066、AWB自动白平衡：统计法与AI色温估计的协同

一个让我失眠三天的AWB问题

2019年夏天，某旗舰机项目进入最后调试阶段。产线反馈：在室内混合光源场景下，同一台手机连续拍三张照片，色温漂移超过800K。更诡异的是，用灰卡校正后，肤色反而偏黄。QA团队把问题定性为“AWB算法不稳定”，要求三天内给出解决方案。

那三天我几乎没合眼。白天盯着示波器看ISP pipeline里的R/G/B通道直方图，晚上在实验室模拟各种光源组合。最终发现：传统统计法在混合光源下会“取平均”，而AI模型在训练数据里没见过这种场景——两者各自为政，互相打架。

这个案例让我意识到：AWB从来不是单一算法能解决的问题。统计法有统计法的物理依据，AI有AI的场景泛化能力，但两者必须协同，而不是替代。

统计法的底层逻辑与陷阱

先说说统计法。这是AWB的“老本行”，核心假设是“灰色世界”或“白色世界”——场景中所有颜色的平均值应该是中性灰，或者最亮的区域应该是白色。

灰色世界法：计算全图R/G、B/G的平均值，然后调整增益使这两个比值趋近于1。代码实现很简单：

defgray_world_awb