Rockchip ISP30 色彩优化完整指南：AWB、CCM 与 3DLUT

本文完整整理 84 页英文 V3.0.2 原稿的技术正文（PDF p.9–84）。未提供中文原稿，中俄文均为英文技术正文的完整翻译，三语使用同一份英文 PDF 独立原图（含原图既有中文界面）；另补录文字抽取遗漏的 p.64 矢量公式，公式、表格和代码可复制。截图中本来被裁去的日志前缀、末行或原稿未渲染的图片引用不猜补。

仅作 ArmSoM 平台参考，未经硬件实测。必须核对实际板卡、SoC、ISP、Sensor、SDK/BSP、AIQ、IQ Tool 和内核。原稿 p.2 产品表为 RK3566/RK3568、内核栏为空；p.9 正文称 ISP30/RK3588，p.77 又提 RK1109，范围矛盾如实记录。本文不据此声明所有 ArmSoM 板卡支持，也不将原厂示例效果当作 ArmSoM 测试结果。未执行代码、修改相机配置或刷新 IQ 参数。

保留的技术版本信息：V2.0.0 从 IQ XML 转为 JSON，支持 AIQ V2.0x60.0、IQ Tool V2.0.2；V2.0.1 适配 ISP21/RK356X；V3.0.0 适配 ISP30/RK3588；V3.0.1 移除 CCM/3DLUT 的手动 JSON 配置，在线仅自动模式；V3.0.2 AWB 仿真工具对应 IQ Tool V2.1.0。正文中的 XML 示例、暂不支持提示及不同 ISP 引用仍按原稿保留。

EDITORIAL-NOTES. ArmSoM · Rockchip Linux

1 概述

ISP30 的色彩调整模块包括自动白平衡 AWB、色彩校正 CC 和三维查找表 3dlut。

ISP21（RK3566/RK3568）与 ISP20（RV1126/RV1109）的 CCM 和 3DLUT 模块没有区别；AWB 调试需注意以下差异：

(1) ISP21 不支持 Multiwindow 多子窗口配置。

(2) 3dyuv 算法升级。

(3) 附加框仅支持扣除白点，不能作为额外点光源。

(4) 增加不同亮度白点使用不同权重的功能。

(5) 增加分块权重功能。

(6) XY 域每个光源配置两种大小的框，比 ISP20 少一种。

ISP30（RK3588）与 ISP21（RK3566/RK3568）的 CCM 和 3DLUT 模块没有区别，但 3DLUT 新增工具（见对应模块说明）。AWB 调试差异如下：

(1) 附加框既支持扣除白点，也可作为额外点光源。

(2) 工具升级了 YUV 阈值调试功能（见示例 2）。

2 AWB

2.1 功能说明

自动白平衡算法计算 R/G/B 通道的 WB gain，并乘到 RGB 通道，将环境光影响下的白色还原为纯白，使不同光照下相机成像颜色与物体真实颜色一致。场景有白点时，根据自动检测的白点计算 WB gain；无白点时，采用单色算法获得 WB gain。色适应模块调整白平衡校正目标，使校正后图像尽可能符合人眼感知。色调调整模块可按偏好调整整体色调。AWB 由硬件统计与软件策略构成，流程如下图。

英文原稿图, PDF p.10, #15.

图：AWB 流程。

2.2 关键参数

ISP21 参数位于 IQ JSON 的 wb_v21 节点（原文此处仍写 ISP21）。

2.2.1 白平衡校正使能与模式选择

位于 control 节点。

2.2.2 手动白平衡参数

位于 manualPara 节点。

几种配置如下：

Auto White Balance + White Balance Correction Enabled (recommended)
control.bypass = 0;
control.mode = CALIB_WB_MODE_AUTO;
White balance correction is not enabled
control.wbBypass = 1;
Manual white balance + white balance correction enabled
control.wbBypass = 0;
control.mode = CALIB_WB_MODE_MANUAL;
manualPara.mode = CALIB_MWB_MODE_WBGAIN;
manualPara.cfg.wbgain = [1,1,1,1];

2.2.3 自动白平衡参数

以下参数均用于自动白平衡模式，位于 autoPara（ISP20/ISP21 成员不同）和 autoExtPara（ISP20/ISP21 成员相同）节点，后文参数均为这两个结构的成员。

2.2.4 hdrPara

对应 autoPara.hdrPara。HDR Sensor 可指定长、中、短帧之一用于白平衡统计，建议自动模式。

2.2.5 limitRange

(1) 对应 JSON 的 autoPara.limitRange，规定白点统计的输入像素范围，超出者不计入。扩大范围可增加白点数量；若要提高准确性，应使参与统计的点不过暗也不过亮。可针对不同环境亮度配置范围，实际范围由这些配置线性插值得到。

2.2.6 mainWindow

AWB 主统计窗口对应 JSON 的 autoPara.mainWindow，建议自动配置。特殊应用（如广角镜头周边色彩阴影严重）可自定义窗口尺寸，减少其对 AWB 统计的影响。

2.2.7 downScaleMode

对应 JSON 的 autoPara.downScaleMode。

2.2.8 lscBypassEnable

对应 JSON 的 autoPara.lscBypassEnable。

2.2.9 blkStatisticsEnable

对应 JSON 的 autoPara.blkStatisticsEnable。

2.2.10 blkMeasureMode

对应 JSON 的 autoPara.blkMeasureMode。

2.2.11 硬件白点检测流程

英文原稿图, PDF p.15, #51.

图：AWB 白点检测流程。

如流程图所示，从三个域判断是否为白点。

以上三个参数均为 autoPara 成员。全部设为 0 时，统计窗口内亮度符合要求的点均视为白点。来不及校准、只想粗略查看 AWB 效果时可这样使用。

2.2.11.1 RGB2XY

RGB 到 XY 的转换参数由校准工具自动生成，对应 JSON 的 autoPara.rgb2TcsPara。

2.2.11.2 XY 域白点检测

英文原稿图, PDF p.16, #60.

图：XY 域白点区间。

XY 白点区间如上图，矩形框内的点为白点。有两种大小的区间，图中区间坐标为 [x0,x1,y0,y1]。在校准工具中手动调整白点区间，对应 autoPara.lightSources.xyRegion（原文这里写 SON）。

2.2.11.3 UV 域白点检测

英文原稿图, PDF p.17, #66.

图：UV 域白点区间。

UV 白点区间如上图，四边形框内的点为白点，对应 JSON 的 autoPara.lightSources.uvRegion。

2.2.11.4 RGB2RYUV

RGB 到旋转 YUV 空间的转换参数，对应 JSON 的 autoPara.rgb2RotationYuvMat 矩阵。

rgb2RotationYuvMat=[u0,u1,u2,uoffset
v0,v1,v2,voffset
y0,y1,y2,yoffset]

2.2.11.5 RYUV 域白点检测

计算场景点 (y0,u0,v0) 与理论白点 (y’,u0,v0) 的亮度差 diff = |y0-y’|。diff < th 时判为白点，否则不是。可按位置（u 分量区分）设置不同阈值 th，如图中的 dis-th 折线。

英文原稿图, PDF p.18, #78.

在校准工具中参考场景点 (y0,u0,v0) 的 diff 与 u，调整相应光源的 u-th 折线，以正确识别白点并 排除非白点（原文称目前此功能尚未实现）。光源通过前述 XY/UV 方法确定，因此 YUV 方法不能单独启用，需与 XY 或 UV 检测配合。

对应 JSON 的 autoPara.lightSources.rtYuvRegion。

2.2.11.6 增加非白点区间

通常同时落入 XY、UV、YUV 白点区间的点会被视为白点。但某些非白点也可能符合条件，且处于范围中心，难以排除。此时可在 UV 或 XY 空间增加非白点区间，落入其中的点均视为非白点。

非白点区间最多为 7 个（原文表述为 non-white dots）。

对应 JSON 的 autoPara.extraWpRange。

英文原稿图, PDF p.19, #87.

2.2.11.7 不同亮度白点的不同权重

lumalimit 模块提到，提高白点准确性需避免统计过亮/过暗点。本模块可视为升级版：给过亮/过暗白点较低权重，给适当亮度范围较高权重；可按场景中适当亮度白点的数量与环境亮度，动态设置不同亮度白点的权重，如下图。

英文原稿图, PDF p.20, #91.

