AWB-Tuning(1)

一、白平衡的概念

AWB – Auto White Balance
白平衡就是：不管在任何光源下，都能将拍摄的白色物体的图像还原为白色

人眼在早晨、中午、晚上不同色温下都能准确看到白色。 CMOS 要获得这种能力，必须对每种光源做相应的色彩校准，才能完成人眼一样的功能。这个功能叫做白平衡。

在这里插入图片描述

二、白平衡的原理

若何让camera sensor拍摄的图片和人眼看到的一致呢？
我们把sensor的R、G、B 分量各自乘上一个系数，使RGB 三个能量保持相同即可。

白平衡的算法就是计算R、G、B的gain 值。一般在实验室中用18%灰卡或者取第22 个灰色色块，用软件计算出R、G、B 的均值，由于G 最大，所以以G 作为目标进行补偿。
比如：原始R =15，G=40，B=30，采用如下的方法计算白平衡的gain 值。
R_gain = 40/15
B_gain = 40/30
G_gain = 1
在这里插入图片描述
可以查看eeprom

Light Type: D65 
  rOverG   = 0.465298
  bOverG   = 0.716520
  grOverGB = 0.994135

三、白平衡的算法：

1.灰度世界法（Grey World Algorithm）：

这是一种基于统计的方法，假设整个图像的平均颜色是灰色。用于校正图像中的颜色偏差，使白色区域呈现中性色调。该算法基于一个假设：在自然场景中，各种颜色的像素的平均值应该接近于灰色。

1.灰度世界算法（Gray World)是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩变化的图像, R、 G、 B 三个分量的平均值趋于同一个灰度K。一般有两种方法来确定该灰度。
（1）直接给定为固定值, 取其各通道最大值的一半,即取为127或128；
（2）令 K = (Raver+Gaver+Baver)/3,其中Raver,Gaver,Baver分别表示红、绿、蓝三个通道的平均值。
2.算法的第二步是分别计算各通道的增益：
Kr=K/Raver;
Kg=K/Gaver;
Kb=K/Baver;
3.算法第三步为根据Von Kries 对角模型,对于图像中的每个像素R、G、B，计算其结果值：
Rnew = R * Kr;
Gnew = G * Kg;
Bnew = B * Kb;
对于上式，计算中可能会存在溢出（>255,不会出现小于0的)现象，处理方式有两种。
a、直接将像素设置为255，这可能会造成图像整体偏白。
b、计算所有Rnew、Gnew、Bnew的最大值，然后利用该最大值将将计算后数据重新线性映射到[0,255]内。实践证明这种方式将会使图像整体偏暗，建议采用第一种方案。

需要注意的是，灰度世界法在某些情况下可能会产生不准确的结果，特别是在图像中存在大片单色区域或特殊光源下。在这些情况下，其他白平衡算法可能更为适用。然而，由于其简单性和有效性，灰度世界法仍然是许多图像处理应用中常用的一种自动白平衡方法。

2.白点算法（White Point Algorithm）：

根据图像中的最亮像素（白点）来调整颜色，使白色区域呈现中性色调。该算法基于一个假设：图像中的最亮像素应该是白色，其互补色应该被用来平衡图像中的颜色。
1.白点检测：首先，算法会识别图像中最亮的像素，通常是具有最高亮度值的像素。这被假设为图像中的白点。
2.白点的互补色：根据色轮上的互补颜色关系，找到白点的互补色。例如，如果白点是最亮的红色，那么它的互补色将是青色。
3.调整颜色通道：使用白点的互补色来调整图像中的各个颜色通道，以达到白平衡。具体来说，将图像中每个像素的颜色通道值减去相应通道的互补色值，从而降低颜色的色调偏移。
4.限制范围：为了避免颜色通道的值超出合理范围（通常为 0 到 255），可以对调整后的像素值进行截断。
5.重建图像：根据调整后的颜色通道值，重建图像，使其呈现更准确的白平衡效果。

3.色温比例法（Color Temperature Algorithm）：

根据光源的色温，调整图像中的颜色。这种方法通常使用预设的颜色温度和校正矩阵来实现。
色温比例法（Color Temperature Algorithm）是一种用于图像白平衡校正的方法，它基于光源的色温来调整图像中的颜色，以使图像呈现中性白色。色温是以开尔文（Kelvin，K）为单位来衡量光源的颜色的相对热度或冷度。色温比例法通过调整图像中的红色、绿色和蓝色通道，以便校正图像的颜色偏移。

1.确定光源的色温：首先，需要确定拍摄时的光源的色温。不同光源，如日光、白炽灯、荧光灯等，具有不同的色温。色温一般以开尔文为单位，例如，蓝天的色温约为 5500K，白炽灯的色温约为 2700K。
2.色温校正矩阵：根据已知的色温，使用预先计算的色温校正矩阵来调整图像中的颜色通道。这个矩阵会根据不同的光源和色温来进行调整，以使图像中的白色区域呈现中性。
3.颜色通道调整：将图像中的红色、绿色和蓝色通道按照色温校正矩阵进行比例调整。具体来说，增加或减少各个通道的亮度，以使图像的颜色偏移得到校正。
4.限制范围：同样地，为了避免颜色通道的值超出合理范围，可以对调整后的像素值进行截断。
5.重建图像：根据调整后的颜色通道值，重建图像，使其呈现更准确的白平衡效果。

4.最大似然估计法（Maximum Likelihood Estimation）：

使用统计学方法来估计正确的白平衡值，以最大程度地减少色温偏差。
1.建立数据模型：首先，需要建立图像中像素的颜色分布模型，通常使用概率分布函数来表示。对于白平衡，可以使用多元正态分布或其他适当的分布模型。

