091、AWB自动白平衡：统计法与AI色温估计的协同优化

091、AWB自动白平衡：统计法与AI色温估计的协同优化

一、一个让我失眠三天的白平衡问题

2019年，某旗舰手机项目进入量产冲刺阶段。产线反馈：同一批次模组，在室内暖光灯下，一半拍出来偏黄，一半拍出来偏蓝。更诡异的是，同一颗模组，上午测试正常，下午就偏色。产线工程师以为是模组批次差异，换了三批供应商，问题依旧。

我带着示波器蹲在产线三天，终于发现：产线测试工位上方，下午三点阳光会从西侧窗户斜射进来，导致工位环境色温从上午的5000K漂移到下午的6500K。而我们的AWB算法，对色温变化过于敏感，且没有考虑模组个体差异。

这个案例让我意识到：AWB从来不是一个单纯的算法问题，它是光学、传感器、算法、产线工艺、甚至环境光照的综合博弈。今天这篇笔记，就聊聊统计法和AI色温估计如何协同作战。

二、统计法AWB：老司机的三板斧

统计法AWB的核心思想很简单：假设场景中“灰色”物体在R/G/B通道的响应应该相等。但现实世界哪有那么多纯灰色？所以我们需要各种假设和约束。

2.1 灰度世界法——最朴素的假设

defgray_world_awb(im