图中适当亮度白点占比较大时，合适亮度区间（如 y 为 80–224）的权重较大，其他暗/亮区权重较小。

对应 JSON 的 autoPara.wpDiffLumaWeight。

2.2.11.8 分块权重

不同块的白点可配置不同权重，按实际应用使用；没有特殊需求时不建议启用。

2.2.12 AWB 策略

2.2.12.1 分区策略计算 WBGain

英文原稿图, PDF p.22, #101.

图：AWB 分区策略计算 WBGain 示意。

对“环境亮度–白点数量”空间分区，不同区间用不同方法计算白平衡增益。环境亮度的含义：在 1x 曝光增益、1ms 积分时间下，若场景平均亮度为 255（最大），则环境亮度为 255000；数值越大表示环境越亮。

2.2.12.1.1 (1) 分区参数

对应 JSON 的 autoExtPara.division。

2.2.12.1.2 (2) 策略 WBGain 相关参数

按上述阈值划分环境亮度–白点数量空间，各区间的白平衡增益计算方法如下：

① WPType3 的 wbgain 与各光源统计增益 StaGain_i、亮环境增益 DayGain_i 和暗环境增益 NightGain 相关。StaGain_i 权重为 staWeigthSet，DayGain_i 权重为 100-staWeigthSet；NightGain 权重为 tempWeigth，后文详细说明。

② WPType2 是过渡区，由 WPType3 与 WPType1 的 wbgain 混合得到。

③ WPType1 中的 wbgain：

首帧时，根据环境亮度区间，可能使用固定 NightGain/DayGain，或单色算法计算的 WBGain；否则使用前几帧 wbgain 的加权结果。

对应 JSON 参数如下。

① DayGain

根据环境亮度、dayGainLvThSet、defaultDayGainLow 和 defaultDayGainHigh 线性插值，得到各光源 DayGain_i；结合后文光源权重，得到 WPType1 区间 DayGain。

② NightGain

③ SingleColorGain（singleColorProcess）

大面积单色白平衡功能依据场景，从配置的颜色集合和光源集合选择颜色及 WBGain。默认校准参数能识别红、绿、蓝、黄、紫；可按实际应用增删 colorBlock 并调整 lsUsedForEstimation。工具不支持该功能，对应 JSON 的 autoExtPara.singleColorGain。

④ 前几帧已有白平衡增益时，使用其加权 wbgain 作为 WpType3 增益（此处区间名按原文保留）。

2.2.12.1.3 (3) 光源权重计算参数

WpType3 各光源概率计算参数。

英文原稿图, PDF p.26, #126.

Prob_i = probLV_i * probDis_i * probWP_i

英文原稿图, PDF p.26, #127.

probDis_i

① 距离概率参数。

计算上一帧 wbgain 与各光源标准 wbgain 的欧氏距离 gain_dis，按下图折线计算概率。

英文原稿图, PDF p.26, #130.

对应 JSON 的 autoExtPara.probCalcDis。

英文原稿图, PDF p.26, #133.

probLV_i

② 场景亮度概率参数。

室外型光源概率为 pout，由图 4-14 的亮度–pout 曲线计算。

室内型光源概率 pin = 1-pout。

不能严格区分的光源，例如 PD50 = max(pout, pin)。

英文原稿图, PDF p.27, #138.

对应 JSON 参数如下。

英文原稿图, PDF p.27, #141.

probWP_i

③ 场景白点数量概率参数。

对应 JSON 的 autoExtPara.probCalcWp。

2.2.13 WBGain 色适应调整

暂不建议使用，对应 JSON 的 autoExtPara.chrAdpttAdj。

2.2.14 WBGain 范围限制

英文原稿图, PDF p.28, #149.

将白平衡增益限制在上图红线围成的区域内。横坐标为相对色温，纵坐标为显色指数，二者均为光源属性。对应 JSON 的 autoExtPara.wbGainClip 结构。

此外，可限制室外光源的最低色温，对应 JSON 的 autoExtPara.wbGainDaylightClip 结构。

若 wbGainClip.eanble = 1，场景为 (cct0, cri0)，当 cct0 超出左（右）边界时，输出 cct0 被强制设为左（右）边界值；若 cri0<-cri_bound_up，则输出 cri0=-cri_bound_up；若 cri0 >cri_bound_low，则输出 cri0=cri_bound_low。

若 wbGainDaylightClip.enable= 1 且场景为室外，当 cct0 >outdoor_cct_min 时，输出 cct0=outdoor_cct_min。

2.2.15 WBGain 色调调整

对应 JSON 的 autoExtPara.wbGainAdjust 结构。

当前 JSON 版本的工具不支持该调整功能。

未调整色温时，ct_out、cri_out 对应的二维网格如下。在 ct_in_range 和 cri_in_range 指定的矩形区域内，水平和垂直方向分别按 ct_grid_num、cri_grid_num 进行采样，采样点对应下图圆点。ct_out 保存所有圆点的 ct 坐标，cri_out 保存所有圆点的纵坐标。

英文原稿图, PDF p.31, #161.

整体色彩风格的调整：

(1) 若要将色温 2000k 的色调调暖，选择 CT Line Only 模式，按下图调整表格：将鼠标移到任意 cct=2000 的圆点附近，按住并向右拖动。应用后，2000k–2391k 的输入全部调整到 2391k。

英文原稿图, PDF p.31, #164.

(2) 若要将全部色调调冷，选择 CT Line Only 模式，按下图调整表格：将鼠标移到不同 CCT 的圆点上，按住并向左拖动，直到所有色调向左移动。

英文原稿图, PDF p.32, #166.

(3) 若要将所有 CRI 为 0.5 的色调调紫，选择 CRILine ONLY 模式，按下图调整表格：将鼠标移到任意 CRI=0.5 的圆点附近，按住并向下拖动；向上拖动则偏绿。

英文原稿图, PDF p.32, #168.

色调调整效果如下（中间为原图，上、下、左、右分别为绿色、紫色、蓝色和红色色调）。

英文原稿图, PDF p.33, #170.

此外，二维表可方便地局部调整 wbgain 而不影响其他场景。此时选择自由模式，可沿任意方向调整；移动所在矩形四个顶点的坐标即可调整输出 wbgain。

2.2.16 wbGain 偏移

对应 JSON 的 autoExtPara.wbGainOffset 结构。

2.2.17 remosaic 传感器配置

其他形式的传感器 raw 通过插值转换为 Bayer raw 时，需先乘入 wbgain，之后没有逆 wbgain 运算。本配置用于适配当前 AWB 算法，对应 JSON 的 autoExtPara.remosaicCfg 结构。

2.2.18 WBGain 平滑

计算前一帧白平衡增益的权重 wbGainDampFactor，通过对前一帧和当前帧 wbgain 加权，实现平滑变化。若要提高 wbgain 稳定性，可增大 dFMin、dFMax，但收敛速度会变慢；若要加快收敛，可减小 dFMin、dFMax，但 wbgain 可能跳变。

wbGainDampFactor 的计算逻辑如下：环境亮度变化较小时，wbGainDampFactor 稳定在 dFMax；环境亮度突变时，wbGainDampFactor 向 dFMin 靠近，即当前帧权重增大，使 wbgain 尽可能跟随环境变化并加快收敛。具体代码如下：

if (varianceLuma > LvVarTh) {
*wbGainDampFactor -= dFStep;
}
else {
*wbGainDampFactor += dFStep;
}
if (*wbGainDampFactor < dFMin) {
*wbGainDampFactor = dFMin;
}
else if (*wbGainDampFactor > dFMax) {
*wbGainDampFactor = dFMax;
}

对应 JSON 的 autoExtPara.dampFactor 结构。

2.2.19 其他

2.2.19.1 tolerance

用于控制 wbgain 更新，可为不同环境亮度 lumaValue 配置不同阈值 toleranceValue。当 AWB 策略计算的若干帧白平衡增益差值（全部通道）的平均值小于该阈值时，wbgain 使用前一帧的值；帧数由 weightForNightGainCalc_len 配置。对应 JSON 的 autoExtPara.tolerance 结构。

