1. AWB 概述：白平衡的基本概念、色温与色度学基础、AWB 在 ISP pipeline 中的位置

1.1 白平衡的基本概念

人眼视觉系统具有色彩恒常性（Color Constancy），无论光源色温如何变化，人眼都能将白色物体感知为白色。然而，图像传感器（CMOS/CCD）不具备这种自适应能力，其记录的 RAW 数据会随光源色温变化而产生严重的色彩偏移。白平衡（White Balance, WB）的核心目标就是消除光源色温对图像色彩的影响，使白色物体在任何光源下都呈现为中性白，从而还原场景的真实色彩。

白平衡的数学本质可表示为：

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

其中 R_gain、G_gain、B_gain 为各通道的增益系数，
且满足 R_gain : G_gain : B_gain 的比值由光源色温决定。

1.2 色温与色度学基础

色温（Color Temperature）是描述光源光谱特性的物理量，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；色温越高，光线越偏蓝。

在色度学中，白平衡的调整通常基于 CIE 1931 色度图。光源的色度坐标 (x, y) 落在普朗克轨迹（Planckian Locus）上，而白平衡的目标是将图像的白点校正到标准照明体 D65（色温 6504K）或 D50（色温 5003K）附近。

1.3 AWB 在 ISP Pipeline 中的位置

在典型的 ISP 处理流水线中，AWB（自动白平衡）模块通常位于黑电平校正（BLC）和去马赛克（Demosaic）之间，或紧接在去马赛克之后。其位置决定了输入数据的格式和输出数据的质量要求。

以下为 ISP Pipeline 中 AWB 模块的典型位置与数据流：

1.4 AWB 模块的输入输出与关键参数

AWB 模块在 ISP 中承担着色温估计与增益计算的双重任务。其输入输出关系如下：

1.5 AWB 色温估计的典型流程

一个完整的 AWB 色温估计与增益计算流程通常包含以下步骤：

1. 统计信息采集： 将图像划分为 M×N 个统计块，计算每个块的 R/G/B 均值。
2. 有效块筛选： 剔除过暗（噪声大）、过亮（饱和）、低饱和度（无色彩信息）的块。
3. 色温初估计： 基于灰度世界或完美反射假设，计算全局 R/G 和 B/G 比值。
4. 色温匹配： 将计算得到的 R/G、B/G 比值与预置的色温查找表（LUT）进行匹配，得到估计色温。
5. 增益计算： 根据估计色温，从 LUT 中插值得到 R_gain、G_gain、B_gain。
6. 时间域平滑： 对增益系数进行低通滤波，防止帧间闪烁。

1.6 色温估计偏差的常见场景

在实际调试中，以下场景最容易引发 AWB 色温估计偏差：

• 大面积单色物体： 如蓝天、绿草地、红色墙面，算法误将单色视为中性灰。
• 混合光源： 室内日光灯与窗外自然光混合，色温不唯一，算法难以收敛。
• 低照度环境： 信噪比低，统计信息受噪声干扰，色温估计抖动大。
• 高饱和度物体： 如霓虹灯、彩色灯光，超出色温 LUT 覆盖范围。
• 动态场景切换： 从室内到室外，色温突变，时间域平滑导致响应滞后。