1. 白平衡基础概念：色温、白平衡与色彩恒常性
各位同学好，我是老周。在ISP调试这行摸爬滚打了十几年，今天咱们来聊聊白平衡——这个看似基础、实则坑最多的模块。
说实话，我刚入行时也觉得白平衡不就是“把白色调准”吗？后来被现实狠狠教育了几次。有一次项目赶着量产，室内灯光下拍出来的肤色偏黄，客户直接拒收。从那以后，我才真正沉下心去理解白平衡背后的物理原理和视觉机制。
这一章，我们先打好地基。把色温、白平衡、人眼色彩恒常性这几个概念彻底讲透。
1.1 什么是色温
色温这个概念，说白了就是描述光源颜色的一个数值。单位是开尔文（K）。
你想想看，一个黑体（理想辐射体）被加热到不同温度时，会发出不同颜色的光。温度低的时候偏红，温度高的时候偏蓝。这就是色温的物理来源。
| 光源场景 | 典型色温（K） | 视觉感受 |
|---|---|---|
| 烛光、日出日落 | 1800 - 3000 | 暖黄、偏红 |
| 白炽灯 | 2700 - 3200 | 暖白 |
| 荧光灯、日光灯 | 4000 - 5000 | 中性白 |
| 正午阳光、闪光灯 | 5000 - 6500 | 标准白 |
| 阴天、阴影 | 6500 - 8000 | 冷白、偏蓝 |
| 蓝天（无云） | 10000 - 15000 | 深蓝 |
这里有个容易混淆的点：色温越高，颜色越冷（偏蓝）；色温越低，颜色越暖（偏红）。跟直觉正好相反。我在给新人培训时，经常有人问“为什么高温反而发蓝？”——因为黑体辐射的峰值波长随温度升高向短波（蓝光）移动。
1.2 什么是白平衡
白平衡，英文叫White Balance，简称AWB（自动白平衡）或WB。它的核心目标就一个：让白色物体在任何光源下都呈现为白色。
为什么需要这个？因为相机传感器是“诚实”的。它记录的是场景中物体反射的光谱能量分布。如果光源偏黄，白色物体反射的光也会偏黄。相机如果不做处理，拍出来的白色就是黄的。
白平衡的本质，就是对三个颜色通道（R、G、B）施加不同的增益，把偏色的白色拉回到标准白色。
// 白平衡的数学本质
// 假设标准白色在D65光源下为 (R0, G0, B0)
// 当前光源下白色响应为 (R_src, G_src, B_src)
// 则白平衡增益为：
gain_R = R0 / R_src
gain_G = G0 / G_src
gain_B = B0 / B_src
// 对全图每个像素应用增益
R_out = R_in * gain_R
G_out = G_in * gain_G
B_out = B_in * gain_B嗯，这里要注意：增益不能无限大。我在调试高通平台时，遇到过极端低色温（烛光）场景，B通道增益被拉到3.0以上，结果噪声爆炸，暗部全是彩色噪点。所以实际工程中，我们会给增益设置上限，比如1.0~2.5之间。
1.3 人眼视觉系统的色彩恒常性
为什么相机需要白平衡，而人眼却好像不需要？
其实人眼也有“白平衡”，只不过它是自动的、无意识的。这个能力叫做色彩恒常性（Color Constancy）。
你想想看，一张白纸在阳光下是白的，在烛光下你依然觉得它是白的。但相机拍出来，烛光下的白纸是黄澄澄的。这就是人眼和相机的根本区别。
人眼的色彩恒常性主要依赖两个机制：
- 视觉适应：视网膜上的视锥细胞会根据环境光调整灵敏度。待久了，大脑会“校准”掉光源的颜色。
- 先验知识：大脑知道“白纸是白的”，所以即使视网膜接收到的信号偏黄，大脑也会修正感知。
相机没有这种“先验知识”。它只能靠算法去估计光源颜色，然后做反向补偿。这就是AWB算法的核心任务——光源估计。
1.4 为什么相机需要白平衡
这个问题其实前面已经回答了，但我还是想从工程角度再强调几点：
- 传感器是色盲的：CMOS传感器只记录光子数量，它不知道当前是什么光源。它忠实记录，但忠实不等于好看。
- 下游模块依赖白平衡：在ISP pipeline中，白平衡是色彩处理的第一步。如果白平衡不准，后面的色彩校正矩阵（CCM）、伽马校正、饱和度增强都会跟着错。一步错，步步错。
- 用户体验的底线：我做过用户盲测，偏色是用户最敏感的缺陷之一。尤其是肤色偏黄偏绿，用户一眼就能看出来。白平衡不准的照片，用户会直接定义为“废片”。
- 不同场景需要不同策略：比如拍风景时，稍微偏蓝的冷色调反而更讨喜；拍食物时，暖色调更有食欲。所以白平衡不只是“准确”，还要“好看”。
本章知识结构
下面这张图，我把本章的核心概念和它们之间的关系画了出来。你可以把它当作一张“思维导图”来理解。
这张图把本章的三个核心概念串联起来了。你可以看到：色温是物理基础，白平衡算法是工程实现，色彩恒常性是生物参照。三者缺一不可。