4、自动曝光（AE）概述：AE的目标、曝光三要素（光圈、快门、增益）、曝光值EV
自动曝光（Auto Exposure，AE）是ISP（Image Signal Processor）图像处理链路中最基础也最关键的模块之一。它的核心任务是在复杂多变的场景光照条件下，通过调节光学与电学参数，使传感器输出的图像亮度、对比度与细节表现符合人眼主观感受或后端算法（如人脸检测、车牌识别）的客观需求。本章将系统阐述AE的控制目标、三大执行要素（光圈、快门、增益）以及衡量曝光量的核心指标——曝光值（Exposure Value，EV），帮助学员建立从物理光学到数字信号处理的完整认知框架。
上图展示了AE系统中三大执行要素与曝光值之间的逻辑关系。场景光照首先经过镜头的光圈（Aperture）控制通光量，然后到达图像传感器，由快门（Shutter）决定积分时间（曝光时长），最后经ISP的增益（Gain）对信号进行放大。曝光值EV则是将光圈与快门组合归一化为一个相对刻度，用于衡量场景亮度与曝光参数之间的匹配程度。下面逐一展开分析。
4.1 AE的核心目标：从“看得见”到“看得清”
自动曝光的目标并非简单地让画面变亮或变暗，而是在特定应用场景下，使图像亮度分布达到最优。具体而言，AE需要解决三个层次的问题：第一层是可见性，即避免画面过曝（高光溢出）或欠曝（暗部死黑）；第二层是细节保留，即在明暗对比强烈的场景中，尽量同时保留高光与暗部纹理；第三层是主观感受，即符合人眼对“正常亮度”的认知，例如室内灯光下肤色自然、夜景中天空不过亮。
从工程实现角度，AE通常以图像统计信息为输入，包括全局平均亮度、亮度直方图、感兴趣区域（ROI）亮度、人脸区域亮度等。ISP中的AE模块会计算当前帧的曝光误差，并通过反馈环路调整下一帧的曝光参数。一个典型的AE控制流程如下：
- 统计采集：ISP读取当前帧的亮度统计值（如Y通道平均值、分区直方图）。
- 误差计算：将统计值与目标亮度（如18%灰对应值）比较，得到曝光误差ΔEV。
- 参数调整：根据ΔEV，按预设策略调整光圈、快门或增益。
- 收敛判断：当ΔEV小于阈值（如±0.3EV）时，认为曝光稳定。
4.2 曝光三要素：光圈、快门、增益的物理意义与调节特性
曝光三要素共同决定了传感器接收到的总光能量。它们各自具有不同的物理特性、调节范围与副作用，理解其差异是设计AE策略的基础。
| 要素 | 物理作用 | 典型范围 | 调节副作用 | 适用场景 |
|---|---|---|---|---|
| 光圈（F/#） | 控制镜头通光孔径大小，F值越小通光量越大 | F1.4 ~ F16 | 影响景深（小F值背景虚化，大F值全景清晰） | 光照充足时优先调节；需要控制景深时固定 |
| 快门（曝光时间） | 决定传感器感光积分时长，时间越长进光量越多 | 1/10000s ~ 1s | 运动物体产生动态模糊；手持拍摄易抖动 | 光照不足时延长；运动场景需缩短 |
| 增益（ISO/DB） | 对传感器输出信号进行模拟或数字放大 | 1x ~ 64x（0~36dB） | 放大信号的同时放大噪声，信噪比下降 | 光圈快门用尽后最后调节；夜景模式常用 |
在实际的AE算法中，三要素的调节顺序遵循“先光学后电学、先模拟后数字”的原则。这是因为光圈和快门改变的是真实进光量，不引入额外噪声；而增益会放大传感器本身的读出噪声和暗电流噪声。例如，在光线逐渐变暗的黄昏场景中，AE会首先开大光圈（从F5.6到F2.8），然后降低快门速度（从1/250s到1/60s），最后才提升增益（从ISO100到ISO800）。
4.3 曝光值EV：统一度量衡与曝光方程
曝光值（Exposure Value）是一个无量纲的刻度，用于表示光圈与快门组合所对应的曝光量。其定义为：
EV = log₂(N² / t)其中，N为光圈F数（如F2.8对应N=2.8），t为快门时间（秒）。例如，F2.8、1/125s的组合：N²=7.84，t=0.008，N²/t=980，log₂(980)≈9.9，即约EV10。EV值每增加1，表示曝光量减半（更暗）；每减少1，曝光量加倍（更亮）。
EV值的实用价值在于：它将不同光圈快门组合归一化，便于比较场景亮度和计算曝光补偿。例如，EV15代表晴朗夏日户外亮度，EV0代表夜晚室内微弱灯光。当AE算法检测到场景亮度为EV12时，若当前曝光参数为EV10，则说明欠曝2档，需要增加曝光量。
4.4 实战案例：低照度场景下AE策略的调优过程
下面通过一个典型的低照度监控摄像头调试案例，展示AE三要素与EV值的实际应用。
背景与约束：某款IPC（网络摄像机）需在夜间（照度约0.1 Lux）提供彩色图像，传感器为1/2.7英寸CMOS，镜头光圈F1.6固定，最大增益限制为36dB（约64x），目标帧率25fps（即最大曝光时间40ms）。
初始现象：默认AE参数下，画面整体偏暗，平均亮度仅达到目标值的40%，暗部噪声明显。
分析过程：
- 计算当前EV：光圈F1.6（N²=2.56），快门1/25s（t=0.04），EV=log₂(2.56/0.04)=log₂(64)=6。场景实际亮度约EV2，欠曝4档。
- 由于光圈固定，只能调节快门和增益。快门已到上限40ms（受帧率限制），因此只能增加增益。
- 当前增益为12dB（4x），需提升至24dB（16x）才能补足4档曝光。但增益提升会带来噪声增大。
实际操作：
- 将AE目标亮度从默认的60%调整为50%，降低对亮度的苛求。
- 启用“夜间模式”策略：允许最大增益提升至36dB，同时开启3D降噪（NR）以抑制噪声。
- 调整AE收敛速度，避免在明暗交替场景中频繁抖动。
结果对比：调整后画面平均亮度达到目标值的85%，虽然噪声略有增加，但通过NR处理后主观画质明显改善。代价是运动物体可能出现拖影（因曝光时间较长），但监控场景可接受。
复盘经验：在低照度下，AE策略应优先保证“看得见”，再考虑“看得清”。增益上限、快门上限和光圈F值是三个硬约束，必须在AE算法中作为边界条件处理。同时，EV值计算帮助工程师快速定位曝光不足的档位，避免盲目调节。
4.5 常见误区与总结
误区二：忽略快门与帧率的关系。在视频模式下，曝光时间不能超过帧周期的80%，否则会出现帧率下降或拖影。
误区三：将EV值等同于亮度。EV是曝光参数的组合，而实际亮度还取决于场景反射率和光源强度。相同EV在不同场景下亮度可能不同。
总结而言，自动曝光的本质是在物理约束（光圈范围、快门上限、增益噪声）与应用需求（目标亮度、细节保留、运动清晰度）之间寻找最优平衡。曝光三要素各有优劣，EV值提供了统一的量化工具，而AE算法则是将这些要素有机整合的决策系统。理解这些基础概念，是后续学习AE算法实现、调试与优化的前提。