4. 白平衡（AWB）：灰度世界法、完美反射法、色温估计、增益调整的流水线设计、FPGA中的统计模块实现

白平衡，说白了就是让白色物体在照片里看起来是白的。你想想看，在日光灯下拍的白纸，如果直接显示出来可能偏蓝；在白炽灯下拍，又可能偏黄。人眼会自动校正这种色偏，但CMOS传感器可没这个本事。所以，ISP流水线里必须有一道工序来干这个活。

我个人习惯把AWB分成两个阶段：统计阶段和校正阶段。统计阶段在FPGA里实时算，校正阶段则通过增益乘法器来调整RGB通道。今天我们就把这套流水线拆开来看。

4.1 灰度世界法（Gray World）

这个算法假设：一张色彩丰富的照片，所有像素的R、G、B平均值应该趋于相等。如果不等，说明有色偏，我们就用增益把平均值拉到同一个水平线上。

公式很简单：

R_gain = G_avg / R_avg
B_gain = G_avg / B_avg
G_gain = 1.0

我在项目中遇到过一个问题：如果场景里大面积的单色物体（比如一面红墙），灰度世界法就会失效——它会强行把红墙拉成灰色。所以，这个算法只适合色彩丰富的场景。

4.2 完美反射法（Perfect Reflector）

这个算法的思路是：图像中最亮的那个像素点，应该代表光源的颜色。找到这个点，然后用它的RGB值来推算增益。

具体做法：

1. 遍历所有像素，找到亮度最高的那个点（或者前0.1%最亮的点）
2. 记录这个点的R_max、G_max、B_max
3. 计算增益：R_gain = G_max / R_max，B_gain = G_max / B_max

嗯，这里要注意：如果场景里本身就有高亮光源（比如太阳），完美反射法也会翻车。我曾经在拍夜景时用过这个算法，结果把路灯当成了参考白点，整张图偏得一塌糊涂。

4.3 色温估计（Color Temperature Estimation）

灰度世界法和完美反射法都是纯统计方法，没有考虑物理意义。色温估计则更进了一步——它试图估算出当前光源的色温，然后查表得到对应的增益。

色温估计的常用方法：

• R/G 和 B/G 比值法：计算全图的R/G和B/G比值，然后映射到色温曲线上
• 白点检测法：先找出可能属于白色区域的像素，再用这些像素的色度值估算色温

我一般会在FPGA里同时跑两种统计：一种是全图平均，一种是白点区域统计。然后根据场景置信度做加权融合。这样既保留了灰度世界法的稳定性，又吸收了色温估计的准确性。

方法	优点	缺点	FPGA资源消耗
灰度世界法	计算简单，稳定	大色块场景失效	低
完美反射法	对亮部还原好	易受噪声和光源干扰	中
色温估计	物理意义明确	需要查表，依赖校准	中高

4.4 增益调整的流水线设计

增益调整在FPGA里就是三个乘法器的事：

R_out = R_in * R_gain
G_out = G_in * G_gain
B_out = B_in * B_gain

但流水线设计的关键在于时序和精度。我建议用定点数表示增益，比如Q8.8格式（8位整数，8位小数）。这样乘法结果可以直接截取高16位输出。

流水线结构：

1. Stage 1：读取像素和增益系数
2. Stage 2：执行乘法运算
3. Stage 3：截位和饱和处理
4. Stage 4：输出校正后的像素

我曾经在调试时发现，如果增益系数更新太快，画面会出现闪烁。后来加了一个低通滤波器，让增益缓慢变化，问题就解决了。

4.5 FPGA中的统计模块实现

统计模块是AWB的大脑。它需要在像素流中实时计算各种统计量。我常用的统计模块包括：

• RGB累加器：计算全图R、G、B的和，用于灰度世界法
• 最大值检测器：找出R、G、B的最大值，用于完美反射法
• 直方图统计：统计R/G和B/G比值的分布，用于色温估计
• 白点检测器：判断每个像素是否属于白色区域

下面是我常用的统计模块结构图：

在FPGA实现时，我建议用双缓冲结构。一帧统计，下一帧应用增益。这样既保证了实时性，又避免了统计和校正的时序冲突。

4.6 综合对比与选型建议

三种方法各有适用场景。我一般这样选：

• 消费级摄像头：灰度世界法 + 白点检测，性价比最高
• 工业相机：色温估计 + 完美反射法，精度优先
• 车载摄像头：三种方法加权融合，鲁棒性第一

嗯，最后说一句：AWB没有银弹。最好的方案是根据应用场景做定制化设计。FPGA的好处就是灵活——你可以随时切换算法，甚至在同一帧里对不同区域用不同的白平衡策略。