2.定义似然函数：根据建立的数据模型，定义一个表示观测数据在不同参数下出现的概率的似然函数。这个似然函数描述了给定参数下观测数据的可能性有多大。

3.最大化似然函数：通过调整参数的值，找到使似然函数达到最大的参数值。这意味着选择使观测数据在给定参数下出现的概率最大的参数值，从而最可能地解释数据。

4.参数估计：找到最大化似然函数的参数值，这些参数即为最大似然估计的结果。这些参数将用于调整图像中的颜色通道，以实现白平衡校正。

5.光源标定法（Light Source Calibration）：

它通过测量图像中已知白色物体的颜色来确定光源的色温，并进行相应的校准。这种方法适用于具有已知白色参考的场景，例如摄影棚中的标准白色板。
1.获取白色参考：在拍摄场景中放置一个已知的白色参考物体，通常是一个标准的白色板或卡片。这个白色参考应该有已知的色温，例如5000K。

2.拍摄图像：使用相机拍摄包含白色参考物体的图像，确保光照条件与实际拍摄环境一致。

3.提取参考颜色：从拍摄的图像中提取白色参考物体的颜色值，通常是在图像中选择一个代表性的白色区域，然后获取该区域的颜色通道值。

4.计算光源参数：使用已知的白色参考色温和提取的参考颜色，计算光源的颜色校正参数，如增益或偏移。

5.图像校正：将计算得到的光源参数应用于整个图像，对颜色通道进行校正，以实现白平衡效果。

6.重建图像：根据校正后的颜色通道值，重建图像，使其呈现更准确的白平衡效果。

6.基于图像分割的方法：

它将图像分割为不同的区域，然后对每个区域进行单独的白平衡调整。这种方法旨在应对图像中存在多种光源或复杂光照条件的情况，以实现更准确的白平衡效果。

1.图像分割：首先，使用图像分割算法将图像分割为不同的区域，每个区域代表了不同的颜色或光照条件。图像分割可以基于颜色、纹理、边缘等特征进行，以将图像分成相对均匀的区域。

2.区域白平衡：对每个分割后的区域进行单独的白平衡调整。对于每个区域，可以使用先前提到的其他白平衡算法（如灰度世界法、白点算法、色温比例法等）来调整颜色通道，以使每个区域的颜色达到中性。

3.区域合并：在完成单独的区域白平衡调整后，将调整过的区域重新合并成整个图像。这可以通过简单地将每个区域的调整颜色通道值组合起来，或者应用某种过渡策略来平滑区域之间的过渡。

4.重建图像：根据合并后的颜色通道值，重建图像，使其呈现更准确的白平衡效果。

四、高通实现白平衡算法的基本思路

4.1 定参考点

首先在灯箱里面不同光源环境下拍摄18%灰卡的图片，七种光源。然后计算每张图片的颜色的比值R/G 和 B/G，然后把这些点放在坐标轴上，作为参考点。
AWB参考点: 指的是不同传感器在不同光源下测得的灰色R/G 和B/G 比率。
AWB参考点的作用：计算给定场景中不同Bayer 网格统计数据和估计光源相关色温(CCT)的锚点。

在这里插入图片描述

4.1.2 验证参考点

logWarningMask=0x4000002 
logInfoMask=0x4000002
logVerboseMask=0x4000002
enable3ADebugData=TRUE
enableTuningMetadata=TRUE

在100% 视野(FOV)灰卡情况下捕捉一个日志,并读取灰度世界值(RG 和 BG), 检验chromatix 工具生成的值是否与此一致.

此值作为参考
09-04 10:35:22.903   838  1139 V CamX    : [ VERB][STATS_AWB] camxcsaagwv1.cpp:415: Analyze Analyze: Simple Gray
World Target Point ( 0.574335, 0.659707 )
09-04 10:35:22.953   838  1141 V CamX    : [ VERB][STATS_AWB] camxcsaagwv1.cpp:415: Analyze Analyze: Simple Gray
World Target Point ( 0.575797, 0.661352 )
09-04 10:35:23.007   838  1141 V CamX    : [ VERB][STATS_AWB] camxcsaagwv1.cpp:415: Analyze Analyze: Simple Gray
World Target Point ( 0.577295, 0.661002 )

在不同光源下(D75,D65,D50,CW,TL84,A,H)下拍摄包含MCC图的正常场景图像
检查第21 色块的R/G 和B/G 比率. R/G 和 B/G 应介于0.9 和 1.1 之间.

4.2 光源权重

在不同光源条件下，部分统计数据极有可能是灰色统计数据，而其他统计数据不太可能是灰色统计数据。例如在日光条件下，如果统计数据在日光参考点（D75、 D65 和 D50）附近，则很可能是真正的灰色统计数据。而如果统计数据在室内参考点（A 和 H）附近，则很可能是非灰色统计数据。
比较常见的如黄色皮肤容易被误判为低色温下的白点；淡蓝色的窗帘，容易被误判为高色温下的白点。而且当一张图中既有白色，也有黄色，也有蓝色的时候，是不是感觉情况就有点复杂了。这时我们需要一定的策略来正确的判断出到哪个才是真的白。
在这里插入图片描述
可以查看光源权重和距离权重
室外场景,在高CCT 区域的统计数据分配更高的权重.
室内场景,在高CCT 区域的统计数据分配更低的权重,低CCT区域分配更高的权重