4、曝光基础：曝光三要素（光圈、快门、增益）在智能门锁固定光圈下的调节机制
智能门锁摄像头的曝光控制与手机、安防枪机有着本质差异：为了兼顾成本、结构强度和夜间红外补光效率，门锁摄像头几乎全部采用固定光圈设计（常见F2.0/F2.2/F1.8），这意味着曝光三要素中的“光圈”被锁定为一个常量，无法像手机主摄那样通过物理或电子光圈调节进光量。因此，ISP调优工程师必须深刻理解在光圈固定前提下，快门与增益如何协同工作，以及它们如何与红外LED补光、环境照度、运动物体拖影、噪声水平相互制约。本章将系统拆解这一调节机制，从核心原理到实战调优，帮助你在“方寸之间”找到最佳曝光平衡点。
4.1 核心原理：固定光圈下的曝光方程重构
在标准摄影曝光方程中，曝光量 = 光圈（F值）× 快门时间 × 感光度（ISO/增益）。当光圈被机械结构锁定时，该方程简化为：曝光量 = K × 快门时间 × 增益，其中K为光圈固定后的进光常数。智能门锁ISP通常运行在30fps（帧周期33.3ms）或25fps（帧周期40ms）模式下，这意味着快门时间存在硬上限——不能超过帧周期的80%，否则会影响传感器读出和ISP处理流水线。
实际调优中，我们更关注的是曝光量（以LSB或DN值衡量）与信噪比（SNR）的平衡。曝光量决定了图像亮度，而信噪比决定了图像质量。在固定光圈下，增加快门时间可以线性提升曝光量，但会引入运动模糊；增加增益同样可以提升亮度，但会放大噪声。因此，调节机制的核心是：在保证运动清晰度的前提下，优先使用快门吸收光线，再用增益补足余量。
关键公式：固定光圈下，传感器输出信号 = 入射光强 × 量子效率 × 快门时间 × 增益 + 暗电流噪声 + 读出噪声。调优目标是在给定光照条件下，找到（快门，增益）的最优组合，使输出信号达到目标亮度且总噪声最小。
4.2 判断方法：曝光策略选择与参数计算流程
智能门锁的曝光调节不能简单套用自动曝光（AE）算法，必须结合场景特征制定策略。以下是推荐的判断流程：
- 照度分级：通过光敏传感器或图像统计信息判断当前环境照度。通常分为四档——强光（>1000 lux）、正常（100~1000 lux）、低照度（1~100 lux）、微光（<1 lux）。
- 快门优先区间：在正常照度下，优先将快门设定在1/60s~1/120s之间，保证运动物体（如人走动、手部动作）不产生明显拖影。此时增益保持在1x~2x低噪声区间。
- 增益补偿区间：当照度降至低照度档，快门已接近帧周期上限（如1/30s）仍无法达到目标亮度时，开始提升增益。增益每提升一倍（6dB），噪声约增加√2倍。
- 补光介入判断：当增益超过8x（约18dB）且图像噪声已影响人脸识别特征提取时，应触发红外LED补光增强，而不是继续无限制提升增益。
| 照度范围 | 快门策略 | 增益范围 | 补光状态 | 典型场景 |
|---|---|---|---|---|
| >1000 lux | 1/120s ~ 1/500s | 1x ~ 1.5x | 关闭 | 白天门口、强光照射 |
| 100~1000 lux | 1/60s ~ 1/120s | 1.5x ~ 3x | 关闭 | 阴天、走廊灯光 |
| 1~100 lux | 1/30s ~ 1/60s | 3x ~ 8x | 自动开启 | 夜间楼道、黄昏 |
| <1 lux | 1/25s ~ 1/30s | 8x ~ 16x | 强制开启（高亮） | 无光夜晚、暗房 |
4.3 案例拆解：夜间低照度拖影与噪声的博弈
某款智能门锁在夜间测试时出现两个典型问题：① 访客快速走近时人脸拖影严重；② 静态画面噪点明显，人脸识别通过率下降。初始参数为：快门1/25s，增益12x，红外补光50%占空比。图像平均亮度达到90 LSB，但主观评价拖影明显，且暗部噪声颗粒感强。
分析过程：通过抓取RAW图分析，发现运动区域边缘宽度达到8~10像素，对应1/25s曝光时间内人移动约4cm，在2米距离上投影约10像素。同时，增益12x下，传感器读出噪声被放大至约12 DN，暗部信噪比仅28dB，低于人脸识别算法要求的35dB阈值。
调优步骤：
- 第一步：将快门从1/25s提升至1/50s，曝光时间减半，运动拖影降至4~5像素，处于可接受范围。
- 第二步：快门提升导致亮度下降一半，为补偿亮度，将红外补光占空比从50%提升至80%，增加红外光照强度。
- 第三步：补光增强后，亮度恢复至85 LSB，但增益仍为12x，噪声问题未解决。进一步将增益降至6x，同时微调补光至90%占空比，最终亮度达到88 LSB。
- 第四步：开启ISP的3DNR（三维降噪）模块，时域滤波强度设为中档，空域降噪设为弱档，避免细节过度平滑。
结果对比：调优后，运动拖影从10像素降至4像素，暗部信噪比从28dB提升至36dB，人脸识别通过率从82%提升至96%。代价是红外补光功耗增加了约0.8W，但仍在电池供电可接受范围内（整机平均功耗约3W）。
经验复盘：固定光圈下，不要盲目依赖增益提升亮度。优先调整快门和补光，增益应作为最后手段。同时，3DNR的时域滤波对静态场景降噪效果显著，但运动区域容易产生“鬼影”，需要配合运动检测自适应调整强度。
4.4 常见误区与总结复盘
误区一：认为快门越慢越好。在门锁场景中，访客不会静止站立，过慢快门必然导致拖影。即使画面亮度达标，拖影也会严重干扰人脸特征提取。
误区二：增益无限提升。增益超过一定阈值后，噪声增长快于信号增长，图像细节被噪声淹没。此时提升补光比提升增益更有效。
误区三：忽略帧率与快门的耦合关系。30fps下快门不能超过1/30s，但实际留有余量，建议不超过帧周期的80%（即1/37.5s），否则会影响AE收敛速度和帧间一致性。
误区四：补光策略一成不变。红外LED的发光效率随温度升高而下降，长时间工作后补光效果衰减，需要ISP根据图像亮度反馈动态调整PWM占空比。
风险提示：在固定光圈下，如果环境照度极低（<0.1 lux）且补光已满占空比，增益达到16x仍无法达到目标亮度，此时应降低目标亮度值（如从100 LSB降至70 LSB），而不是继续增加增益，否则图像将完全被噪声覆盖，失去识别价值。
总结：固定光圈下的曝光调节本质上是“快门-增益-补光”的三方博弈。调优工程师需要建立清晰的决策优先级：先保证运动清晰度（快门约束），再追求亮度达标（补光优先），最后用增益补足余量（噪声控制）。同时，要结合ISP的降噪、宽动态等模块协同工作，才能在各种复杂光照条件下输出稳定、可识别的高质量图像。实际项目中，建议建立曝光参数查找表（LUT），将不同照度下的最优（快门，增益，补光）组合预置在固件中，配合AE算法的平滑过渡，避免参数跳变引起的闪烁或亮度突变。