1. 课程导入
当你用手机拍下一张照片，从按下快门到成像完成，往往只有几百毫秒。在这极短的时间里，摄像头系统要完成对焦、曝光、白平衡等一系列决策，这些决策的质量直接决定了照片是否清晰、亮度是否合适、色彩是否真实。支撑这些决策的，正是3A算法——自动对焦（AF，Auto Focus）、自动曝光（AE，Auto Exposure）和自动白平衡（AWB，Auto White Balance）。本课程围绕真实手机摄像头项目中的3A算法调优案例展开，帮助你从"知道3A是什么"进阶到"能定位问题、能调参、能验证效果"。
一、学习目标：从概念理解到工程落地
本课程不是单纯的理论讲解，而是以调优实战为主线。学完之后，你应当具备以下能力：
- 理解3A算法的核心原理：掌握AF的对比度检测与相位检测思路、AE的测光与目标亮度收敛机制、AWB的灰世界与色温估计方法。
- 读懂3A调优的关键参数：例如AE的目标亮度（Target Luma）、收敛速度、曝光补偿步长；AF的搜索步长、稳定判定阈值；AWB的色温范围与增益限幅。
- 掌握调优的基本流程：从场景复现、日志抓取、数据分析，到参数修改、回归验证的完整闭环。
- 能分析典型问题：如暗光对焦拉风箱、逆光人脸过暗、室内白平衡偏绿等，并给出合理的调优方向。
- 建立系统观：理解3A与ISP、Sensor、镜头、平台算法库之间的协作关系，避免"只调一个模块"的局部思维。
二、核心概念：3A到底在做什么
要理解3A，先要理解摄像头成像的基本链路。光线通过镜头进入Sensor，Sensor将光信号转换为电信号，再经过ISP（图像信号处理器）处理成最终图像。3A算法运行在ISP或独立处理单元上，通过统计信息（Statistics）来反向控制Sensor和ISP参数。
AF自动对焦解决"清不清晰"的问题。它通过驱动马达移动镜头位置，使被摄主体在Sensor上成像最清晰。常见方式包括对比度检测（CDAF）和相位检测（PDAF），前者靠图像清晰度评价函数寻找峰值，后者靠相位差直接计算离焦量。
AE自动曝光解决"亮不亮"的问题。它根据统计模块给出的亮度信息，调整曝光时间、模拟增益和数字增益，使画面平均亮度或主体亮度接近目标值。AE还要处理逆光、暗光、运动场景等复杂情况。
AWB自动白平衡解决"颜色正不正"的问题。不同光源的色温不同，AWB通过估计当前光源色温，对R、G、B通道施加不同增益，使白色物体在不同光源下仍呈现为白色。
三、整体框架：3A与成像链路的协作关系
从上面的框架图可以看到，3A并不是孤立运行的模块。它依赖ISP统计模块提供的亮度、对比度、色彩等信息，再反向控制Sensor的曝光、镜头的对焦位置以及ISP的色彩增益。这个"统计—决策—控制—再统计"的闭环，是3A调优的基本工作模型。
在实际项目中，3A通常由平台厂商提供基础算法库，手机厂商在此基础上进行场景化调优。调优工程师需要同时关注三个层面：
- 算法层：收敛速度、稳定性、抗干扰能力。
- 参数层：目标值、阈值、步长、限幅等可配置项。
- 体验层：用户按下快门时的对焦速度、预览亮度跳变、色彩一致性等主观感受。
四、实战案例概览：本课程会遇到的典型场景
为了让学习更贴近真实工作，本课程将围绕以下典型调优案例展开。每个案例都会给出问题现象、日志线索、分析思路和调参验证过程。
| 案例编号 | 问题现象 | 涉及模块 | 调优方向 |
|---|---|---|---|
| 案例一 | 暗光环境下对焦反复拉风箱，难以锁定 | AF | 调整搜索步长、降低稳定判定阈值、优化暗光增益策略 |
| 案例二 | 逆光场景人脸过暗，背景正常 | AE | 引入人脸区域权重、调整测光模式与目标亮度 |
| 案例三 | 室内荧光灯下画面偏绿 | AWB | 优化色温估计、调整绿色通道增益限幅 |
| 案例四 | 预览亮度频繁跳变，用户观感差 | AE | 增加收敛阻尼、设置亮度变化死区 |
| 案例五 | 切换光源时白平衡跳变明显 | AWB | 优化光源切换平滑策略、增加过渡帧 |
五、常见误区与复盘思路
初学者在3A调优中容易陷入几个误区。第一，只盯单一指标，比如为了让对焦更快而无限增大搜索步长，结果导致对焦精度下降。第二，忽略场景差异，用一套参数应对所有光照条件，导致某些场景表现很差。第三，缺少数据支撑，凭感觉调参，改完之后无法判断是变好还是变坏。
正确的做法是建立"现象—数据—假设—验证"的复盘习惯。遇到问题时，先抓取3A日志，观察关键参数的变化曲线，再提出调优假设，最后通过对比测试验证效果。下面是一段典型的3A日志片段，展示了AE收敛过程中目标亮度与实际亮度的变化：
[AE] frame=120, target_luma=120, current_luma= 45, exp_time= 8000, again= 2.0, dgain= 1.0
[AE] frame=121, target_luma=120, current_luma= 62, exp_time=10000, again= 2.0, dgain= 1.0
[AE] frame=122, target_luma=120, current_luma= 88, exp_time=14000, again= 2.0, dgain= 1.0
[AE] frame=123, target_luma=120, current_luma=112, exp_time=16000, again= 2.0, dgain= 1.0
[AE] frame=124, target_luma=120, current_luma=119, exp_time=16000, again= 2.0, dgain= 1.0
[AE] frame=125, target_luma=120, current_luma=121, exp_time=16000, again= 2.0, dgain= 1.0
[AE] frame=126, target_luma=120, current_luma=120, exp_time=16000, again= 2.0, dgain= 1.0
从日志可以看出，AE在约6帧内完成了从45到120的亮度收敛，最终稳定在目标值附近。如果收敛过慢或出现震荡，就需要检查步长、阻尼系数和场景判断逻辑。这种基于日志的分析方法，将贯穿整个课程。
本课程后续将按照"原理—参数—案例—验证"的节奏逐步展开。你将看到AF如何在暗光下平衡速度与精度，AE如何在逆光中保护人脸亮度，AWB如何在混合光源下保持色彩稳定。希望你在学习过程中，不仅记住结论，更能掌握分析问题和验证效果的方法。