2.2.19.2 runInterval

控制每隔多少帧执行一次自动白平衡，可为不同环境亮度 lumaValue 配置不同帧间隔 intervalValue。对应 JSON 的 autoExtPara.runInterval 结构。

2.2.19.3 lumaValueMatrix

对应 JSON 的 autoExtPara.lumaValueMatrix 数组。

2.2.19.4 白平衡收敛判断

对应 JSON 的 autoExtPara.converged 结构。

2.2.19.5 中框、大框与附加框白点选择参数

对应 JSON 的 autoExtPara.xyRegionStableSelection 节点。

xyRegionSize = 0 或 varianceLumaTh= 0 时，每帧均使用当前帧信息对应的框选结果。

if(number of white dots in the middle frame> forBigType/100000*totalPixel){
Then the white point for calculating wbgain comes from the middle box
}else{
The white point for calculating wbgain comes from the large box
if(The number of white dots in the large box<=forExtraType/100000*totalPixel && The total number of white dots in the accessory white dot box > 0){
The white point for calculating wbgain comes from the additional white point box}
}

注意：

(1) 用于计算 wbgain 的白点来自附加白点框时，“分区策略计算 WBGain”一节的参数无效。

2.3 标定

2.3.1 AWB 标定原理

主要标定标准光源下 Raw 在 XY、UV、YUV 域中的白点条件、单色算法参数和白平衡增益。

2.3.2 AWB 标定 raw 图要求

采集 RAW 图像时，需要准备以下环境：

① 设备：X-rite 24 色卡、灯箱。

② 调整曝光参数，使色卡最亮白块的最大值处于 [150-240]；在此范围内越亮越好。

③ 色卡占画面的比例大于 1/9。

依次在 A、CWF、D50、D65、D75、HZ、TL84 光源下拍摄 X-rite 24 色卡，去马赛克示意图如下：

英文原稿图, PDF p.38, #231.

2.3.3 AWB 标定工具界面说明

(1) AWB 主界面示意图。

英文原稿图, PDF p.39, #234.

(2) 标定时，主要调整 UV、XY 域的白点边界和 YUV 域的 TH 值。

英文原稿图, PDF p.39, #236.

英文原稿图, PDF p.40, #237.

UV、XY 域白点区间调整操作：a) 在坐标系中，用鼠标拖动白点条件的角点，调整位置和白点区间；b) 在空白区域拖动鼠标，可拖动整个白点区间；c) 使用滚轮缩放。

(3) Exclude WPC Range 面板可添加非白点区间及附加光源白点区间。

(4) 点击 AWB 主界面的 AWB Simulaton 按钮，弹出下图界面。AWB Simulaton 用于检测 raw 图的白点，统计白点增益和数量。

英文原稿图, PDF p.40, #241.

① LoadImage 导入 Raw 图像后，按下图显示白点信息；不同光源的白点以不同颜色显示。中框、大框的白点数量及 RGain、BGain 分别显示在 Detected WP Number、RGain、BGain 三个文本框中。

英文原稿图, PDF p.41, #243.

② 点击图像任意位置（下图黑箭头），该点将映射到 UV 和 XY 域白点条件界面（黑色小方块），便于判断其是否位于白点区间内。同时显示该点的 R G B U V X Y RGain BGain（红框），以及映射到 YUV 域各光源后的 you、th 和相对标准白点的偏离距离（绿框三列；原文写作 you）。

英文原稿图, PDF p.41, #245.

英文原稿图, PDF p.42, #246.

2.3.4 AWB 标定步骤

(1) AWB 标定前需完成 BLC 和 LSC 标定。

(2) 点击 Load Raw Files，导入 A、CWF、D50、D65、D75、HZ、TL84 下的 raw 图（建议使用这七种光源的 raw 图标定）。

(3) 点击 Find Chart 识别色卡。

英文原稿图, PDF p.42, #251.

① 依次点击 Block 1、Block 6、Block 19，再点击 Block 20。

② 点击 FindChart，批量识别所有光源下的色卡色块，如下图（显示最后一个光源的白点检测结果）。

英文原稿图, PDF p.43, #254.

③ 在下拉菜单中选择其他光源，确认色块识别是否正确。示例发现仅 TL84 的最后一个色块略偏右，此时只需单独重新检测：在对应模式下选择 Find chart one by one，重复步骤 1、2，直到 TL84 色块识别正确，如下图。

英文原稿图, PDF p.43, #256.

④ 点击 Save 完成识别。

(4) 点击 Calibrate，获得下列初始白点条件及其他参数。

英文原稿图, PDF p.44, #259.

英文原稿图, PDF p.44, #260.

(5) 点击 AWB Simulaton，导入 A、CWF、D50、D65、D75、HZ、TL84 下的 raw 图，查看白点检测准确性。

(6) 修改 UV 或 XY 域的框，或 YUV 的 TH，使各光源色卡白点检测更准确。

(7) 点击 Save。

(8) 重复 (5)～(7)，直到各光源的白点检测合理。

(9) 注意事项：

① 调整边界，使白点在框内、非白点在框外（通常无法完全做到）。

② 黑体轨迹上所有光源的中框区间在 x 方向连续（三种线型代表三种尺寸的框；当前版本没有小框）。

错误示范：大框区间连续，但中框之间有空隙，如下图箭头。

英文原稿图, PDF p.45, #269.

正确示范：

英文原稿图, PDF p.45, #271.

③ A、hz 光源在 XY 域 y 方向可更紧凑；d50、d65 的 XY 域 y 方向可放宽。

④ 色温相近光源的中框、大框区间在 y 方向连续（CWF 和 TL84）。

⑤ 所有光源在 UV 域围成的区间不得断开。

⑥ 不同光源边界可以重叠，但不能在 XY 和 UV 空间同时重叠。

⑦ 参考 XY 空间划分 UV 空间，以排除非白点。

圈出的 D75 光源第 7 色块落入 hz 范围时，会被识别为白点。

英文原稿图, PDF p.46, #278.

重新调整后，D75 光源第 7 色块 B 在 XY 和 UV 空间不属于同一光源，因此不会识别为白点。

英文原稿图, PDF p.46, #280.

⑧ 非白点落入 XY 和 UV 白点区间时，还可通过降低 YUV 域的 TH 或增加非白点区间来排除。

⑨ 白点落入 XY、UV 白点区间，却仍未成为白点，可能是超出亮度范围被排除、落入非白点区间，或因小于 TH 而未落入 YUV 域白点区间。

2.3.5 AWB 标定参数验证

依次导入标定图进行白点检测，优先保证较低漏检率，并适当降低误判率。

最终白点条件：

英文原稿图, PDF p.47, #286.

白点测试结果如下：

A 光源

英文原稿图, PDF p.47, #289.

CWF：

英文原稿图, PDF p.48, #291.

D50

英文原稿图, PDF p.48, #293.

D65

英文原稿图, PDF p.49, #295.

D75

英文原稿图, PDF p.49, #297.

HZ

英文原稿图, PDF p.50, #299.

TL84

英文原稿图, PDF p.50, #301.

2.4 常见问题定位

处理白平衡异常时，通常需抓取日志和 raw，分析原因，再通过修改白点条件或策略参数解决。

2.4.0.1 抓取与分析日志

调试 AWB 日志使用命令 export persist_camera_engine_log=0x2ff4。

2.4.0.1.1 A 的解读（原文标题）

2.4.0.2 AWB 日志解读（以串口或 adb 打印日志为例）

2.4.0.2.1 (1) 控制与模式日志

英文原稿图, PDF p.51, #309.

