什麼是白平衡？ ROM之家詳細告訴你

　　首先要明白什麼是白平衡，它指的是在圖像處理的過程中，對原本材質為白色的物體的圖像進行色彩還原，去除外部光源色溫的影響，使其在照片上也顯示白色。

　　那色溫是怎麼理解的呢？這個概念其實有點繞， 它是開爾文通過黑體（blackbody） 這一理想光源， 在不同溫度下， 所發出光線的顏色特性來定義的。黑體是一個理想化的概念。它是這麼一個物體， 能發光， 但會吸收掉任何來自外部的光線， 同時又會把吸收的所有能量以光的形式完全釋放出來， 所以叫做黑體。黑體的溫度單叫做開爾（K）。從 3300K 到 9300K 的溫度變化情況下， 它發光的顏色分別是， 紅色， 白色、藍色。便於理解， 你可以這麼想象， 火焰你肯定見過， 內焰溫度較低， 外焰溫度較高（藍色）， 內焰溫度較低的地方是黃色的（暖色）， 於是火焰最外面溫度最高的地方反而會是藍色的（冷色）， 是不是有點反常識。而色溫就是借助黑體的這個溫度變化特性來量化色彩傾向的。色溫數值低， 偏黃， 色溫數值高， 偏藍， 所謂的冷暖色調就是一種比較感性的叫法了。

　　《3300K

　　暖色

　　3300~6000K

　　白色

　　》6000K

　　冷色

　　以下是幾個常見場景的色溫：

　　燭光 1930K， 鎢絲燈 2900K， 中午陽光 5600K， 藍天 18000K

　　講白平衡是如何修正之前， 有兩個很重要的理論需要知道：

　　灰度世界理論：這個理論蠻有意思， 與其說是色彩學， 我覺得更像是統計學的范疇， 它認為任何一幅圖像， 當有足夠的色彩變化時， 其R， G， B分量均值會趨於平衡（即 RGB 三個數值相等， 也就是說應當是黑白灰類型的顏色）。這個理論在全局白平衡中得到廣泛應用， 特點是能夠利用更多的圖像信息來做判斷， 但在面對色彩較為單一的圖像時就顯得有些乏力了。

　　全反射理論：一幅圖像中亮度最大的點就是白點， 即假設在 YCbCr 空間中Ｙ值最大的點為白色， 以此來校正整幅圖像。特點是只考慮色彩最亮的那部分， 跟上面的灰度世界理論正好相反， 在處理色彩偏單調的圖像時效果好些， 但面對顏色豐富的圖片時， 因為最亮的點不一定是白色的， 可能會出現偏色的情況。

　　這兩個理論分別對應著兩種色彩空間 RGB 和 YCbCr 調整白平衡的理論基礎：判斷一張圖片白平衡是否准確， 如果不准確， 如何量化其偏離數值。

　　白平衡就是一個糾正畫面整體偏色的過程， 那為什麼人眼不需要呢？其實在你看到一個東西的時候， 眼睛就已經對它進行了色彩修正。相機肯定沒有人眼那麼智能（至少現在沒有）， 概括的說， 它的自動白平衡算法就是設定一個范圍， 如果拍攝照片的色彩平均值落在這個范圍裡面， 那就 OK， 說明無需修正。如果偏離出這個范圍， 就需要調整參數， 並校正色彩數據直到其均值落入指定的范圍內。這就是WB白平衡修正的過程。

　　下面就來簡單介紹幾個白平衡算法大致原理， 但具體的增益計算和數學建模過程就不作贅述了， 這東西正常人看了都會頭大的。

　　1. 灰度世界算法（Gray World Assumption）

　　這個算法原理很簡單， 就是根據前面所說的灰度世界理論， 將原始圖像的RGB均值分別調整到R=G=B即可。不完美的地方就是這個算法對顏色不豐富的圖像敏感程度一般， 處理起來效果也就不會很理想， 局限性較大。

