如何利用高精度彩色传感器改善自动白平衡图片质量？

如今，使用智能手机摄像头拍摄的图像和视频数量远远超过了大部分数码相机，包括傻瓜相机和和其起源可以追溯到上世纪90年代的数码单反相机(DSLR)。智能手机方便易用，且成像质量出色，这两大优势足以让傻瓜相机淘汰出局。

但是，尽管智能手机摄像头的图像处理算法很复杂，可它们的自动白平衡(AWB)算法在某些情况下可能会完全失效。因为它们在某些场景中很容易被迷惑，无法提取干净的白点。

本文讨论了白平衡技术的有效性，以及如何使用高精度颜色传感器辅助智能手机摄像头AWB算法，进而提升图像质量。

摄像头AWB算法

从最简单的灰度世界算法，到白色斑块算法，再到如今的色域映射算法，智能手机的自动白平衡算法多年来一直在不断发展。当一个场景被一种突出的颜色所主导，如草地或涂有醒目颜色的墙壁，或混合光环境，例如自然阳光和人工照明（如荧光灯）相结合的办公室环境，这三种类型的算法都容易失效。

在上述两种场景中AWB算法都会失效，因为它们需要校正才能测量光源的色温。遗憾的是，在这些情况下，算法无法有效地测量光源。相反，它们必须依靠对场景的某些假设，从图像像素的子集中推断出光源的颜色。

灰度世界算法假设，即场景中物体的平均颜色是灰色，并非总是正确的。当一个场景被一种突出的颜色所主导，平均颜色假设显然是不正确的，且图像中可能没有白色的斑块，导致白色斑块算法无法提取干净的白点，因此无法正常工作。在混合光环境（既有自然光照又有人工照明）中，这三种算法都会错误地锁定采用两个光源中的一种色温，忽略另一个光源的色温。

另一方面，人眼实际上是对照亮场景的多个白点进行了均衡，从而实现一个折衷的白平衡。

针对AWB算法增强的XYZ颜色科学

智能手机原始设备制造商为了在发展放缓的市场中脱颖而出，现在推出了一项新的显示屏功能，称为“True White”，以提升摄像头的图像质量。精度接近人眼的现代滤光技术，使True-white AWB增强成为可能。使用此类滤光技术的颜色传感器的成本适合消费电子应用。这些高精度XYZ颜色传感器非常适合在混合光场景中测量色温，使电子制造商能够部署采用true-white AWB增强功能的摄像头解决方案。

这些滤光片被直接集成在光学传感器产品的芯片内。传统的RGB颜色传感器提供±10%的CCT测量精度。相比之下，使用片上XYZ彩色滤光的传感器CCT精度在±1 - 5%之间。

准确的CCT测量需要1931年制定的色彩空间标准，即CIE xy色度色彩空间（参见图1）。

图1：标准CIE色度图说明

人工光源的色温较高，属于暖光，住宅照明的色温最高2700K~3100K，住宅照明的色温最高(2700K~3100K)。办公室照明一般为3100K~4500K。在晴朗无云的日子里，白天的色温正午可以达到6000K，蓝色天空背景下色温可高达15000K。

图1的CIE色度图人眼可以捕捉的电磁能量谱中，波长在380nm到780nm之间的可见光的感知。图2显示了人眼视锥细胞的标称光谱灵敏度。人眼包含三种视锥细胞。

图 2：人眼视锥细胞面对短波长、中波长和长波长类型时，具备的标称光谱灵敏度

人眼反应由视网膜的短、中和长视锥细胞的神经反应驱动，对可见光谱中红色、绿色或蓝色部分的波长具有最高灵敏度。视锥的波长灵敏度范围广泛，且相互重叠；为了简单起见，对图中显示的每条曲线都进行了归一化处理。视网膜中三种视锥细胞的相对反应足以解释色觉：颜色可以由多组色彩匹配函数来表征，它们之间互为线性变换，彼此延伸。

图3显示中(M)波长响应如何被定义为一个视觉视图，并用于定义照度（单位为勒克司），因为绿色波长最接近人眼所视的波长。红绿蓝三色中人眼对绿色最为敏感。

图 3：绿色通道的白昼视觉响应与人眼视觉最为接近 – 来自CIE光亮度函数

勒克司衡量从上方各个方向照亮表面上某个点的可见光数量，是亮度测量单位。

XYZ三色刺激反应（参见图4）是另一种人类视觉参考系统。它被称为CIE1931 2° Standard Observer，并提供可见光谱波长和视觉生理感知颜色之间的联系。

图 4：CIE1931 2° Standard Observer颜色匹配函数或XYZ三色刺激人眼响应

颜色可以分为亮度（或照度，以lux为单位测量）和色度（以xy色度参数为单位测量）。图1中的色度图是一项工具，指明人眼如何感受给定光谱中的光。该图未指明物体的颜色，这是因为查看对象时看到的色度取决于用户周围的环境光。

人类的视觉系统非常复杂，它与我们大脑的处理引擎——视觉皮层紧密相连。即使在光线变化的情况下，人脑也能识别物体的颜色。人类感知颜色的方式并不是固定的；当光源类型发生变化时，人眼会改变对所视颜色的“感知”。物体表面、光源类型和我们的眼睛之间存在着动态关系。