截图可辨正文转录（原截图裁切位置不猜补）：

[AWB]:XCAM INFO (1782) rk_aiq_awb_algo_v201.cpp:1979: AwbInitV201: (enter)
[AWB]:XCAM INFO (1782) rk_aiq_awb_algo_v201.cpp:2040: AwbInitV201: (exit)
[AWB]:XCAM INFO (1782) rk_aiq_awb_algo_v201.cpp:2070: AwbPrepareV201: (enter)
[AWB]:XCAM INFO (1782) rk_aiq_awb_algo_v201.cpp:2148: hdr_working_mode(0), remosaic_cfg.enable (0)
[AWB]:XCAM INFO (1782) rk_aiq_awb_algo_v201.cpp:2149: AwbPrepareV201: (exit)
[AWB]:XCAM INFO (1782) rk_aiq_awb_itf.cpp:102: ---------------------------------------------frame_id (-1)---------------------------------------------
[AWB]:XCAM DEBUG rk_aiq_awb_algo_v201.cpp:2469: AwbReconfigV201: byPass: 0  mode( 0-manual 1-auto):1
[AWB]:XCAM INFO (1782) rk_aiq_awb_itf.cpp:250: processing awb_gain_algo (1.905082,1.000000,1.000000,1.978512)
[AWB]:XCAM INFO (1782) rk_aiq_awb_itf.cpp:102: ---------------------------------------------frame_id (0)---------------------------------------------

hdr_working_mode 为 0 表示当前为普通模式，否则为 HDR 模式。

byPass 为 0 表示启用白平衡校正，1 表示不启用。

mode 为 0 表示当前为手动白平衡模式，1 表示自动白平衡模式。

frame_id 为帧 ID。

processing awb_gain_algo 为本模块最终输出的 wbgain。

2.4.0.2.2 (2) AWB 日志级别 export persist_camera_engine_log=0x2ff2，可用于一般问题定位

英文原稿图, PDF p.51, #317.

截图可辨正文转录（原截图裁切位置不猜补）：

2: ---------------------------------------------frame_id (1)---------------------------------------------
68: ***1th calculate wbgain***
52: AwbGainClip, Input CCT : 5800.018555, CRI : -0.124677
09: AwbGainClip, Output CCT : 5800.018555, CRI : -0.124677
09: AwbGainAdjust2, Input CCT : 5800.018555, CRI : -0.124677
50: AwbGainAdjust2, Output CCT : 5800.018066, CRI : -0.124677
3:
7: wbgain_s5(after damping)(rggb):(2.146030,1.000000,1.000000,2.072558), awbConverged(0) ,LVValue(6054), WPType(3),df(0.75), frameChoose(0)
0: WPNo(normal,big):(203,208),valid wp number in standard light(187), valid wp number in extra light(0),
2: select white point range type (0-normal xy range,1-big xy range, 3-extra light) : 0, runInterval(0),tolerance(0.000000)
41:
0: processing awb_gain_algo (2.146030,1.000000,1.000000,2.072558)

AwbGainClip 的 Input 和 output 分别为 wbgain 范围限制前后的 CCT、CRI。

AwbGainAdjust2 的 Input 和 output 分别为色调调整前后的 CCT、CRI。

wbgain_s5 等于平滑后的 wbgain，通常等于 processing awb_gain_algo；awbConverged 为 0、1 分别表示 AWB 未收敛、已收敛。

LVValue 为环境亮度。

WPType 对应策略分区内的区间。

df 为当前平滑系数 wbGainDampFactor。

frameChoose 为 0、1、2 分别表示使用短、中、长帧作为 AWB 硬件统计输入。

WPNo 为中框、大框中的白点数。

VAILD WP Number in Standard Light 为所有光源的有效白点数。

Select White Point Range Type 为 0、1 分别表示当前白点统计基于中框、大框。

runInterval 为运行的帧间隔。

wbgain 的变化量小于 tolerance 时，不更新 wbgain。

2.4.0.2.3 (3) AWB 日志级别 export persist_camera_engine_log=0x2ff3，可用于白点条件和策略问题定位

英文原稿图, PDF p.52, #332.

截图可辨正文转录（原截图裁切位置不猜补）：

tf.cpp:102: ---------------------------------------------frame_id (91)---------------------------------------------
om1.cpp:868: ***91th calculate wbgain***
om2.cpp:352: AwbGainClip, Input CCT : 6534.665527, CRI : -0.122040
p:389: AwbGainClip wb gain clip, because current cri(-0.122040)< upper bound cri(-0.120000)
p:407: AwbGainClip, wbgain_s3 (rggb) (2.319863,1.000000,1.000000,1.746177)
om2.cpp:409: AwbGainClip, Output CCT : 6534.665527, CRI : -0.120000
om2.cpp:609: AwbGainAdjust2, Input CCT : 6534.665527, CRI : -0.120000
p:649: AwbGainAdjust2, wbgain_s4(2.319863,1.000000,1.000000,1.746177)
om2.cpp:650: AwbGainAdjust2, Output CCT : 6534.664551, CRI : -0.120000
p:847: Global CCT:6524.882812,CCRI:-0.119850,valid:1
p:860: ill:D65 prob: 0.923094, CCT:6514.593750, CCRI:-0.121243, valid:1
p:860: ill:D75 prob: 0.076906, CCT:6775.584961, CCRI:-0.131615, valid:1
p:860: ill:A prob: 0.000000, CCT:0.000000, CCRI:0.000000, valid:0
p:860: ill:CWF prob: 0.000000, CCT:4577.164551, CCRI:-0.118429, valid:1
201.cpp:43:
201.cpp:47: wbgain_s5(after damping)(rggb):(2.317371,1.000000,1.000000,1.750428), awbConverged(1) ,LVValue(1498), WPType(3),df(0.90), frameChoose(0)
201.cpp:50: WPNo(normal,big):(12374,12429),valid wp number in standard light(12282), valid wp number in extra light(0),
201.cpp:52: select white point range type (0-normal xy range,1-big xy range, 3-extra light) : 0, runInterval(0),tolerance(0.000000)
p:63: temporalDefaultGain for wbGainType3 (rggb):(1.327034,1.000000,1.000000,3.314321), weight (0.000000)
p:65: wbGainType1 (rggb):(0.000000,0.000000,0.000000,0.000000)
p:67: wbGainType3(rggb):(2.321654,1.000000,1.000000,1.747155)
p:70: wbgain_s1 (mix wbGainType1 and wbGainType3 ) :(2.321654,1.000000,1.000000,1.747155) is updated (1), weight of wbGainType3
p:108: A:
p:112:      stategy_result.gain (rggb):(0.000000,0.000000,0.000000,0.000000)
p:114:      prob_total(0.000000),prob_dis(0.056154),prob_LV(0.142857),prob_WPNO(0.000000)
p:116:      spatial gain(rggb):(1.883842,1.000000,1.000000,2.821964),statistics gain weigth(1.000000)
p:132:      type0: gain (rg,bg):(0.000000,0.000000) WPNo(0)
p:132:      type1: gain (rg,bg):(0.000000,0.000000) WPNo(0)
p:108: CWF:
p:112:      stategy_result.gain (rggb):(1.846224,1.000000,1.000000,2.610467)
p:114:      prob_total(0.000000),prob_dis(0.148655),prob_LV(0.142857),prob_WPNO(0.000000)
p:116:      spatial gain(rggb):(1.883842,1.000000,1.000000,2.821964),statistics gain weigth(1.000000)
p:132:      type0: gain (rg,bg):(1.846224,2.610467) WPNo(18)
p:132:      type1: gain (rg,bg):(1.860870,2.614064) WPNo(20)
p:108: D50:
p:112:      stategy_result.gain (rggb):(2.087728,1.000000,1.000000,2.081820)
p:114:      prob_total(0.000000),prob_dis(0.207562),prob_LV(0.142857),prob_WPNO(0.000000)
p:116:      spatial gain(rggb):(1.883842,1.000000,1.000000,2.821964),statistics gain weigth(1.000000)
p:132:      type0: gain (rg,bg):(2.087728,2.081820) WPNo(74)
p:132:      type1: gain (rg,bg):(2.092266,2.077117) WPNo(78)
p:108: D65:
p:112:      stategy_result.gain (rggb):(2.316112,1.000000,1.000000,1.755642)
p:114:      prob_total(0.923094),prob_dis(0.216764),prob_LV(0.142857),prob_WPNO(0.923058)
p:116:      spatial gain(rggb):(1.883842,1.000000,1.000000,2.821964),statistics gain weigth(1.000000)
p:132:      type0: gain (rg,bg):(2.316112,1.755642) WPNo(11337)
p:132:      type1: gain (rg,bg):(2.316112,1.755642) WPNo(11337)
p:108: D75:
p:112:      stategy_result.gain (rggb):(2.388181,1.000000,1.000000,1.645277)
p:114:      prob_total(0.076906),prob_dis(0.216654),prob_LV(0.142857),prob_WPNO(0.076942)
p:116:      spatial gain(rggb):(1.883842,1.000000,1.000000,2.821964),statistics gain weigth(1.000000)
p:132:      type0: gain (rg,bg):(2.388181,1.645277) WPNo(945)
p:132:      type1: gain (rg,bg):(2.389237,1.646780) WPNo(994)
p:108: Hz:

从 stat type0: gain 到最终 processing awb_gain_algo 的处理步骤如下：

type0: gain ==> stategy_result.gain ==> wbGainType1+wbGainType3 ==> wbgain_s1 ==> wbgain_s3（AwbGainClip 后）==> wbgain_s4（AwbGainAdjust，色调调整后）==> wbgain_s5（damp，平滑后）==> processing awb_gain_algo

①

英文原稿图, PDF p.52, #336.

