1. 3A算法概述：AE、AF、AWB 到底是什么？

大家好，欢迎来到《3A算法实战调优指南》。我是你们这趟旅程的向导。

咱们开门见山。3A算法，说白了就是相机拍照时，帮你搞定曝光、对焦和颜色的三个核心模块。它们分别是：自动曝光（AE）、自动对焦（AF）和自动白平衡（AWB）。

你想想看，为什么手机随手一拍，照片就挺亮、挺清楚、颜色也挺正？背后就是这三个算法在实时工作。我刚开始做相机算法时，总觉得它们各自为政，后来才发现，它们之间的配合才是真正的难点。

1.1 3A算法在相机系统中的位置

3A算法不是孤立存在的。它们处于图像信号处理（ISP）管线的中上层，直接决定了最终图像的质量基调。

我习惯把整个相机系统比作一个流水线：

• 底层：传感器（Sensor）和镜头（Lens）负责采集原始光信号。
• 中层：ISP 硬件做去马赛克、降噪、锐化等基础处理。
• 上层：3A算法就是这里的“大脑”，它分析当前场景，然后给底层和中层发指令。

举个例子，AE 发现画面太暗，它会告诉传感器“把曝光时间拉长一点”，同时告诉 ISP “增益开大一点”。AF 发现主体模糊，它会驱动镜头马达“往前挪一毫米”。AWB 发现画面偏蓝，它会调整 ISP 里的颜色增益矩阵。

下面这张图，是我自己画的一个简化框架，能帮你快速理解它们的位置关系。

1.2 三个模块各自的核心目标

咱们一个一个来看。每个模块都有它自己的“本职工作”。

自动曝光（AE）

AE 的目标很简单：让画面亮度适中，不过曝也不欠曝。它通过调整曝光时间、模拟增益、数字增益和光圈（如果有的话）来实现。

我在项目中遇到过最头疼的问题，就是高动态场景。比如你拍一个窗户，窗外阳光明媚，屋里却很暗。AE 如果只盯着全局平均亮度，窗外就一片死白。所以现代 AE 算法都会引入区域权重和人脸检测来优先保证主体亮度。

自动对焦（AF）

AF 的目标是让画面清晰。它通过移动镜头位置，找到对比度最高的那个点。

常见的 AF 方式有两种：

• 对比度检测（CDAF）：通过分析图像本身的清晰度来对焦。优点是精度高，缺点是慢，而且会来回“拉风箱”。
• 相位检测（PDAF）：通过传感器上的专用像素来检测相位差。优点是快，但精度受限于像素排布。

嗯，这里要注意。很多手机现在用的是混合对焦，先靠 PDAF 快速跳到大概位置，再用 CDAF 微调。我调过的一个项目里，PDAF 的校准数据如果没做好，会导致对焦永远偏一点点，拍出来的照片总是“肉肉的”。

自动白平衡（AWB）

AWB 的目标是让白色物体在任何光源下都呈现白色。它通过调整 R/G/B 通道的增益来校正色温。

你想想看，在钨丝灯下，一张白纸看起来是偏黄的。AWB 要做的就是把这个黄色去掉，让白纸变回白色。

我曾经踩过一个坑：在混合光源场景下（比如室内日光灯 + 窗外阳光），AWB 会“左右为难”，导致画面一部分偏蓝、一部分偏黄。后来我加了一个色温分区统计的策略，才勉强压住这个问题。

1.3 3A算法的核心挑战

3A 算法听起来不难，但真正做起来，挑战一个接一个。我总结了几个最常见的：

挑战	具体表现	我的应对思路
实时性	算法必须在 16ms-33ms 内完成一次迭代（对应 30-60fps）	优先用查表法代替复杂计算，把统计量放到 ISP 硬件里做
稳定性	画面不能出现亮度/颜色/对焦的来回跳变	加入滞回比较器和低通滤波，防止参数在边界处震荡
场景适应性	从暗光到强光、从静止到运动、从单光源到混合光源	建立场景分类器，不同场景用不同的参数集
模块耦合	AE 调亮度会影响 AF 的对比度计算，AWB 调颜色会影响 AE 的亮度统计	设计解耦策略，比如在 AE 稳定后再启动 AF 的精细搜索

说白了，3A 算法就是在速度、精度、稳定性三者之间找平衡。你不可能同时做到最快、最准、最稳。每次调优都是一次取舍。