單元 11 · 白平衡與色彩（AWB/CCM）

AWB_AUTO / AWB_MANUAL + 色溫或 gains

Argus AWB_MANUAL + gains

# 1. 關 AWB（固定 gains）
Argus: AWB_MANUAL  R_gain=1.0 B_gain=1.0
# 2. 拍灰卡，讀 R/G/B 平均
#    （用 RAW 或 NV12 的灰卡區）
python3 - <<'EOF'
# r,g,b = 灰卡區三通道平均
# 目標 r' == g' == b'
# 調整因子：R_new = R * (G/R),  B_new = B * (G/B)
EOF
# 3. 寫回 gains，重拍確認 R≈G≈B
Argus: AWB_MANUAL  R_gain=1.12 B_gain=1.48   # 範例值

1. 整張偏紅/偏藍？
   ├─ 是 → AWB 光源估計錯：換場景/重校
   └─ 否 ┐
2. 局部偏色（角落）？
   ├─ 是 → 是 lens shading 造成 → 進 LSC（單元 12）
   └─ 否 ┐
3. 特定色不準（綠不綠/皮膚怪）？
   ├─ 是 → CCM 色彩矩陣問題 → 需 tuning 資料
   └─ 否 ┐
4. 灰卡上 R≠G≠B？
   ├─ 是 → 重做 AWB 校正（11.9）
   └─ 否 → ✅ 色彩正常

# 校正後灰卡區 R/G/B 差異應 < 2%（同光源）
r, g, b = 灰卡區三通道均值
print('R/G:', r/g, ' B/G:', b/g)   # 應都接近 1.0
# 四角也抽樣：角落偏色 → 那是 LSC 的事（單元 12）

1. 拍標準色卡（灰卡校正 AWB 後）
2. 量 R/G/B/Y 等色塊的 RGB 值
3. 對照標準值算 ΔE
4. ΔE 大 → 需要 CCM 級校正（NVIDIA tuning）
5. ΔE 小 → 不用動，避免過度校正

# 1. 先讓 auto AWB 收斂（觀察它偏向哪種色溫）
argus_camera --mode 0 --awb-auto --duration 5
# 2. 若 auto 偏向室外（日光範圍大），手動設定色溫
argus_camera --mode 0 --awb-manual --color-temperature 4500
# 3. 用灰卡量測 CCM 殘差
#    18% 灰卡 RGB 應接近 (128,128,128)
#    若偏暖（R > B）→ 降低色溫設定
#    若偏冷（B > R）→ 提高色溫設定
# 4. 最終目標：灰卡在所有光源下色彩偏差 < 5%（ΔE < 5）

# Phase 1 · 感測器中性化（先決條件）
#   確認感測器端 AWB 關閉、黑位正確（回顧單元 8）
# Phase 2 · 灰卡 AWB（每種光源各一次）
argus_camera --mode 0 --raw-file gray_5500k.raw --duration 1
#   讀灰卡區 R/G/B，算 gains 讓 R≈G≈B（回顧 11.9）
#   結果建表：5500K → R_gain / B_gain
# Phase 3 · 色卡 CCM（每種光源各一次）
argus_camera --mode 0 --raw-file cc_5500k.raw --duration 1
#   量 24 色塊 vs 標準值，最小二乘求 3×3 CCM（回顧 11.10）
# Phase 4 · 驗證
#   重新拍灰卡 / 色卡，確認 R≈G≈B 且 ΔE < 5
# Phase 5 · 回歸
#   3200K / 5500K / 日光燈 三種光源全跑，記錄各光源的 gains + CCM

#!/usr/bin/env python3
# awb_verify.py — 驗證白平衡功能
import numpy as np, subprocess, glob

def capture_and_analyze(label):
    subprocess.run([
        "argus_camera", "--camera-id", "0", "--mode", "0",
        "--capture-auto", "1", "--duration", "1",
        "--output-dir", f"/tmp/awb_{label}"
    ], capture_output=True)
    raw = glob.glob(f"/tmp/awb_{label}/*.raw")
    if not raw:
        return None
    data = np.fromfile(raw[0], dtype=np.uint16).reshape(800, 1280)
    r, g, b = data[0::2, 0::2], data[0::2, 1::2], data[1::2, 0::2]
    return {"R": r.mean(), "G": g.mean(), "B": b.mean()}

# Test: Gray card under daylight
result = capture_and_analyze("graycard")
if result:
    rg = result["R"] / result["G"]
    bg = result["B"] / result["G"]
    print(f"R/G = {rg:.3f} (should be ~1.000)")
    print(f"B/G = {bg:.3f} (should be ~1.000)")
    
    deviation = abs(rg - 1.0) + abs(bg - 1.0)
    if deviation < 0.05:
        print("AWB VERDICT: PASS (neutral)")
    elif deviation < 0.10:
        print("AWB VERDICT: MARGINAL (slight cast)")
    else:
        print("AWB VERDICT: FAIL (color cast)")

1. 灰卡拍出偏暖（R > G > B）？
   ├─ 是 → 色溫估計過低 → 提高色溫
   │       或 CCM 暖色係數過高 → 降暖色增益
   └─ 否 ┐
2. 灰卡拍出偏冷（B > G > R）？
   ├─ 是 → 色溫估計過高 → 降低色溫
   │       或 CCM 冷色係數過高 → 降冷色增益
   └─ 否 ┐
3. 灰卡拍出偏綠？
   ├─ 是 → CCM 綠色通道增益過高
   │       或 AWB 色溫估計錯誤
   └─ 否 → 色彩正常

1. 畫面色彩快速閃爍？
   ├─ 是 → AWB 收斂速度太快 → 降 speed
   │       或光源 flicker → 開 flicker rejection
   └─ 否 ┐
2. 色彩偶爾突然偏移？
   ├─ 是 → AWB 參考區域有異常色 → 限定 ROI
   └─ 否 ┐
3. 色彩穩定但不準？
   ├─ 是 → 校正不足 → 執行白平衡校正
   └─ 否 → AWB 正常