截图可辨正文转录（原截图裁切位置不猜补）：

: Global
: CCT:4342.158203,CCRI:0.072367

: ill:A prob: 0.372926
: CCT:3058.074463,CCRI:0.034103

: ill:D50 prob: 0.369272
: CCT:5710.621582,CCRI:0.096392

: ill:TL84 prob: 0.233994
: CCT:4246.391602,CCRI:0.107421

: ill:CWF prob: 0.014538
: CCT:4403.761719,CCRI:-0.060823

该信息用于表征场景色温，仅作辅助信息。Global 为综合色温；ill 列出参与 WBGain 计算的前几个光源的概率和色温。

② temporalDefaultGain for wbGainType3 和 weight 分别为 wbGainType3 中的 temporalDefaultGain 及其权重。

③ wbGainTepType1 为 WpType1 计算的 WBGain。

④ wbGainType3 为 WpType3 计算的 WBGain，wbWeightType3 为其权重（WpType1 权重为 1-wbWeightType3）。

⑤ wbgain_s1 为 wbGainTepType1 与 wbGainType3 加权的结果，weight 为 wbGainType3 权重。

⑥ stategy_result.gain 为各光源的 WBGain。

⑦ prob_total (0.372926)、prob_dis (0.151197)、prob_LV (0.142857)、prob_WPNO (0.383987) 分别标示各光源的总概率、距离概率、亮度概率和白点数量概率。

⑧ spatial gain (rggb) :(1.745900, 1.000000, 1.000000, 1.824126)、statistics gain weigth (1.000000) 分别表示各光源的 dayGain（策略 WBGain）以及各光源采用统计白点 WBGain 输出的概率；策略 WBGain 的概率为 1 - statistics gain weigth。

⑨ type0: gain (rg,bg):(1.287584,2.843158) WPNo(7707) 为中框统计的白平衡增益和白点数量。

⑩ type1: gain (rg,bg):(1.291619,2.862351) WPNo(8557) 为大框统计的白平衡增益和白点数量。

2.4.1 根据日志定位问题

① 若 WPNo 较小而实际场景有白点，需重新调整白点条件。

② 检查各光源的 statistics gain weigth 是否为 1，是否受策略增益影响。

③ 检查 wbWeightType3 权重是否为 1：

若场景确实白点较少，但 wbGainType3 可能更符合实际色温，需调整 WP_THL、WP_THH，将当前场景划分到 WpType3。

其他情况请参考前两点说明调整。

2.4.2 抓取 RAW 并仿真

需重新调整白点条件或从 Log 看不出问题时，应抓取 raw 图进行白点检测仿真，查看各光源的白点统计。

2.4.2.1 (1) 示例 1

右侧为问题场景，左侧为抓图后重新调整白点条件的效果。

英文原稿图, PDF p.54, #357.

操作步骤：

① 抓取图 1。

② 打开 RKISPCalibrationTool，导入 json 文件。

③ 为参考之前标准光源色卡中白块与非白块的分布，需再次通过 Load Raw Files 导入所有标定图，点击 FindChart 完成色卡识别，不要点击 Calibrate；点击 Draw WPC From IQ Param 导入白点条件并显示色卡色块分布。

英文原稿图, PDF p.54, #362.

④ 在 AWB Simulation 界面点击 Load Image 导入 raw 图 1，界面同时更新图像和白点检测结果，如下图。

英文原稿图, PDF p.55, #364.

可见识别出的白点很少，图像也确实偏暗。下图圈出的类似灰色区域应识别为白点。

英文原稿图, PDF p.55, #366.

⑤ 点击图像中的灰色区域。

检查映射点是否位于 XY、UV 白点区间；若不是，调整白点条件，使其落入区间。

AWB Simulaton 还显示该点 R G B 和 Y 值，需与 JSON 的 limitRange 比较是否越界。若越界，可适当放宽 limit Range。特别暗或特别亮的点受噪声或某通道饱和影响，其 Rgain、Bgain 会偏离实际值，因此范围需要权衡。

若点位于 limitRange 和 XY、UV 白点区间内却未识别为白点，需检查 YUV 的 TH。后续 AWB Simulaton 界面也会显示该点 th，可参考界面数值调整 YUV 的 TH。

⑥ 调整后，在 AWB 界面点击 Save，再在 AWB Simulation 界面点击 Run Simlation 重新仿真。

修改 XY、UV 白点区间后，白点检测如下，白平衡异常得到解决。

英文原稿图, PDF p.56, #373.

2.4.2.2 (2) 示例 2（仿真工具界面升级）

2.4.2.2.1 a. 在线获取 RAW（暂不支持）

工具连接板端后，可点击 Get online Image 获取在线图像并自动更新界面仿真结果，相比示例 1 简化调试。其他调试步骤参见示例 1 的 ④⑤⑥。

英文原稿图, PDF p.57, #377.

注意：在线图保存在工具根目录，后缀为 .dat2，例如 awbinput_rgb_w2880_h1616_ds1_fr1453492.dat2。本界面的 Load Image 也支持导入该格式。

2.4.2.2.2 b. 查看中框、大框白点及附加框、排除框中的点

通过界面相应按钮，可查看中框白点、大框白点、附加框和排除框中的点。原稿此处保留了未渲染图片标记：! [image-20230201154517001] (Rockchip_color_optimization_guide_isp2x_pngimage-20230201154517001.png)。

2.4.2.2.3 c. 计算总 WBGAIN

原稿中的未渲染图片标记：! [image-20230201155238824] (Rockchip_color_optimization_guide_isp2x_pngimage-20230201155238824.png)。

最终 WBGAIN 基于各光源白点加权计算，与实际算法不同，因为实际算法还包含其他策略部分。原文所指图中，中框白点数 38125、wbgain 为 (1.549, 1.665)，大框白点数 38742、wbgain 为 (1.548, 1.666)。

可编辑红色部分改变权重；修改 WP Number 后，右侧 prob 自动更新，Statistics 行对应数据也随之更新。

2.4.2.2.4 d. 离线仿真 BLC-LSC-WB-CCM-GAMMA 效果

该功能可查看不同 WBgain 的效果，辅助 AWB 调试；查看应用不同光源 LSC 的效果，辅助 LSC 调试；也可检查 RAW 图是否异常等。

英文原稿图, PDF p.58, #388.

点击 Run Simulator2 获得 blc-lsc-wb-ccm-gamma 效果。应用的 BLC、LSC、CCM、Gamma 数据来自 JSON，并打印在标定界面的日志窗口。

英文原稿图, PDF p.59, #390.

