首先介绍一下色温的概念。色温源自普朗克定义的黑体受热辐射，单位是K(kelvin)，用于定义光源颜色，热黑体辐射体与光源的色彩相匹配时的开尔文温度就是光源的色温。来看一下色温的大致范围：
![]()
色温曲线
这是一份在XYZ色彩空间的光源色温曲线，可以看到色彩偏红时色温较低，色彩偏蓝则色温较高。一般烛光在1800K，阴天为5000K，晴天为6500K，蓝色天空在10000K以上。在实际场景中，光源的颜色未必刚好在这条色温曲线上，很可能有一些偏差。
AWB要做的事情，是要让白色的物体，在任何色温条件下，都显示成白色，这是sensor色彩校正的第一步。这里先要说明一下人眼就有非常快速和精准的AWB，以至于我们很少察觉到。举例来说，有一张白纸，不论在什么环境下，我们人眼都会认为是白色的，只有在光源色温大幅度且快速切换的一瞬间(例如开灯/关灯)，才会感觉到白纸会变色一下，然后马上又变白了。而CMOS sensor拍摄到的图片，受色温的影响很大，而且Sensor 本身对RGB三个分量的敏感度也不一样，因此sensor输出的原始图片和人眼所见差异很大。AWB算法就是要克服sensor本身特性和人眼的不一致，以及解决色温对图像色彩的影响。Sensor输出原本色彩和经过ISP校准后的色彩对比，这里ISP中色彩处理包括AWB和CCM.
![]()
某款Sensor的RGB分量敏感曲线
![]() ![]()
(上) A 光源
![]() ![]()
(中) CWF光源
![]() ![]()
(下) D65光源
某款CMOS sensor原始色彩和ISP处理后的色彩比对
人眼的AWB是根据周围环境和既往的经验来实现的，这里ISP算法也一样需要经验。针对任意一款sensor和lens的组合，我们都需要做一些实验，通过这些实验来获取相关的数据，作为这个组合的经验值。实验需要一个灯箱，灯箱中有不同色温的几种光源可做选择，通常有A光源，CWF，D65等色温从低到高的几种光源，灯箱背景为纯灰色(和白色等价)。用sensor 拍摄不同光源下的灯箱背景或者标准测试灰卡，抓取原始的Bayer pattern图片。
白色和灰色物体，在图像数据中体现为R,G,B三个分量相等，YCbCr domain中Cb和Cr都为128. 我们通常在Bayer pattern domain或者RGB domain中来做AWB算法，那么就是要让白色和灰色物体的R=G=B。我们拍摄到的图片中，这三者是不相等的，我们可以统计出整幅图中平均的两个比例值G/R和G/B，很容易想到，如果对图像中所有的R分量乘以G/R，所有的B分量乘以G/B，那么图像就会变成白色或者灰色。我们可以用G/R和G/B来构建二维空间，观察不同光源条件下这两个数值的分布情况，如下图。
![]()
光源在[G/R，G/B]空间的分布图
接下来我们需要在这个二维空间中描述一个闭合空间，这个闭合空间代表了可能是白色(灰色)物体的G/R和G/B的取值范围。在上图中，是用一个非常简单的方法，用几条直线勾勒出一个多边形作为闭合空间。这个闭合空间必须包含大部分光源的情况。也就是说，假设有个白色(灰色)物体，不论在何种常见光源下，统计出来的两个数值都会落在这个闭合空间内。这个闭合空间不能太大也不能太小，太大可能有很多其他颜色被误认为白色，太小则容易找不到白色而不稳定。那么如果确定了闭合空间的形状，在拍摄实际场景时，如果场景中有白色/灰色物体，那么就可以统计出落在闭合空间范围的像素点数，以及这个闭合空间内这些像素的平均G/R和G/B，分别记为R_gain和B_gain，对整幅图像的R分量乘以R_gain，B分量乘以B_gain，就算达到白平衡了，同时可以利用这两个Gain获得近似的色温，这里的逻辑关系并不严密，很可能有些物体并非白色而被误认为白色，所以AWB算法总是存在一定的误判概率。如果图像中没有找到落在闭合空间范围内的像素(或者太少不足以用作参考)，那么通常会保持原先的R_gain和B_gain，或者采用灰度世界算法。灰度世界算法是假设Sensor 拍到的画面中所有像素的平均色彩应该是灰的，即R=G=B，于是把整幅图像的所有像素(而不仅仅是闭合空间内)都统计进去，计算出一个全局平均的R_gain和B_gain，由于拍摄内容的不确定性，这两个gain可能偏离真实情况很远(例如拍摄鲜艳的红色)，因此需要做最大值和最小值限制，避免出现极端异常情况。相比于前面找白色物体的方法，灰度世界算法相对比较稳定，总是能计算出大概的gain值，缺点是很可能不正确，受大色块影响比较严重。在实际应用中，通常会结合这两种方法的优点，加上额外的限制条件，衍生出更加稳定和有效的AWB算法。
在统计上，为了避免大色块对AWB的影响，通常会对图像进行网格状分割，对每个矩形框内的数据独立统计，如果某个网格的数据偏离闭合空间很远的话，就认为是大色块而不参与AWB gain计算。
AWB的精准性是可以通过Imatest 测试的，要求在各种色温下，拍摄24色卡的最下面6个方块不能有颜色，这个通常很容易达到。
![]()
CMOS sensor拍摄的场景可能时时在变化，每次计算AWB得到的Gain会不一致，有时候甚至相差很多，如果实时调整AWB gain的话会让视频画面的色彩有跳跃感，看起来不舒服。为此，通常会做两点，一是AWB gain计算有一个稳定区间，每次计算所得AWB gain后会映射到某个色温C，假设原先的C和当前计算所得的C差异不大（小于某个阈值）的话，就不做调整，也就是说当画面色温变化不大的时候白平衡不变；二是两次色温差异超过阈值，需要调整的话，要采用渐进式慢慢的调整，例如R_gain原本为1.0，调整为2.0，那么每个Frame gain增加0.01，需要100个Frame才能调整到位，以30fps为例，就需要3.3秒时间，这样画面会渐渐的转变过去，看起来比较柔和舒适，没有闪烁的感觉。
| 
