單元 11 · 白平衡與色彩（AWB/CCM）

v4l2-ctl -d /dev/v4l-subdev0 -c auto_n_white_balance=0   # 關 AWB
v4l2-ctl -d /dev/v4l-subdev0 -c red_balance=128          # R gain
v4l2-ctl -d /dev/v4l-subdev0 -c blue_balance=128         # B gain

v4l2-ctl -d /dev/v4l-subdev0 -c auto_n_white_balance=0

# 關自動曝光與 AWB，鎖定曝光，避免灰卡亮度跑掉
v4l2-ctl -d /dev/v4l-subdev0 -c auto_exposure=0
v4l2-ctl -d /dev/v4l-subdev0 -c exposure=2000
v4l2-ctl -d /dev/v4l-subdev0 -c auto_n_white_balance=0

v4l2-ctl -d /dev/video0 --set-fmt-video=width=1280,height=720,pixelformat=YUYV \
  --stream-mmap=3 --stream-count=1 --stream-to=gray.yuv

python3 - <<'EOF'
import numpy as np
yuv = np.fromfile('gray.yuv', dtype=np.uint8).reshape(720,1280,2)
y  = yuv[...,0].astype(float)
u  = (yuv[...,1]-128).astype(float)
v  = (yuv[...,1]-128).astype(float)   # 簡化：用中央區
roi = y[300:420, 500:780]
print('Y mean =', roi.mean())        # 曝光基準參考
EOF

v4l2-ctl -d /dev/v4l-subdev0 -c red_balance=140
v4l2-ctl -d /dev/v4l-subdev0 -c blue_balance=110
v4l2-ctl -d /dev/v4l-subdev0 -C red_balance -C blue_balance

python3 - <<'EOF'
import cv2, numpy as np
img = cv2.imread('shot.png').astype(float)/255.0
b,g,r = cv2.split(img)                     # BGR 順序
ccm = np.array([[1.6,-0.4,-0.2],
                [-0.2,1.4,-0.2],
                [-0.1,-0.2,1.3]])
rgb = np.stack([r,g,b],axis=-1) @ ccm.T
r,g,b = cv2.split(rgb.clip(0,1))
out = cv2.merge([b,g,r])*255
cv2.imwrite('shot_ccm.png', out.astype(np.uint8))
EOF

v4l2-ctl -d /dev/v4l-subdev0 -c auto_exposure=0 -c exposure=2000
v4l2-ctl -d /dev/video0 --set-fmt-video=width=1280,height=720,pixelformat=YUYV \
  --stream-mmap=3 --stream-count=1 --stream-to=mixed.yuv

python3 - <<'EOF'
import numpy as np
yuv = np.fromfile('mixed.yuv', dtype=np.uint8).reshape(720,1280,2)
# 假設 left=日光燈區, right=窗邊日光區
left_roi  = yuv[:, 0:640, :]    # 日光燈偏綠
right_roi = yuv[:, 640:1280, :] # 日光偏暖
print('左區 Y mean:', left_roi[...,0].mean())
print('右區 Y mean:', right_roi[...,0].mean())
EOF

python3 - <<'EOF'
import cv2, numpy as np
img = cv2.imread('mixed.png').astype(float)/255.0
# 左半用冷色 CCM，右半用暖色 CCM
ccm_cool = np.array([[1.2,-0.1,-0.1],[-0.1,1.1,-0.0],[-0.1,-0.1,1.2]])
ccm_warm = np.array([[1.0,-0.2,0.2],[0.0,1.0,0.0],[0.0,-0.1,1.1]])
h, w = img.shape[:2]
left  = img[:, :w//2] @ ccm_cool.T
right = img[:, w//2:] @ ccm_warm.T
out = np.clip(np.concatenate([left, right], axis=1), 0, 1) * 255
cv2.imwrite('mixed_ccm.png', out.astype(np.uint8))
EOF