截图可辨正文转录（原截图裁切位置不猜补）：

Width: 2560
Height: 1440
Bits: 10 bit
Bayer: BGGR
->Info: Load JsonIQ normal: day
->INFO: load
sc4336_OT01_40IRC_F16.json
successfully.
->INFO(AWB): init uv/xy wpc ok.
->INFO(AWB): use D65 CCM parameter.
->INFO(AWB): ccmMatrix:1.3683,-0.3732
,0.0049
->INFO(LSC): Raw Image loaded
successfully.
->Info: Load JsonIQ normal: day
->INFO: load
sc4336_OT01_40IRC_F16.json
successfully.
->INFO(AWB): init uv/xy wpc ok.
->INFO(AWB): use TL84 CCM parameter.
->INFO(AWB): ccmMatrix:1.2447,-0.2877
,0.0429
->INFO(AWB): Raw Image loaded
successfully.
->INFO(AWB): Load
rkisp_sc4336_D75_2560_1440_10bpp_1.80x
_0.0400s_normal_normL_single_104803899
.raw successfully
->INFO(AWB): BlcValue(12bit)= 254 ,254
,254 ,254
->INFO(AWB): D75 use D50 LSC
parameter.
->INFO(AWB): R:2246 ,1970 ,1760 ,1607
->INFO(AWB): Gr:2211 ,1901 ,1702 ,1578
->INFO(AWB): Gb:2264 ,1942 ,1757 ,1626
->INFO(AWB): B:2197 ,1979 ,1747 ,1625
->INFO(AWB): D75 use A CCM parameter.
->INFO(AWB): ccmMatrix:1.2380,-0.7220
,0.4840

应用的 wbgain 来自中框，可直接编辑 wbgain，再点击 Run Simulator2 更新仿真结果。

2.4.2.3 (3) 示例 3（YUV TH 调整示意）

本例检查白点漏检是否由 yuv th 配置不当导致，步骤如下：

a. 根据该点在 XY、UV 域所处的光源区间，确定当前光源。

b. 在 AWB Simulator 中检查对应光源行的 distance 是否大于 TH；若是：

检查该光源行哪些列对应 YUV 条件的 U，并增大对应列的 th。

具体操作如下：

如下图，色卡第 22 色块未完全识别为白点。分析表明，此时 D65 光源下 distance > th（0.3125>0.1875）导致该问题。

英文原稿图, PDF p.60, #399.

该点在 D65 下映射为 u 60，位于 u1(54) 和 u2(70) 之间，因此可按下图调整对应 th1、th2 阈值，并根据白点检测结果判断修改方向。

英文原稿图, PDF p.60, #401.

注意：

使用 yuv th 去除非白点的步骤类似，只是此时减小阈值，同时确保不影响白点识别。

2.4.3 特殊问题示例

(1) 网络摄像头应用将白平衡设为自然光模式，导致自动白平衡未开启。

查看日志发现当前 mode=1，原文称其为手动模式。

英文原稿图, PDF p.60, #407.

截图可辨正文转录（原截图裁切位置不猜补）：

[09:51:39.57935][AWB]:XCAM DEBUG rk_aiq_awb_algo_v200.cpp:2795: AwbReConfigV200: byPass: 0  mode:1

修改白平衡模式后解决该问题。

(2) 标定时发现 HZ、A 光源下白点分布不集中。

英文原稿图, PDF p.61, #410.

实际效果如下，白平衡不正确。

英文原稿图, PDF p.61, #412.

后续测试发现红外滤镜不合格，未截止近红外波段；更换红外滤镜后解决。

(3) CC 模块光源估计来回振荡，引起色彩振荡。

英文原稿图, PDF p.61, #415.

截图可辨正文转录（原截图裁切位置不猜补）：

Find result - 143 hits
Line 5698: [00:02:57.712232][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.262492,0.988665, estimation illuminant is D50(2)
Line 5699: [00:02:57.712232][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.262492,0.988665, estimation illuminant is D50(2)
Line 5809: [00:02:57.811349][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.262492,0.988665, estimation illuminant is D50(2)
Line 5810: [00:02:57.811349][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.262492,0.988665, estimation illuminant is D50(2)
Line 5920: [00:02:58.561261][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.267507,0.983502, estimation illuminant is D50(2)
Line 5921: [00:02:58.561261][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.267507,0.983502, estimation illuminant is D50(2)
Line 6031: [00:02:58.155059][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.267507,0.983502, estimation illuminant is D50(2)
Line 6032: [00:02:58.155059][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.267507,0.983502, estimation illuminant is D50(2)
Line 6142: [00:02:58.366345][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.271833,0.979029, estimation illuminant is D50(2)
Line 6143: [00:02:58.366345][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.271833,0.979029, estimation illuminant is D50(2)
Line 6253: [00:02:58.465620][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.271833,0.979029, estimation illuminant is D50(2)
Line 6254: [00:02:58.465620][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.271833,0.979029, estimation illuminant is D50(2)
Line 6364: [00:02:58.577856][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.271833,0.979029, estimation illuminant is D50(2)
Line 6365: [00:02:58.577856][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.271833,0.979029, estimation illuminant is D50(2)
Line 6475: [00:02:58.776105][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.275650,0.975244, estimation illuminant is D65(3)
Line 6476: [00:02:58.776105][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.275650,0.975244, estimation illuminant is D65(3)
Line 6586: [00:02:58.987769][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.279142,0.971930, estimation illuminant is D65(3)
Line 6587: [00:02:58.987769][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.279142,0.971930, estimation illuminant is D65(3)
Line 6697: [00:02:59.85831][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.279142,0.971930, estimation illuminant is D65(3)
Line 6698: [00:02:59.85831][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.279142,0.971930, estimation illuminant is D65(3)
Line 6808: [00:02:59.296966][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.282218,0.968997, estimation illuminant is D65(3)
Line 6809: [00:02:59.296966][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.282218,0.968997, estimation illuminant is D65(3)
Line 6919: [00:02:59.409406][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.282218,0.968997, estimation illuminant is D65(3)
Line 6920: [00:02:59.409406][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.282218,0.968997, estimation illuminant is D65(3)
Line 7030: [00:02:59.522048][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.282218,0.968997, estimation illuminant is D65(3)
Line 7031: [00:02:59.522048][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.282218,0.968997, estimation illuminant is D65(3)
Line 7141: [00:02:59.719781][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.285019,0.966382, estimation illuminant is D65(3)
Line 7142: [00:02:59.719781][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.285019,0.966382, estimation illuminant is D65(3)
Line 7252: [00:02:59.945211][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.287606,0.963857, estimation illuminant is D65(3)
Line 7253: [00:02:59.945211][ACCM]:XCAM DEBUG rk_aiq_accm_algo.cpp:56: wbGain:1.287606,0.963857, estimation illuminant is D65(3)

增大 JSON tolerance 节点的 value；当 wbgain 变化小于该值时不更新，以提高稳定性。本例将 XML 参数改为下图值。

<tolerance index="1" type="struct" size="[1 1]">
    <LV index="1" type="double" size="[1 4]">
        [0 64 128 256.0000 ]
    </LV>
    <value index="1" type="double" size="[1 4]">
        [0.05 0.05 0.05 0.05 ]
    </value>
</tolerance>

3 基础色彩调整 CCM

3.1 功能说明

传感器光谱分布函数难以完全匹配人眼视觉响应函数，因此通过色彩校正矩阵 CCM 校正光谱响应的交叉影响与响应强度，使前端采集图像的色彩与人眼视觉一致。

CCM 标定工具支持基于 24 色卡预标定 3×3 CCM (aij)。

英文原稿图, PDF p.62, #422.

[R_CC, G_CC, B_CC]^T = [[a11,a12,a13],[a21,a22,a23],[a31,a32,a33]] * [R_camera,G_camera,B_camera]^T

支持不同色温的多组 CCM。ISP 运行时，根据 IQ 参数配置的 gain 节点调整全局或局部饱和度，实现 CCM 矩阵系数动态调整。

英文原稿图, PDF p.62, #424.

[R_CC,G_CC,B_CC]^T = alpha * scale * [[a11-1,a12,a13],[a21,a22-1,a23],[a31,a32,a33-1]] * [R_camera,G_camera,B_camera]^T + [R_camera,G_camera,B_camera]^T

3.2 主要参数

ISP 参数位于 IQ json 文件的 ccm_calib 节点；json 参数仅在自动模式生效。

3.2.1 使能控制与模式选择

位于 control 节点。

3.2.2 亮度与饱和度调整

位于 lumaCCM 节点。

3.2.2.1 与像素亮度相关的饱和度调整

可调整指定 Y 区间内像素的色彩校正强度。

英文原稿图, PDF p.63, #435.

