色温估计基础：从假设到实战

色温估计，说白了就是让相机知道「现在是什么光」。我刚开始做ISP时，觉得这步很简单——不就是算个平均值吗？后来被各种奇葩场景教做人，才明白这里面的门道有多深。

这一章我们聊三种最经典的估计方法。它们虽然简单，但直到今天，很多商用方案里依然能看到它们的影子。

灰度世界假设

这个假设很直观：一张色彩丰富的照片，所有颜色的平均值应该是灰色。你想想看，如果场景里红绿蓝分布均匀，那R、G、B三个通道的均值应该差不多。

具体做法分三步：

1. 计算整张图R、G、B通道的均值：R_avg, G_avg, B_avg
2. 计算全局灰度值：Gray = (R_avg + G_avg + B_avg) / 3
3. 计算各通道增益：R_gain = Gray / R_avg, G_gain = Gray / G_avg, B_gain = Gray / B_avg

代码实现也很直接：

// 灰度世界假设的C实现片段
void gray_world_awb(uint16_t* raw_r, uint16_t* raw_g, uint16_t* raw_b, 
                    int width, int height, float* r_gain, float* b_gain) {
    uint64_t sum_r = 0, sum_g = 0, sum_b = 0;
    int total = width * height;
    
    for (int i = 0; i < total; i++) {
        sum_r += raw_r[i];
        sum_g += raw_g[i];
        sum_b += raw_b[i];
    }
    
    float avg_r = (float)sum_r / total;
    float avg_g = (float)sum_g / total;
    float avg_b = (float)sum_b / total;
    
    float gray = (avg_r + avg_g + avg_b) / 3.0f;
    
    *r_gain = gray / avg_r;
    *b_gain = gray / avg_b;
    // G通道增益通常固定为1.0
}

完美反射假设

这个方法换个思路：图像中最亮的像素点，应该是纯白色。换句话说，场景里总有一些区域是白色或高光，它们反射了光源的真实颜色。

我习惯这么理解：你拿一张白纸放在不同灯光下，白纸看起来会偏色。但如果你知道白纸本该是白的，就能反推出光源颜色。

实现步骤：

1. 找到图像中最亮的N%像素（通常取前1%-5%）
2. 计算这些像素的R、G、B均值
3. 用这些均值计算增益，和灰度世界类似

两种方法的对比：

基于色温曲线的估计方法

前面两种方法都是「盲猜」，没有利用任何先验知识。而色温曲线法，说白了就是查表+插值。

我们先在实验室标定好：在不同色温的光源下（比如D65、D50、A光源），拍一张灰卡，记录下R/G和B/G的比值。把这些点连成一条曲线，就是色温曲线。

实际估计时：

1. 计算当前图像的R/G和B/G
2. 在色温曲线上找到最近的点
3. 用插值算出对应的色温和增益

嗯，这里要注意：色温曲线不是一条直线，它通常是一条平滑的弧线。因为不同传感器的色彩响应不同，每条曲线都是针对特定传感器标定的。

// 色温曲线插值示例（伪代码）
typedef struct {
    float ct;      // 色温
    float rg_ratio; // R/G
    float bg_ratio; // B/G
} ColorTempPoint;

float estimate_ct(float rg, float bg, ColorTempPoint* curve, int n) {
    // 找到最近的两个标定点
    for (int i = 0; i < n-1; i++) {
        if (rg >= curve[i].rg_ratio && rg <= curve[i+1].rg_ratio) {
            float t = (rg - curve[i].rg_ratio) / 
                      (curve[i+1].rg_ratio - curve[i].rg_ratio);
            return curve[i].ct + t * (curve[i+1].ct - curve[i].ct);
        }
    }
    return -1; // 超出范围
}

三种方法的对比与选择

我做项目时一般这么选：

• 快速原型：灰度世界，三行代码搞定
• 有高光场景：完美反射，比如户外阳光
• 量产产品：色温曲线法，精度最高

当然，现在主流方案都是多种方法融合。比如先用灰度世界做粗估计，再用色温曲线做细调。或者用深度学习直接回归色温——那是后面章节的内容了。