　　2. 標准差加權灰度世界算法（Standard DeviationWeighted Gray World Assumption）

　　標准差加權灰度世界算法是針對上一個算法的改進， 它的原理是把圖像等分成幾塊， 然後對每個塊利用統計學進行分析， 看裡面顏色的豐富程度， 顏色多的就加權， 顏色少得就減少權重， 最後求和得出一個均值。根據這個相對精確的數值來進行RGB數值的修正。

　　3. 全反射算法（Perfect Reflector Assumpution）

　　這個是基於前面介紹的全反射理論生成的算法， 理解起來也不難， 它認為中最亮的那個點就一定是白色的， 如果原始圖像中最亮的那個點不是， 那就針對偏離白色的數值進行逆向修正。缺點就是如果圖像色彩復雜或者就是沒有高光點， 它的修正效果就會比較乏力。

　　上面三個算法比較簡單， 運算量不大， 但各有優缺點， 也就進一步衍生出了更加有效但是卻要復雜的多一些混合算法， 例如：亮度加權灰度世界算法與全反射算法的正交組合算法（QuadraticCombining Luminance Weighted Gray World & Prefect Reflector Assumption）。看這麼長的名字就知道， 這個算法很復雜， 白平衡修正效果也是蠻不錯的， 而且它本身是收斂的， 在對圖像處理的時候不會帶來太多損失， 但可惜運算量巨大， 對硬件資源的要求過高。

　　算法方面挺枯燥的， 非理工科對數學沒興趣的也可以直接略過， 大體知道這麼回事兒就行。但我可以給出的結論是：最終效果越好的算法， 其復雜程度就越高， 運算量就越大， 對硬件電路的要求也高。具體的實現還需要在白平衡校正能力， 算法執行效率， 處理器硬件性能三個方面進行權衡。

　　而通過上面的了解你就會發現， 如果ISP圖像處理器的性能夠高， 白平衡算法施展的空間就會大了很多。某些時候白平衡不准確， 一定程度上確實是與ISP性能跟不上有關， 當然， 這裡也要看各家廠商在算法優化方面的功底。一般來說同一代各個品牌的旗艦處理性能差別不會特別大， 雖然軟件方面下的功夫不容易看到， 但重要性確實毋庸置疑的， 能否把硬件整體性能充分發揮出來才是關鍵。

　　舉例來說， 在單反剛剛數碼化的那個年代， 相機的圖像處理器性能比較低下， 難以承受高運算強度的白平衡算法的蹂躏， 於是很多單反相機（如佳能1D， 尼康D2， 奧林巴斯E-1等） 機身上是有一個白平衡感應裝置的（就是機身正面的那個小白點）， 這個可以輔助提高白平衡准確度。到後來隨著相機圖像處理器的性能飙升， 大概是從富士通給尼康代工的Expeed一代處理器開始， 就取消了外置白平衡感應器這個裝置。通過越來越多的RGB測光分區數， 配合越發強大的處理器來進行更加准確的色溫修正。這裡多說兩句， 分區越多， 白平衡采樣處理就越准確， 但同時也會帶來計算量上面的飙升， 從最初的只有幾個分區， 到 D800 上面用的 9.1 萬像素 RGB 感應器， 在同時完成測光和白平衡計算的同時， 甚至還能夠余出力氣進行人臉識別， 背後那塊改用了 ARM 架構 Expeed 3 才是最大的功臣。而像 DC 啊， 手機攝像頭啊這類連續取景的相機， 則是用前一幀圖像的處理結果應用到後面的圖像上去的， 實現方式同單反上面那個單獨的測光感應器還不太一樣的。這是產品本身結構差異性導致的。

　　現如今手機上自帶相機的白平衡功能不太強， 可以從圖像處理器性能不夠強的角度上去理解， 但也不否認， 一些品牌在優化方面依然可以做的很好， 就像拓海開他爸那輛老掉牙的AE86在秋名山上一樣能贏GTR一樣， 內功外功都很重要。