图：Y-CcAlpha。

3.2.2.2 全局饱和度调整

位于 gain_alphaScale_curve 节点。

不同曝光增益对应不同校正强度比例，对应 gain_alphaScale_curve 节点下的参数。

3.2.3 自动 CCM 参数

位于 TuningPara 节点。

3.2.3.1 CCM 矩阵计算方法选择

CCM 模块有两种矩阵计算方法：(1) 选择标准白平衡增益与白平衡增益统计值欧氏距离最小的光源的 CCM 参数；(2) 将各光源标准白平衡增益与统计值之间的距离概率作为权重，加权计算 CCM 矩阵。各光源距离概率 prob 计算如下：

dist = sqrt((Rgain-awbGain[0])^2 * wr + (Bgain-awbGain[1])^2 * wb)
prob = exp(-dist^2 / sigma^2)

其中 Rgain、Bgain 为白平衡增益统计值，awbGain 为各光源标准白平衡增益，wr、wb 为 R、B 通道权重，sigma 为所有光源 dist 的标准差。

位于 illu_estim 节点。

3.2.3.2 CCM 矩阵加权计算

位于 illu_estim 节点。

3.2.3.3 CCM 选择控制参数

根据白平衡增益自动选择对应光源参数；同一光源下可配置不同曝光增益 gain 对应不同饱和度 sat 的 CCM。

位于 aCcmCof 节点。

3.2.3.4 CCM 参数

3.3 CCM 标定

按 Rockchip_IQ_Tools_Guide_ISP2x_CN 完成 CCM 标定。

3.3.1 RAW 数据采集

3.3.1.1 标定光源选择

七种不同色温光源：D50、D65、D75、A、CWF、HZ、TL84。

3.3.1.2 采集步骤

步骤 1：将色卡放在灯箱背景墙中央，确保左右光照均匀。项目对色彩要求较高时，可在旁边放置相应颜色目标（如肤色卡），便于确认效果。

步骤 2：调整曝光，使应用 gamma 后每个色块均不过曝，建议自动曝光。

步骤 3：拍摄时调整物距，使色卡占画面 1/9。

3.3.2 标定

3.3.2.1 步骤

步骤 1：RAW 导入及 24 色区域选择，参见 Rockchip_IQ_Tools_Guide_ISP2x_CN 第 4.5 节 CCM Calibration。

步骤 2：配置标定参数。

(1) 设置 gamma：选择摄像头将使用的 gamma 曲线。支持 Normal、HDR、Night 模式及自定义。

(2) 设置色块权重：在 6×4 表格中配置权重，色块位置与表格位置对应。

(3) 点击 Calibrate 标定并获得 CCM。可在 Calibration 页面手动调整 Saturation，直到 Result 的校正效果或色差图符合要求。

3.3.2.2 色差图说明

根据色差图中相对标准色块的偏移方向和距离，分析异常分量：

(1) 摄像头色块距原点比理想色块更远，则摄像头饱和度高于理想值。

(2) 摄像头色块距原点比理想色块更近，则摄像头饱和度低于理想值。

示例图：

英文原稿图, PDF p.67, #479.

第 15 色块（红色）和第 14 色块（绿色）的摄像头饱和度低于 IDEA，但偏差相对较小。

第 13 色块（蓝色）偏紫，人眼也可能将第 13 色块感知为紫色，因此该偏差可接受。

通常需确保第 13–15 色块偏差不过大，它们近似代表三原色，其他颜色可由这三色叠加得到。

若第 13–15 色块或其他重点色块偏色，可增加对应权重，但需注意对其他色块偏色的影响。

3.3.2.3 注意事项

(1) 识别 24 色区域时，不要选入各色块的黑色边框。

(2) 调整 gamma 曲线后可能需重新标定 CCM，因此最好先调整 gamma。

(3) 标定图亮度不合适会影响所标定 CCM 的饱和度特性：过亮 RAW 标定的 CCM 饱和度低，过暗 RAW 标定的 CCM 饱和度高。

(4) 建议的客观指标如下，但可因项目而异，不应只关注这些指标。

英文原稿图, PDF p.68, #489.

3.4 色彩调整

3.4.1 整体色彩饱和度调整

3.4.1.1 调整 gain_alphaScale_curve 参数

可在 [0, 1.0] 范围适当调整 scale，影响最终色彩校正强度。scale 越小，色彩饱和度越低；反之升高。

3.4.1.2 调整 gains-sat

SAT 越小，色彩饱和度越低；反之升高。不同光源可使用不同参数。

3.4.1.3 增加高饱和度 CCM

前两项调至最大值后饱和度仍不足时，需重新标定更高饱和度的 CCM，并将 gains-sat 的最大 sat 改为增加后的饱和度。

3.4.1.4 降低暗像素色彩饱和度

减小 y_alpha_curve 的值可降低暗像素饱和度；最后一个值需为 1024，否则会影响图像中其他亮度的色彩饱和度。

3.4.2 部分颜色调整

完成整体饱和度调整后，色彩仍未达到预期，可尝试以下步骤：

(1) 要使颜色符合人眼视觉，先确认白平衡正确。

(2) 要使颜色与对比机一致，先确认白平衡一致。

(3) 要使颜色与对比机一致，还需确认亮度接近。

(4) 确认白平衡一致或正确、亮度接近后，色彩仍不符合预期，再调整 CCM 相关参数。

3.4.2.1 确认白平衡正确

重点：白色物体是否偏色。

方法：

目视检查视频中的白色物体是否为白色。

抓图检查白块 R/G/B 分量是否差异较大。

3.4.2.2 确认与对比机白平衡一致并调整

(1) 若对比机白平衡正确，而 RK 白色物体偏色明显，先通过白平衡模块校正。

(2) 若对比机白色物体偏色明显，而 RK 白平衡较正确，需区分是对比机白平衡算法缺陷还是色调偏好不同。色调偏好不同，可先通过白平衡模块调整使二者一致，或用 faststone 等工具将对比机色调调整至 RK；若为算法缺陷，可增加场景白点重新抓图，或用 faststone 等工具将对比机色调调整至 RK。

(3) 如何区分对比机白色物体偏色源于算法缺陷还是色彩偏好：

a. 若场景只有白色物体且亮度合适，对比机仍有偏色，多半是进行了色调调整。

b. 否则属于对比机算法缺陷。

3.4.2.3 将亮度调整至与对比机一致

(1) 调整亮度相关模块 AE、Gamma、Dehaze、HDR，使亮度接近，允许一定差异。

(2) 或用 faststone 等工具将对比机亮度调整至 RK。

3.4.3 调整 CCM

3.4.3.1 使用工具重新标定 CCM

在 24 色卡中找到最接近目标颜色的色块，增大其权重后重新标定 CCM。

示例：

下图左侧色差图中，第 6、18 色块偏色较大。可将中性色块 19–24 的权重设为 0，第 6 色块设为 16，第 18 色块设为 8。为减少对其他色块的影响，三原色色块 13–15 权重设为 8，肤色色块 2 权重也设为 8。得到右侧色差图，第 6、18 色块偏色减小。

英文原稿图, PDF p.70, #526.

英文原稿图, PDF p.70, #527.

3.4.3.2 手动调整 CCM

3.4.3.2.1 获取 RK RGB 值

使用 RK 设备抓图，获取 RK RGB 值。

3.4.3.2.2 获取目标 RGB 值

(1) 有对比机时。

使用对比机抓图获得目标值，但应使亮度、白平衡与 RK 接近。

(2) 没有对比机时。

使用 faststone 等工具调整 RK 抓图中关注的颜色，直到符合预期。

英文原稿图, PDF p.71, #536.

英文原稿图, PDF p.71, #537.

例如，将调整后的 B 分量作为目标值：使用 fastone 将 B 通道减小 17，右下角绿色即预期颜色。

英文原稿图, PDF p.71, #539.

此时 RK 绿色 RGB 为 64 85 90，目标为 65 86 69，因此应调整 CCM 降低 B 分量，使两种绿色接近。

(3) 24 色卡对应人眼视觉的目标值如下：

英文原稿图, PDF p.72, #542.

3.4.3.2.3 CCM 调整说明

对比当前与目标 RGB，手动调整 CCM 使二者接近。

(1) CCM 调整约束。

色彩校正矩阵公式如下：

英文原稿图, PDF p.72, #547.

