一、SOG算法概述1.Shades-of-Gray (SoG) 算法是白平衡领域中一个非常优雅的框架。它的核心贡献在于将灰度世界Gray-World和完美反射White-Patch这两个看似对立的算法统一到了同一个数学框架下。二、对SOG算法取对数在实践中很多白平衡算法都会先对图像取对数然后在 log 域进行光源估计。例如三、失效场景以下场景中SoG 算法无论 p 取何值通常都会失效或表现不佳1.大面积单色主导的场景 例子大面积蓝天、茂密的绿色森林、红色的花海。失效原因破坏了“场景平均反射率为灰色”的核心假设。算法会将单色背景误认为光源颜色校正后画面会严重褪色或出现补色偏差。2.多光源/混合光源场景 例子室内暖黄灯光与窗外冷蓝日光同时存在的场景。失效原因全局统计算法只能给出一个全局光源估计无法处理空间上不均匀的光照分布。3.极端过曝或极暗场景 例子逆光拍摄导致大面积过曝或夜景极暗环境。失效原因过曝像素丢失了反射率信息全部截断为 255暗部像素被噪声淹没。此时计算出的 p-范数无法反映真实的光源强度。4.场景中完全没有高光/白点且色彩高度集中 例子拍摄一堆纯黄色的香蕉没有背景。失效原因即使 p 取中间值高亮区域依然是黄色的算法会错误地估计光源偏黄校正后香蕉会变成灰白色。5.光源本身具有强烈色彩且无中性物体 例子在纯红色霓虹灯下拍摄纯绿色物体。失效原因SoG 无法区分“光源是红色”还是“物体是红色”这是所有基于统计假设的白平衡算法的盲区。