人类视觉系统具有颜色恒昌性特点，一次人类对物体观察不受光源影响。但是sensor在不同光照下，物体呈现的颜色不同，在晴朗的天空下(高色温)会偏蓝，在烛光(低色温)下会偏红。为了消除光源对图像传感器成像的影响，模拟人类视觉系统的颜色恒常性。保证在任何场景下看到的白色是真正的白色。
对于RGB三通道图像，乘以一个对角阵就可以实现白平衡，白平衡计算的核心就是计算Rgain和Bgain，下文中简称RG和BG。
那么如何计算AWB呢，原理很简单：
- 在各个色温下（2500~7500）拍几张白纸的照片，假设拍6张，可以称作色温照。
- 把色温照进行矫正，具体是对R/G/B通道进行矫正，让偏色的白纸照成白色，并记录各个通道的矫正参数。实际上得到了6组矫正菜蔬（RG, BG）
- 上面是做前期工作，可以通过这六组值插值得到一条曲线，只要知道当前场景是什么色温，直接查表（RG，BG）就可以进行矫正了
色温曲线大致长下面这个样子
那么核心问题就是计算图像色温了，色温计算原理并不复杂，但是要做好，还是要细心做好每一步工作，这需要大量的测试，并对算法不断完善。
我们选取一种经典算法，首先说下简单的流程：
1. 首先将一帧数据分成MxN块，假设是25×25，并统计每一块的基本信息（白色像素数量及R/G/B通道的分量的均值）
这里涉及的问题就是白色像素统计，大家知道sensor原始图像是偏色的，这种情况下，统计白色点九只有设置一个颜色范围，只要在范围内，就可以认为是白色像素，范围见下图
统计白色像素个数的用途有两个，一是块中的白色像素太少，可以抛弃掉，二是白色像素太多，多到每一个像素点都是，那也要抛弃掉，因为很可能该区域大片过曝了
2. 我们可以根据上一步的统计值，找出图像中白色块，根据色温曲线判断色温
3. 我们得到图像中所有可能的色温，那么我们需要度胺酸是否是单一光源，或者选取最适合的光源
比如25×25=625个块中，一共找出了100个有效色块，里面又有80个白色块代表了色温4500左右，那当前色温基本就是4500了
大自然绚丽多彩，景色万千，上一步中统计的白色点难免会有错误的地方，我们需要一定的策略来判断出哪个才是真正的白。
通常我们会把提取到的白色快，计算一下到曲线的距离，再设置相应的权重。
那么有哪些经典的AWB算法呢？
方法1：灰度世界法（gray-world assumption）。该方法已经在opencv 的 photo 模块中有封装了
方法2：完美发射法。计算每个像素点的R+G+B的值，统计政府图片R+G+B的直方图分布，统计前10%大的R+G+B的值，以此阈值T来区分白色参考点，来修正颜色值
这两种经典的方法只有在复杂的场景下呈现出比较好的效果。在颜色和物体单一的情况下，白平衡常常失败。容易受到噪声、渐晕、有限动态范围的影响。
方法3：色域界限法。对于各个色彩趋近白色的图元，给较高的权重，原理白色（较饱和的颜色）的图元，权重较低或舍去。
方法4：图框区域分割法。将图像分n块，根据每块的标准差大小，判断权重。标准差越大的，说明颜色越丰富，越符合灰度世界法，给与较大权重。然后用所有块的RGB平均值进行甲醛平均，再套用灰度世界法的白平衡计算公式
方法5：动态阈值法。将图像按照长宽比例分成数块，如3×4块，在YCbCr通道根据灰度世界法筛选出符合的区域，经过一系列白点筛选，来计算白平衡
除此之外，还有一些CNN的方法，效果也比较好（比如iphone11的awb就是cnn做的），甚至可以直接在raw域来做，减轻isp处理负担，是更值得深入探究的。另外，如果条件按允许，还可以考虑上色温传感器，在拍照时直接采集场景色温。
希望能有帮助！