[R',G',B']^T = [[a11,a12,a13],[a21,a22,a23],[a31,a32,a33]] * [R,G,B]^T

为不破坏白平衡，参数必须满足下列条件：

英文原稿图, PDF p.72, #549.

a_i1 + a_i2 + a_i3 = 1

各通道主要来自原通道的颜色分量，因此必须满足：

英文原稿图, PDF p.72, #551.

a_ii >= 1

同时，尽量减小主对角元素之间的差异，并使非主对角元素尽量为负。

英文原稿图, PDF p.72, #553.

a13

英文原稿图, PDF p.72, #554.

a31

若 a13 为正，高饱和红色会偏紫；若 a31 为正，高饱和蓝色会偏紫。

英文原稿图, PDF p.73, #556.

a21

a21 为负时，绝对值越大，校正后红色的 G 分量越小， 红色饱和度越高；a23 为负时，绝对值越大，校正后蓝色的 G 分量越小，蓝色饱和度越高。

英文原稿图, PDF p.73, #558.

a23

(2) 常见偏色总结：

英文原稿图, PDF p.73, #561.

a13

英文原稿图, PDF p.73, #562.

a31

英文原稿图, PDF p.73, #563.

a13

英文原稿图, PDF p.73, #564.

a31

蓝色（红色）偏紫且 a13（a31）为正时，需降低 R（B）分量，将 a13（a31）从接近 0 的正数改为更小的负数。

英文原稿图, PDF p.73, #566.

a23

英文原稿图, PDF p.73, #567.

a21

蓝色（红色）过饱和且 a23（a21）为负时，需提高 G 分量，可 减小 a23（a21）的绝对值。

英文原稿图, PDF p.73, #569.

a23

英文原稿图, PDF p.73, #570.

a21

英文原稿图, PDF p.73, #572.

a13

英文原稿图, PDF p.73, #573.

a11

英文原稿图, PDF p.73, #574.

a12

紫色偏蓝时，需增大 R 分量，可增大 a13、减小 a11 和 a12；或降低 B 分量，减小 a33，增大 a31 和 a32。

英文原稿图, PDF p.73, #576.

a33

英文原稿图, PDF p.73, #577.

a31

英文原稿图, PDF p.73, #578.

a32

英文原稿图, PDF p.73, #580.

a21

英文原稿图, PDF p.73, #581.

a22

红色偏橙时，需降低 G 分量，可减小 a21、增大 a22。

肤色偏黄绿时，需降低 G、提高 B，可 大幅减小 a22、增大 a23、微调 a21；大幅增大 a31、减小 a32、微调 a33。

英文原稿图, PDF p.73, #584.

a22

英文原稿图, PDF p.73, #585.

a23

英文原稿图, PDF p.73, #586.

a21

英文原稿图, PDF p.73, #587.

a31

英文原稿图, PDF p.73, #588.

a32

英文原稿图, PDF p.73, #589.

a33

3.4.3.2.4 CCM 调整示例

(1) 示例 1：红色偏橙。

英文原稿图, PDF p.73, #593.

使用 faststone 调整 RGB 后发现，降低 G 分量可改善偏橙问题。红色塑料片的目标 RGB 为 [212 63 79]。

英文原稿图, PDF p.74, #595.

红框内塑料片偏橙，RGB = [212, 78, 80]，相对目标 [212 63 79]，G 分量偏大。经验较多时，可跳过 faststone 获取目标值，直接调整 CCM 降低 G 分量。

英文原稿图, PDF p.74, #597.

G' = a21*R + a22*G + a23*B

，

英文原稿图, PDF p.74, #599.

[a21,a22,a23] = [-0.2854,1.1496,0.1358]

原始校正系数：

英文原稿图, PDF p.74, #601.

a21

红色塑料片 R 分量最大，因此需减小 a21，并 增大 a22 的绝对值，以满足行和为 1 的约束。

英文原稿图, PDF p.74, #603.

a22

英文原稿图, PDF p.74, #605.

[a21,a22,a23] = [-0.385,1.2497,0.1358]

调整后校正系数：

英文原稿图, PDF p.74, #607.

红色塑料片：RGB = [208, 56, 76]。

(2) 示例 2：肤色偏黄绿。

英文原稿图, PDF p.75, #610.

红框内肤色偏黄绿，RGB = [216, 174, 124]，其中 G 分量偏大，B 分量偏小。

英文原稿图, PDF p.75, #612.

[[a21,a22,a23],[a31,a32,a33]] = [[-0.3192,1.6927,-0.3735],[0.0239,-0.5738,1.5499]]

原始校正系数：

英文原稿图, PDF p.75, #614.

a23

英文原稿图, PDF p.75, #615.

a22

英文原稿图, PDF p.75, #616.

a21

同示例 1，降低 G 分量：大幅减小 a22、增大 a23、微调 a21。

英文原稿图, PDF p.75, #618.

此时肤色：RGB = [212, 169, 124]。

英文原稿图, PDF p.75, #620.

a31

为提高 B 分量，由于 R 分量较大，故大幅增大 a31；为保证 行和为 1，还需减小 a32 和 a33。

英文原稿图, PDF p.75, #622.

a32

英文原稿图, PDF p.75, #623.

a33

英文原稿图, PDF p.75, #625.

英文原稿图, PDF p.76, #626.

[[a21,a22,a23],[a31,a32,a33]] = [[-0.3004,1.6375,-0.3371],[0.2127,-0.7294,1.5166]]

调整后校正系数如下。

此处肤色：RGB = [214, 169, 146]。

4 高级色彩调整 3DLut

4.1 CCM 与 3DLut 对比

CCM 使不同光源下色彩接近人眼视觉；3DLut 按偏好调整个别颜色。二者用于色彩调整的优缺点如下：

具体选择需在实际项目中权衡色彩偏好、过渡和噪声。

4.2 功能说明

三维查找表：3 dimensional look-up-tables (3DLUT)。

英文原稿图, PDF p.77, #636.

图：9×9×9 旁路 3DLUT 示意。

可将任意颜色独立映射为另一数值。

英文原稿图, PDF p.77, #639.

图：9×9×9 增强绿色的 3DLUT 示意。

原文称 RK1109 的 3D LUT 为 9×9×9，表中未记录的数值可通过三线性插值获得。

4.3 主要参数

参数位于 IQ json 的 lut3d_calib 节点；json 参数仅在自动模式生效。

4.3.1 使能控制与模式选择

位于 Common 节点。

4.3.2 自动 3DLUT 参数

位于 ALut3D 节点。

4.3.2.1 3DLUT 参数

4.4 3DLUT 标定与调整

RKISP 3D-LutTool 基于 LAB 模型，将 A-B（颜色通道）直角坐标转换为 C（饱和度）-H（色相）极坐标，输入支持 jpg/bmp/png/yuv/nv12。如图 4.4-2，原点 O 饱和度为 0，径向外侧饱和度增加，红箭头逆时针旋转改变色相。Rockchip_IQ_Tools_Guide_ISP2x_CN 第 2.6 节 3D-LUT Tools 介绍其界面与用法。

英文原稿图, PDF p.79, #654.

英文原稿图, PDF p.80, #655.

图 4.4-1：增强绿色饱和度。

英文原稿图, PDF p.81, #657.

英文原稿图, PDF p.82, #658.

图 4.4-2：改变红色色相。

4.4.1 调整步骤

1. 采集图像，关闭 3DLUT 及后续模块 YNR/SHARP/CNR 等，便于观察 3DLUT 是否引入其他影响；最好采集 yuv 图。

2. 导入图像，参见 Rockchip_IQ_Tools_Guide_ISP2x_CN 第 2.6 节 3D-LUT Tools。

3. 保持白平衡：右键点击中心原点，圆点变为方形即固定成功。

4. 在右侧图像界面点击待调整像素，其位置显示在左侧坐标系。

5. 用鼠标向目标点拖动，注意对坐标系中附近点进行平滑。

6. 生成 3DLUT 参数后，在丰富色彩场景中应用并检查颜色是否符合预期。

4.4.1.1 注意

3DLUT 前级模块发生调整，尤其影响色彩时，需重新调整 3DLUT。

4.4.1.2 示例

调整人脸肤色：

(1) 选择 Grid Division (8,12,16)，值越大精度越高；点击右侧图像中的人脸区域，在左侧坐标系定位。

英文原稿图, PDF p.83, #672.

(2) 肤色偏黄绿，需将肤色锚点向红色色相方向移动并降低饱和度，如图 (1)、(2) 标记；图中 (3) 标记进行了轻微调整，用于平滑处理。

英文原稿图, PDF p.84, #674.

(3) 效果对比：

英文原稿图, PDF p.84, #676.