3、白平衡校正：色温与色调、灰卡校准法、自动白平衡算法原理

白平衡校正，说白了就是让照片里的白色物体，在屏幕上看起来也是白的。你想想看，为什么有时候在室内拍的照片偏黄，阴天拍的照片偏蓝？这跟光源的色温有关。我刚开始接触RAW处理时，总觉得白平衡差不多就行，直到有一次给客户拍产品目录，白色包装盒在钨丝灯下拍出来跟旧报纸似的……嗯，从那以后我再也不敢小看白平衡了。

3.1 色温与色调：理解光的颜色

色温的单位是开尔文（K）。数值越低，光越暖（偏红黄）；数值越高，光越冷（偏蓝）。举个例子：

除了色温，还有一个参数叫「色调」（Tint）。它控制的是绿-品红方向的偏移。我见过不少新手只调色温，忽略了色调，结果画面要么偏绿要么偏品红。其实这两个参数是配合着用的。

3.2 灰卡校准法：最可靠的手动方式

如果你追求准确的色彩还原，灰卡校准法是最靠谱的。原理很简单：在拍摄场景中放一张中性灰卡（18%灰度），后期用吸管工具点一下灰卡，软件就会自动计算出正确的白平衡参数。

具体步骤：

1. 拍摄时：在场景主光源下放置灰卡，拍一张包含灰卡的参考帧。
2. 导入RAW：在Lightroom或Capture One中打开这张参考帧。
3. 取样：使用白平衡吸管工具，点击灰卡的中性灰色区域。
4. 应用：将校正后的白平衡参数同步到同场景的其他照片。

灰卡校准法的优势在于：它不依赖算法猜测，而是基于物理参考。对于商业摄影、产品拍摄、博物馆文物复制等对色彩要求极高的场景，这是标配操作。

3.3 自动白平衡算法原理：相机是怎么猜的？

自动白平衡（AWB）算法，说白了就是相机在替你「猜」当前场景的色温。它怎么猜的？主要有三种思路：

3.3.1 灰度世界法

这个算法假设：一张色彩丰富的照片，所有颜色的平均值应该是灰色。如果画面整体偏黄，说明红色和绿色通道的平均值偏高，算法就会降低R、G通道的增益，提升B通道的增益。

数学表达很简单：

R_gain = G_avg / R_avg
B_gain = G_avg / B_avg

但这个方法有个致命缺陷——如果画面本身就以暖色为主（比如日落），算法会强行把画面拉回中性，反而破坏了氛围。我遇到过好几次，在金色夕阳下拍的照片被AWB「洗白」了，气得我直接切手动。

3.3.2 完美反射法

这个算法认为：画面中最亮的像素点应该是白色的。它找到图像中亮度最高的区域，假设这些区域是光源的反射，然后以此为基准校正白平衡。

实现步骤：

1. 统计全图每个像素的R、G、B值。
2. 找出亮度最高的前1%-5%的像素。
3. 计算这些像素的R、G、B平均值。
4. 将这三个平均值映射到纯白（255, 255, 255），计算增益系数。

3.3.3 色温估计法（基于色域映射）

这是目前主流相机和后期软件采用的方法。它预先建立一个「色温-色度」映射表，记录不同色温下白色物体的R、G、B比例。算法将当前画面的色度分布与映射表进行匹配，找到最接近的色温值。

流程如下：

• 将图像从RGB转换到色度空间（如YUV或Lab）。
• 提取色度分量（u, v或a, b）。
• 与预置的「黑体轨迹」曲线进行比对。
• 输出最匹配的色温和色调值。

这种方法比前两种更智能，但计算量也更大。现在的相机芯片里都集成了专门的ISP模块来跑这个算法。

3.4 知识体系：白平衡校正全链路

下面这张图梳理了从RAW到成片过程中，白平衡校正的完整逻辑：

3.5 实战建议：什么时候用什么方法？