056、白平衡算法工程化：灰度世界、完美反射与色温曲线法的三合一方案

056、白平衡算法工程化：灰度世界、完美反射与色温曲线法的三合一方案

一、从一次“翻车”调试说起

去年夏天，我接手一个中端机型的Camera Tuning项目。客户反馈：室内暖光灯下拍人像，肤色偏黄得离谱；室外阴天拍天空，又蓝得发紫。我翻看Log，发现ISP的AWB模块只用了灰度世界法，而且色温估计区间被锁死在3000K-6500K。更离谱的是，当场景里出现大面积红色物体（比如一面红墙），灰度世界直接崩了——整张图偏青，像蒙了一层滤镜。

后来我拆开代码一看，灰度世界法的增益计算是全局平均，没做任何异常检测。完美反射法倒是写了，但只在高光区域做了一次白点筛选，阈值写死，根本扛不住动态场景。色温曲线法更惨，查表用的还是实验室标定的数据，到了量产机，Sensor响应曲线变了，查出来的色温偏差500K起步。

那次之后，我决定把三种方法揉成一个三合一方案。不是简单堆叠，而是让它们互相兜底、动态切换。今天这篇笔记，就聊聊这个方案的工程化落地细节。

二、灰度世界法：别让它“傻白甜”

灰度世界法的假设是：场景中RGB三通道的平均值趋于相等。这个假设在自然光下勉强成立，但遇到大面积单色物体（比如草地、蓝天、红墙），直接翻车。

工程化改造的关键是加权重。别用全局平均，而是引入一个“色彩丰富度”权重。具体做法：把图像分成NxN块（我常用16x16），对每个块计算RGB均值，再算一个“色偏指数”——比如用R/G和B/G的方差。方差大的块，说明色彩丰富，权重高；方差小的块（比如纯色墙），权重