057、AWB 色温估算：从 Sensor 统计信息到 Planckian 轨迹的落点判断一、一个让我熬夜的偏色问题去年做某款旗舰机的前置摄像头调试，客户反馈室内暖光灯下自拍肤色偏黄绿，尤其是人脸T区（额头、鼻梁）明显发青。我抓了RAW图，用工具看R/G、B/G比值，发现色温估算值在2800K附近，但实际光源是2700K的钨丝灯。按理说差100K不算离谱，但为什么偏色这么严重？后来拆解发现，问题出在“落点判断”上——AWB引擎把统计信息投影到了Planckian轨迹的错误区间，导致色温补偿方向反了。这个坑让我意识到：色温估算不是简单的查表，而是统计信息与物理模型的精确匹配。二、Sensor统计信息到底在算什么ISP的AWB模块通常从RAW域获取统计信息，核心是R/G、B/G两个比值。别小看这两个数，它们背后是Sensor对光谱的响应。每个像素的R、G、B通道经过黑电平校正、线性化后，统计出整帧或分区的均值。举个例子，假设你拿到一组统计值：R/G = 0.45B/G = 0.62直觉上，B/G 1说明蓝色成分多，可能是高色温（冷光）；R/G 1说明红色多，是低色温（暖光）。但实际Sensor的响应不是线性的，不同Sensor的CFA（滤色阵列）对同一光源的响应差异很大。比如IMX586和OV64B在D65光源下，R/G可能差0.05，这个偏移量
057、AWB 色温估算：从 Sensor 统计信息到 Planckian 轨迹的落点判断
057、AWB 色温估算：从 Sensor 统计信息到 Planckian 轨迹的落点判断一、一个让我熬夜的偏色问题去年做某款旗舰机的前置摄像头调试，客户反馈室内暖光灯下自拍肤色偏黄绿，尤其是人脸T区（额头、鼻梁）明显发青。我抓了RAW图，用工具看R/G、B/G比值，发现色温估算值在2800K附近，但实际光源是2700K的钨丝灯。按理说差100K不算离谱，但为什么偏色这么严重？后来拆解发现，问题出在“落点判断”上——AWB引擎把统计信息投影到了Planckian轨迹的错误区间，导致色温补偿方向反了。这个坑让我意识到：色温估算不是简单的查表，而是统计信息与物理模型的精确匹配。二、Sensor统计信息到底在算什么ISP的AWB模块通常从RAW域获取统计信息，核心是R/G、B/G两个比值。别小看这两个数，它们背后是Sensor对光谱的响应。每个像素的R、G、B通道经过黑电平校正、线性化后，统计出整帧或分区的均值。举个例子，假设你拿到一组统计值：R/G = 0.45B/G = 0.62直觉上，B/G 1说明蓝色成分多，可能是高色温（冷光）；R/G 1说明红色多，是低色温（暖光）。但实际Sensor的响应不是线性的，不同Sensor的CFA（滤色阵列）对同一光源的响应差异很大。比如IMX586和OV64B在D65光源下，R/G可能差0.05，这个偏移量
