159、白平衡算法深度剖析：灰度世界、完美反射、色温估计与AI AWB的融合策略一、从一次夜拍翻车现场说起去年做某款旗舰机的前置摄像头调试，客户反馈夜景自拍人脸发蓝，像得了“蓝精灵综合征”。我抓了raw图一看，色温计显示环境光2700K，但AWB输出色温飙到了4500K。更诡异的是，同一场景下，主摄AWB正常，广角却偏色。拆开log一看，灰度世界算法在低照度下被大面积暗区带偏了——背景里一块深蓝色窗帘占了画面40%，算法直接认为场景偏蓝，拼命往暖色调拉，结果人脸成了“阿凡达”。这种坑，干过三年以上的调试工程师都懂。白平衡不是简单的数学公式，是光学、统计、场景理解三者的博弈。今天这篇笔记，我把灰度世界、完美反射、色温估计、AI AWB这四代算法从原理到工程落地掰开揉碎，最后给出我踩过无数坑后总结的融合策略。二、灰度世界：最朴素的假设，最脆弱的根基灰度世界算法假设场景中所有颜色的平均反射率是灰色（R=G=B）。这个假设在自然风光、室内混合光源下勉强能用，但遇到大面积单色物体直接崩盘。数学表达：R_gain = G_avg / R_avg B_gain = G_avg / B_avg这里G_avg、R_avg、B_avg是整帧图像各通道的均值。工程坑点：暗区噪声放大：低照度下，暗区像素的信噪比低，均值计算会被噪声主导。我见过某方