下看白纸，你依然觉得它是白的？这就是人眼的视觉恒常性在起作用。说白了，大脑会自动“校正”光源颜色，让你感知到物体本身的颜色。

但相机没有这个能力。它是个“老实人”，传感器看到什么颜色，就记录什么颜色。所以，在钨丝灯下拍出来的照片，如果不做处理，整张图都是黄澄澄的。

我举个例子你就明白了：

这就是为什么我们需要自动白平衡（AWB）。它的任务，就是模拟人眼的视觉恒常性，把相机拍出来的偏色图像，校正回人眼“应该看到”的样子。

一个小技巧： 我曾经在调试AWB算法时，会刻意盯着偏色图像看几分钟，让眼睛适应。然后突然切回校正后的图像，对比“大脑校正”和“算法校正”的差异。这个方法能帮你快速发现算法的不足。

ISP（Image Signal Processor）的流程，就像一条流水线。每个模块处理一个环节，顺序不能乱。白平衡，就处在RAW域处理的早期阶段。

下面这张图，是我自己画的ISP核心流程。你看一眼，就能明白白平衡的位置有多关键。

你看，自动白平衡（AWB）紧跟在黑电平校正之后，在去马赛克之前。这个位置不是随便定的。我解释一下为什么：

RAW数据是线性的：传感器输出的RAW数据，与光强成正比。此时做白平衡，增益计算最直接、最准确。一旦经过Gamma校正，数据变成非线性，再算增益就复杂了。
避免颜色串扰：白平衡本质上是给R、G、B三个通道分别乘一个增益。如果在去马赛克之后做，插值过程已经引入了相邻像素的颜色信息，会干扰增益的纯净度。
硬件效率：在RAW域做白平衡，只需要处理一个通道的数据（Bayer模式）。处理量小，速度快。我见过一些低端方案把白平衡放在后面，结果不仅效果差，还拖慢了整个pipeline。

避坑指南： 我曾经接手过一个项目，前同事把白平衡放在了Gamma校正之后。结果呢？暗部区域的颜色怎么调都调不准，因为Gamma已经把暗部的信噪比压得很低了。后来我把白平衡挪回RAW域，问题迎刃而解。记住，白平衡一定要在RAW域、线性空间做，这是铁律。

这一章，我们只讲了三件事：

这些概念，是后面所有算法的基础。你如果现在觉得“色温”和“色调”还有点绕，没关系。下一章我们讲色温估计方法时，会反复用到这些概念。到时候你自然就熟了。

嗯，今天就到这里。记住我强调的那句话：白平衡，必须在RAW域做。这是你作为图像处理工程师，必须刻在脑子里的第一条规则。