097、AI AWB：基于深度学习的色温估计与多光源混合场景的白平衡校正一、一个让我失眠三天的调试问题去年做某旗舰机项目，客户反馈在商场入口拍人像，人脸发蓝，背景发黄。我拿到log一看，AWB统计值显示色温在4200K左右，算法判定为“暖光为主”，结果把整个画面往冷调拉——人脸是拉回来了，但背景的暖色灯光被压成了惨白。更糟的是，同一个场景，手机转个角度，色温跳到了5600K，画面又变黄了。这就是典型的多光源混合场景——商场入口，头顶是冷白LED（约6500K），侧面是暖色射灯（约2800K），再加上室外自然光（约5500K）从玻璃门透进来。传统AWB算法，无论是灰度世界、完美反射还是色温估计法，在这种场景下基本都会翻车。它们本质上都在做一个假设：场景中有一个“主导色温”。但现实世界不是这样工作的。二、传统AWB为什么搞不定多光源传统AWB的核心逻辑是：从RAW图统计R/G、B/G比值，映射到色温曲线，然后找一个“最合理”的色温值做校正。这个映射关系是基于标准光源（D65、A光源、TL84等）标定的，每个光源对应一条曲线。问题出在“混合”上。当场景中有两个不同色温的光源时，统计值落在两条曲线之间，算法只能选一个“折中”点。这个折中点对任何单一光源都不准确，结果就是：人脸区域校正过头，背景区域校正不足。更麻烦的是，不同光源在空间上的分布是不均匀的。传统AWB把整帧图像当作一个整体做统计，丢失了空间信息。有些方案尝试做分块统计，但块与块之间的过渡处理不好，就会出现色温跳变—