# 日光燈(4000K)、白熾燈(2700K)、陰天(6500K)、LED(5000K)、黃昏(3000K)
declare -A K=( [fluo]=4000 [tungsten]=2700 [cloudy]=6500 [led]=5000 [dusk]=3000 )

#!/bin/bash
for src in fluo tungsten cloudy led dusk; do
  v4l2-ctl -d /dev/v4l-subdev0 -c auto_exposure=0 -c exposure=2000
  v4l2-ctl -d /dev/v4l-subdev0 -c auto_n_white_balance=0
  v4l2-ctl -d /dev/video0 --set-fmt-video=pixelformat=YUYV \
    --stream-mmap=3 --stream-count=1 --stream-to=gray_$src.yuv
  # 手動調 red/blue_balance 直到灰卡 R≈G≈B
  echo "$src: 記錄 red_balance / blue_balance"
done

python3 - <<'EOF'
import csv
rows = [('fluo',4000,135,105), ('tungsten',2700,160,85),
        ('cloudy',6500,120,135), ('led',5000,128,112), ('dusk',3000,150,95)]
with open('awb_lut.csv','w',newline='') as f:
    w = csv.writer(f)
    w.writerow(['light','kelvin','red_balance','blue_balance'])
    w.writerows(rows)
print('已寫入 awb_lut.csv')
EOF

python3 - <<'EOF'
# 用 ColorChecker 的 patch 平均色比對目標值，算 Delta E
import numpy as np
# measured = 讀色卡 patch 的 RGB；target = 標準值
# Delta E 計算（簡化）：對每個 patch 比對 LAB 距離
print('目標：所有 patch 平均 Delta E < 8（Consumer）、< 5（工控）')
EOF

- [ ] 我能完成多光源校正專案並產出 awb_lut.csv。
- [ ] 我能用灰卡校正並量化 Delta E。
- [ ] 我理解「AWB 讓白變白，CCM 讓彩色變準」的差異。
- [ ] 我已建立至少兩組色溫的 gains 查表。
- [ ] 我理解 Orange Pi 整數 gains 與 RPi5 浮點 gains 的換算。
- [ ] 我能處理混合色溫場景（分區 CCM 或接受限制）。

影像偏色？
├─ 偏暖（偏紅/橙）→ red gain 太高
│  ├─ 減少 0x5185 值
│  └─ 或增加 0x5187（blue gain）
├─ 偏冷（偏藍）→ blue gain 太高
│  ├─ 減少 0x5187 值
│  └─ 或增加 0x5185（red gain）
├─ 混合色溫 → AWB 無法單一值修正
│  └─ 接受限制或用分區 CCM
└─ AWB 完全失效 → 0x5183=0x00
   └─ 檢查 AWB enable 狀態

Delta E > 5？
├─ AWB 正常但色彩不準 → CCM 問題
│  ├─ 校正 CCM（用灰卡 + 色卡）
│  └─ 檢查 0x5800~0x5830 的 CCM 係數
├─ 特定色偏 → 該色域 CCM 係數錯誤
│  └─ 調整對應 CCM 係數
└─ 全域色偏 → AWB + CCM 都需校正
   └─ 先校正 AWB（白變白），再校正 CCM（色變準）

- [ ] 完成「多光源校正專案」並產出 awb_lut.csv
- [ ] 用灰卡校正並量化 Delta E
- [ ] 理解「AWB 讓白變白，CCM 讓彩色變準」
- [ ] 建立至少兩組色溫的 gains 查表
- [ ] 換算 Orange Pi 整數 gains（128=1.0×）與 RPi5 浮點 gains
- [ ] 處理混合色溫場景（分區 CCM 或接受限制）
- [ ] 產出「色彩校正報告」（含 Delta E 數據）
- [ ] 驗證 AWB 收斂後色彩穩定
- [ ] 用色卡（X-Rite）驗證校正效果
- [ ] 產出「AWB tuning log」（含 gains/Delta E/光源）