4. 色温估计偏差来源：光源非均匀性、场景颜色偏差、统计窗口选择不当
在自动白平衡（AWB）的实际调试中，色温估计的准确性直接决定了最终图像的白平衡效果。然而，ISP 统计引擎所采集的“光源色温”往往与真实场景存在偏差。本章深入剖析三大核心偏差来源：光源非均匀性、场景颜色偏差以及统计窗口选择不当，帮助调试工程师精准定位问题根因。
核心观点： AWB 色温估计的本质是从图像统计信息中“反推”光源颜色。任何破坏统计纯净度的因素，都会导致估计结果偏离真实色温。
4.1 光源非均匀性
理想情况下，场景由单一均匀光源照明。但在复杂环境中，多个色温不同的光源同时存在（如室内暖光与窗外日光混合），导致传感器不同区域接收到的光谱能量分布不一致。ISP 统计引擎若无法区分或分离这些光源，将产生“平均色温”估计，造成局部偏色。
调试提示： 在混合光源场景下，建议优先保证主体区域的白平衡准确，而非追求全图统一色温。部分 ISP 支持“区域 AWB”或“多光源融合”算法。
常见非均匀光源场景：
- 窗边人像： 人脸受室内暖光照射，背景为冷色日光。
- 舞台灯光： 聚光灯（低色温）与背景环境光（高色温）混合。
- 夜景霓虹灯： 不同颜色的 LED 光源在画面中形成局部色块。
4.2 场景颜色偏差
场景中物体本身的颜色（物体反射率）会“污染”光源色温的统计。当场景中存在大面积纯色物体（如绿草地、红墙、蓝天空）时，ISP 统计的 R/G/B 比值会严重偏离光源的真实白点，导致色温估计向物体颜色方向偏移。
| 场景类型 | 主色调 | 统计 R/G 偏差 | 色温估计倾向 |
|---|---|---|---|
| 森林/草地 | 绿色 | G 分量偏高，R/B 偏低 | 估计色温偏高（偏蓝） |
| 日落/红墙 | 红色 | R 分量偏高 | 估计色温偏低（偏暖） |
| 蓝天/水面 | 蓝色 | B 分量偏高 | 估计色温偏低（偏暖） |
| 雪地/白墙 | 白色/中性 | 接近光源白点 | 估计准确 |
调试陷阱： 不要盲目相信“灰世界”假设。当场景主色调明显时，必须引入“色彩置信度”或“物体色温先验”来修正统计权重，否则 AWB 会错误地试图将彩色物体“拉回”中性色。
4.3 统计窗口选择不当
ISP 通常不会对全图所有像素进行白平衡统计，而是通过配置统计窗口（Statistics Window）来限定采样区域。窗口的位置、大小、形状以及是否包含过曝/欠曝区域，都会显著影响色温估计的稳定性。
统计窗口配置的关键参数：
- 窗口位置： 是否覆盖主体区域？是否包含天空、地面等极端色块？
- 窗口大小： 窗口过小易受局部噪声干扰；窗口过大可能引入无关背景。
- 权重分布： 是否对画面中心区域赋予更高权重？
- 像素筛选： 是否排除过曝（saturation）和欠曝（dark）像素？
| 问题类型 | 表现 | 根因 | 调试对策 |
|---|---|---|---|
| 窗口偏左/偏右 | 色温随构图平移突变 | 窗口未覆盖主体，被背景色主导 | 启用中心加权或人脸 ROI 跟踪 |
| 窗口包含过曝区 | 色温估计偏低（偏暖） | 过曝像素 R/G/B 比值趋近 1:1:1，拉偏统计 | 设置过曝阈值，排除 Luma > 95% 的像素 |
| 窗口包含天空 | 色温估计偏高（偏蓝） | 蓝色天空导致 B/G 偏高 | 限制窗口下边界，或使用场景分类切换窗口 |
| 窗口过小 | 色温帧间抖动大 | 采样点不足，噪声敏感 | 增大窗口面积，或启用时域滤波 |
调试建议： 在 ISP 调试工具中，建议同时开启“统计窗口覆盖层”和“色温估计曲线”两个视图。通过移动窗口位置，观察色温估计值的变化，可以快速定位窗口配置是否合理。
4.4 三种偏差来源的对比与调试优先级
在实际调试项目中，三种偏差来源往往同时存在。下表从影响范围、调试难度和修复手段三个维度进行对比，帮助工程师确定调试优先级。
| 偏差来源 | 影响范围 | 调试难度 | 典型修复手段 | 优先级 |
|---|---|---|---|---|
| 光源非均匀性 | 局部偏色，画面不统一 | 高（需算法支持） | 多光源融合、区域 AWB | 中 |
| 场景颜色偏差 | 全局色温偏移 | 中（需先验知识） | 色彩置信度、物体色温库 | 高 |
| 统计窗口选择不当 | 色温抖动或系统性偏移 | 低（可快速调整） | 窗口位置/大小/权重优化 | 最高 |
调试顺序建议： 先排查统计窗口配置（最容易修复），再处理场景颜色偏差（引入先验），最后针对混合光源场景优化多光源算法。按照此顺序，通常能解决 80% 以上的色温估计偏差问题。