2. 色温估计原理:基于灰度世界假设、基于完美反射假设、基于色温查找表的方法

自动白平衡(AWB)的核心在于从图像数据中准确估计当前场景的光源色温。色温估计的精度直接决定了后续增益校正的准确性。本章深入剖析三种主流的色温估计原理:灰度世界假设、完美反射假设以及基于色温查找表的方法,并对比其适用场景与局限性。

2.1 基于灰度世界假设(Gray World Assumption, GWA)

核心思想:在色彩丰富的自然场景中,所有像素颜色的平均值趋向于灰色(即 R、G、B 三通道的平均值相等)。任何偏离灰色的偏差均被视为由光源色温引起。

计算步骤:

  1. 统计整帧图像或选定区域内所有像素的 R、G、B 通道总和,并计算各自的平均值:R_avg、G_avg、B_avg。
  2. 计算全局灰色参考值:Gray = (R_avg + G_avg + B_avg) / 3。
  3. 分别计算各通道的增益系数:
    R_gain = Gray / R_avg
    G_gain = Gray / G_avg
    B_gain = Gray / B_avg
  4. 将增益系数应用于原始图像每个像素,完成白平衡校正。
优点:算法简单、计算量小、易于硬件实现。
缺点:当场景中存在大面积单色物体(如蓝天、绿草、红墙)时,假设失效,导致严重的色偏。

下图展示了灰度世界假设的基本流程:

灰度世界假设(GWA)色温估计流程 输入 RAW 图像 统计 R/G/B 均值 计算增益系数 ⚠ 假设前提:场景色彩丰富,各通道均值相等。 失效场景:大面积单色物体(蓝天、草地、肤色)。 输出校正后图像

2.2 基于完美反射假设(Perfect Reflector Assumption, PRA)

核心思想:场景中最亮的像素点(即“完美反射体”)能够完全反射入射光,其 R、G、B 值直接反映了光源的颜色。通过将最亮像素映射为白色,即可完成白平衡校正。

计算步骤:

  1. 遍历图像,找出 R、G、B 三通道中亮度值最高的像素点(或前 1%~5% 的亮像素集合)。
  2. 记录该像素的 R、G、B 值:R_max、G_max、B_max。
  3. 计算各通道增益:
    R_gain = 255 / R_max
    G_gain = 255 / G_max
    B_gain = 255 / B_max
  4. 将增益应用于全图。
关键陷阱:若场景中不存在真正的白色或高光反射区域(如阴天、夜景),PRA 会错误地将噪声或非反射体当作参考,导致严重色偏。实际 ISP 中常结合 GWA 进行加权融合。

下表对比了 GWA 与 PRA 的核心差异:

对比维度 灰度世界假设(GWA) 完美反射假设(PRA)
参考对象 全图所有像素的统计均值 最亮像素(高光区域)
适用场景 色彩丰富、光照均匀的场景 存在明显白色或高光反射的场景
失效场景 大面积单色、低饱和度场景 无高光、过曝或噪声主导的场景
计算复杂度 低(仅需统计均值) 中(需排序查找最亮像素)
硬件友好度 极高 较高

下图展示了完美反射假设的估计逻辑:

完美反射假设(PRA)色温估计逻辑 输入图像 查找最亮像素 是否
为白色? 计算增益 切换为 GWA 方法 否(无完美反射体)

2.3 基于色温查找表的方法(Color Temperature Look-Up Table, CT-LUT)

核心思想:预先在实验室标定不同色温光源下(如 D65、D50、A 光源、TL84 等)的 R/G 和 B/G 比值,建立一张“色温-色比”查找表。实际运行时,统计当前图像的 R/G 和 B/G 比值,通过查表或插值得到最接近的色温值。

实现流程:

  1. 离线标定阶段:在标准光源箱中,使用 ISP 参考相机拍摄 24 色卡,记录不同色温下的 R/G 和 B/G 比值。
  2. 建立 LUT:将色温值与对应的色比数据存入表格。
  3. 在线估计阶段:计算当前帧的 R/G 和 B/G 比值,在 LUT 中查找最接近的色温条目。
  4. 插值优化:若比值落在两个色温条目之间,采用线性插值或样条插值得到连续色温值。
工程实践:CT-LUT 方法精度高、鲁棒性强,是主流 ISP 芯片(如 Qualcomm、MediaTek、Samsung)的首选方案。LUT 通常包含 10~30 个标定点,覆盖 2000K~10000K 色温范围。

下表展示了一个简化的色温查找表示例:

色温(K) 光源类型 R/G 比值 B/G 比值
2800 白炽灯(A) 1.85 0.52
4000 荧光灯(TL84) 1.45 0.78
5500 日光(D55) 1.20 0.95
6500 阴天(D65) 1.05 1.10
7500 阴影 0.92 1.28

下图展示了 CT-LUT 方法的完整架构:

基于色温查找表(CT-LUT)的色温估计架构 离线标定(实验室) 在线统计 R/G、B/G 色温查找表(LUT) 查表 + 线性插值 输出估计色温值 📌 关键优势: 1. 精度高:基于真实光源标定,不受场景内容干扰。 2. 鲁棒性强:即使场景色彩单一,仍能通过色比匹配正确色温。 3. 可扩展:可针对不同传感器、镜头模组单独标定 LUT。

2.4 三种方法的综合对比与选型建议

在实际 ISP 调试中,单一方法往往难以应对所有场景。主流方案是采用混合策略:以 CT-LUT 为主干,GWA 和 PRA 作为辅助或置信度校验。下表总结了三种方法的选型建议:

应用场景 推荐方法 原因
手机拍照(通用场景) CT-LUT + GWA 融合 兼顾精度与场景适应性
工业相机(固定光源) CT-LUT(单点标定) 光源已知,查表即可
安防监控(低照度) GWA + 降噪预处理 高光区域少,PRA 失效
医疗内窥镜(高饱和场景) PRA + 区域分割 存在明显高光反射区域
调试要点:无论采用哪种方法,ISP 调试工程师都需要关注以下参数:
• 统计区域选择:避开过曝、欠曝区域,通常取中间 60% 像素。
• 增益上限钳位:防止单通道增益过大导致噪声放大(通常限制在 1.5~2.5 倍)。
• 时间域平滑:避免帧间色温跳变,引入 IIR 滤波器或滑动窗口。