1. AWB 基础概念：色温与白平衡的定义、人眼视觉系统的色彩恒常性、AWB 在 ISP Pipeline 中的位置
1.1 色温与白平衡的定义
色温是描述光源颜色特性的物理量，单位为开尔文（K）。它基于黑体辐射理论：当黑体被加热到不同温度时，会发出不同颜色的光。色温越低，光线越偏红/黄（暖色调）；色温越高，光线越偏蓝（冷色调）。
| 光源类型 | 典型色温范围（K） | 视觉感受 |
|---|---|---|
| 烛光 / 日出日落 | 1 800 – 2 800 | 暖红 / 橙黄 |
| 白炽灯 | 2 700 – 3 200 | 暖黄 |
| 荧光灯（暖白） | 3 200 – 4 000 | 中性偏暖 |
| 日光（正午） | 5 000 – 6 500 | 中性白 |
| 阴天 / 阴影 | 6 500 – 8 000 | 冷白 / 偏蓝 |
| 蓝天（无云） | 10 000 – 15 000 | 深蓝 |
白平衡（White Balance, WB）是图像信号处理中用于校正不同色温光源下物体颜色偏移的技术。其核心目标是在任意光源下，使场景中的白色物体在图像中呈现为真正的白色（R=G=B），从而还原物体本来的颜色。
关键公式：白平衡校正本质是对 R、G、B 三个通道施加独立增益，使中性色块的 R/G 和 B/G 比值趋近于 1.0。
// 白平衡增益计算示意（基于灰度世界假设）
R_gain = G_avg / R_avg
B_gain = G_avg / B_avg
// 其中 R_avg, G_avg, B_avg 为全图或参考区域的平均值
工程提示：实际 AWB 算法不会直接使用全图平均，而是通过统计、色温估计、置信度判断等步骤，避免大面积单色物体（如蓝天、绿草）导致误校正。
1.2 人眼视觉系统的色彩恒常性
色彩恒常性（Color Constancy）是人眼视觉系统的一种重要能力：即使场景的光源色温发生变化，人眼仍然能够感知物体固有的颜色。例如，一张白纸在烛光下（低色温）和日光下（高色温）看起来都是白色的，尽管其反射到人眼的光谱成分完全不同。
人眼实现色彩恒常性的机制主要包括：
- 视网膜适应：视锥细胞（L、M、S 三种）对光照强度进行自适应调节，改变灵敏度。
- 大脑皮层后处理：视觉皮层根据场景中的高光、阴影、参考白等线索，对颜色感知进行补偿。
- 记忆色与经验：人脑存储了常见物体（如天空、草地、人脸）的典型颜色，用于校正感知偏差。
注意：图像传感器不具备人眼的色彩恒常性。CMOS/CCD 传感器只能线性记录进入镜头的光谱能量分布，因此必须通过 AWB 算法模拟人眼的色彩恒常性，否则图像会出现严重的色偏。
下表对比了人眼视觉系统与图像传感器在色彩感知上的关键差异：
| 特性 | 人眼视觉系统 | 图像传感器 |
|---|---|---|
| 色彩恒常性 | 天生具备，自动补偿 | 不具备，需算法模拟 |
| 动态范围 | 极高（约 24 f-stops） | 有限（通常 10–14 f-stops） |
| 色温适应速度 | 数秒至数十秒 | 实时（每帧均可调整） |
| 参考白判断 | 基于场景语义和记忆 | 基于统计和预设模型 |
1.3 AWB 在 ISP Pipeline 中的位置
在典型的图像信号处理（ISP）流水线中，AWB 通常位于 黑电平校正（BLC） 和 去马赛克（Demosaic） 之间，属于 RAW 域处理的关键环节。其输入是经过黑电平校正和线性化的 Bayer RAW 数据，输出是经过白平衡增益校正的 RAW 数据，供后续模块处理。
ISP Pipeline 典型顺序：
Sensor RAW → 黑电平校正 → 线性化 → AWB 统计 / 增益应用 → 去马赛克 → 颜色校正矩阵（CCM） → Gamma 校正 → 色彩空间转换 → 输出
Sensor RAW → 黑电平校正 → 线性化 → AWB 统计 / 增益应用 → 去马赛克 → 颜色校正矩阵（CCM） → Gamma 校正 → 色彩空间转换 → 输出
下面给出 AWB 在 ISP Pipeline 中的位置示意图：
AWB 模块在 ISP Pipeline 中承担两个核心任务：
- 统计计算：对 RAW 图像进行分块统计，提取 R/G/B 通道的均值、直方图、色温估计等特征。
- 增益应用：根据统计结果计算 R 和 B 通道的增益系数，并逐像素乘到 RAW 数据上，完成白平衡校正。
工程实践：在移动端 ISP 中，AWB 统计通常由硬件模块（ISP 统计引擎）在 RAW 域实时完成，增益应用也由硬件乘法器执行，以降低延迟和功耗。调试工程师通过调整统计窗口、权重、色温曲线等参数来优化 AWB 效果。
1.4 色温与白平衡的关系总结
色温与白平衡的关系可以概括为：色温是原因，白平衡是解决方案。不同色温的光源导致图像产生色偏，AWB 算法通过估计场景色温并施加反向增益来消除色偏，使图像颜色接近人眼感知。
下图展示了色温变化与白平衡校正方向的对应关系：
核心要点回顾：
• 色温描述光源颜色，单位 K；低色温暖，高色温冷。
• 白平衡通过 R/G/B 通道增益校正色偏，目标是使白色物体还原为白色。
• 人眼具有色彩恒常性，图像传感器没有，必须依赖 AWB 算法模拟。
• AWB 位于 ISP Pipeline 的 RAW 域，在 BLC 之后、Demosaic 之前，是颜色处理链的基石。
• 色温描述光源颜色，单位 K；低色温暖，高色温冷。
• 白平衡通过 R/G/B 通道增益校正色偏，目标是使白色物体还原为白色。
• 人眼具有色彩恒常性，图像传感器没有，必须依赖 AWB 算法模拟。
• AWB 位于 ISP Pipeline 的 RAW 域，在 BLC 之后、Demosaic 之前，是颜色处理链的基石。