167、自动白平衡（AWB）统计法与色温曲线：从RGB直方图到AI色温估计的调优路径

167、自动白平衡（AWB）统计法与色温曲线：从RGB直方图到AI色温估计的调优路径去年在调试一款车载环视模组时，遇到一个让人抓狂的bug：白天正常，傍晚路灯下画面偏紫，客户投诉说“像鬼片”。我盯着ISP输出的RGB直方图看了三天，最后发现是色温曲线在低照度段塌了。这种问题，靠调参数是调不出来的，得从AWB的统计原理和色温映射关系上动刀子。一、AWB统计法的底层逻辑：别被“白平衡”三个字骗了很多人以为AWB就是找画面里最白的像素，然后拉成白色。实际上一线调试时，你会发现“最白”这个概念在真实场景里根本不存在——雪地、白墙、白纸，它们的RGB值受光照影响差异极大。真正的AWB统计法，核心是假设场景中所有颜色的平均反射率是中性灰，也就是所谓的“灰世界假设”。RGB直方图是AWB的第一手情报。我习惯把R/G和B/G的比值画成二维散点图，横轴是R/G，纵轴是B/G，每个像素点对应一个坐标。理想情况下，中性灰区域的点应该聚集在(1,1)附近。但实际调试时，你会发现这些点会沿着一条曲线分布——这就是色温曲线。这里踩过坑：别直接用原始RGB值做统计。Sensor的响应曲线是非线性的，尤其是低照度下，暗区噪声会把R/G比值拉偏。我一般先做黑电平校正和线性化，再切到色温域做统计。否则你看到的“偏色”可能是噪声伪影，不是真实色温偏移。二、色温曲线的工程化：从实验室到产线的“翻译”过程色温曲线不是一条简单的直线，它本质上是不同色温光源下，中性灰物体在RGB空间的响应轨迹