4. 色温与光源：从物理到算法的第一道门槛

做 AWB 算法，说白了就是在跟「光」打交道。你想想看，相机看到的颜色，本质上就是物体反射的光。光源一变，整个场景的颜色就全变了。所以，理解光源，是搞懂白平衡的第一步。

我个人习惯把光源分成两类：一类是实验室里能精确复现的标准光源，另一类是真实世界里乱七八糟的混合光。今天咱们就从标准光源开始聊。

4.1 常见标准光源与色温

先看一张表。这张表我建议你存下来，调试时经常要用到。

4.2 光源的光谱分布：为什么色温一样，颜色却不同？

这里有个坑。你可能会觉得，色温一样的光源，拍出来应该一样吧？其实不是。

色温只描述了光源的「冷暖」程度，但没描述它的光谱组成。举个例子：一个 4000K 的白炽灯，和一个 4000K 的荧光灯，色温一样，但光谱分布完全不同。

白炽灯的光谱是连续的，像一条平滑的曲线。荧光灯的光谱是线状的，在某些波长上有尖峰。这就导致了一个问题：同一个物体，在这两种光源下，反射到 sensor 上的 RGB 值可能完全不同。

我曾经在调试一款手机时遇到过：在 TL84 下白平衡已经调得很准了，换到 CWF 下就偏绿。查了半天，发现是 sensor 对 545nm 附近的荧光灯尖峰特别敏感。后来在 AWB 算法里加了一个荧光灯检测分支，才把这个问题解决。

4.3 混合光源场景：算法工程师的噩梦

单一光源还好办，最头疼的是混合光源。比如：

• 室内靠窗的位置：窗外是 D65 日光，室内是 TL84 荧光灯
• 夜晚街景：路灯（高压钠灯，约 2200K）+ 店铺招牌（LED，约 5000K）
• 舞台灯光：追光灯（3200K）+ 背景 LED 屏（6500K）

这种场景下，整个画面没有一个统一的色温。你让 AWB 算法怎么选？

高通平台的策略是：分区域统计，全局决策。具体来说：

1. 把画面分成 N×N 个块（通常是 16×16 或 32×32）
2. 每个块独立统计 R/G、B/G 比值
3. 用聚类算法找出「主光源」和「次光源」
4. 根据主光源的色温做全局白平衡

但这个方法有个问题：如果主光源和次光源的面积差不多，算法就会「左右为难」。我见过一个 case：画面左边是暖色台灯，右边是冷色窗光，AWB 在两者之间来回跳，拍出来的视频一帧暖一帧冷，用户体验极差。

4.4 光源与 AWB 算法的映射关系

下面这张图是我自己整理的，展示了从「物理光源」到「算法决策」的完整链路。

从这张图你能看到，AWB 算法不是直接处理「色温」的，而是处理「统计值」。光源的光谱分布，经过 sensor 的 R/G/B 滤色片积分后，变成了 R/G 和 B/G 比值。算法再拿这些比值去匹配已知的光源库。

4.5 高通平台上的光源配置

在高通 Spectra 平台上，光源信息是通过 awb_calibration_data 结构体配置的。里面有一个 light_source 数组，每个元素对应一种光源。

// 高通 AWB 校准数据结构体（简化版）
typedef struct {
    uint32_t color_temperature;  // 色温，单位 K
    float r_g_ratio;             // 该光源下的 R/G 比值
    float b_g_ratio;             // 该光源下的 B/G 比值
    float r_g_std;               // R/G 标准差（用于判断光源稳定性）
    float b_g_std;               // B/G 标准差
    uint8_t light_type;          // 光源类型：0=D65, 1=A, 2=TL84, 3=CWF...
} awb_light_source_t;

4.6 一个实战案例：混合光源下的 AWB 调试

最后分享一个我实际处理过的 case。某款手机在商场里拍照，画面总是偏黄。商场用的是 TL84 荧光灯，但天花板上有几个天窗，透进来 D65 日光。

我抓了 log 一看，AWB 估计的色温在 3800K 到 4200K 之间来回跳。3800K 时画面偏蓝，4200K 时偏黄。为什么？因为算法把混合光源当成了一个「中间色温」来处理，但实际场景里根本没有 4000K 的光源。

解决方案是：在 AWB 算法里加了一个「双光源检测」逻辑。如果统计到的 R/G、B/G 比值分布出现两个明显的聚类中心，就判定为混合光源，然后选择面积较大的那个光源做主光源。

改完之后，色温稳定在了 4100K 左右，画面虽然不能说完全准确，但至少不跳了。用户反馈也好了很多。