1. 课程导入
在手机、相机、无人机、车载摄像头以及机器视觉设备中，自动对焦（AF）、自动曝光（AE）、自动白平衡（AWB）是决定成像质量与用户体验的三条核心控制链路。它们分别回答三个问题：画面是否清晰、亮度是否合适、颜色是否自然。三者看似独立，实际上共享统计信息、受同一帧图像约束，并在时域上相互影响。本课程的目标，是建立一套可复用的定位方法，让你在遇到“对不上焦、忽明忽暗、偏色发绿”等问题时，能够快速判断问题出在哪条链路、哪个环节、哪类参数。
一、学习目标
完成本课程后，你应当具备以下能力：
- 能区分 AF、AE、AWB 三类问题的表象特征，避免把偏色误判为曝光问题、把失焦误判为噪声问题。
- 能读懂 3A 统计信息，包括对焦评价值（FV）、亮度直方图、色温估计与增益收敛曲线。
- 能按“现象—数据—模块—参数—验证”的顺序定位问题，而不是盲目调参。
- 能识别常见误区，例如把场景切换导致的收敛延迟当成算法失效。
- 能针对典型场景（逆光、夜景、纯色墙面、混合光源）给出排查路径。
二、核心概念
自动对焦通过分析图像高频信息或相位差信息，驱动镜头或传感器移动到清晰位置。对比度检测（CDAF）依赖对焦评价值峰值，相位检测（PDAF）依赖左右像素相位差，激光对焦则依赖距离测量。定位时首先要确认对焦模式、对焦区域和评价值曲线是否正常。
自动曝光通过测光统计（全局、中央重点、点测光）计算目标亮度，再调节曝光时间、模拟增益、数字增益和光圈。AE 的核心是“测光权重 + 目标亮度 + 收敛策略”。常见问题是测光区域被高光或暗部主导，导致主体过曝或欠曝。
自动白平衡通过估计场景色温，对 R、G、B 通道施加不同增益，使白色物体在图像中呈现为白色。AWB 的难点在于混合光源、大面积单色场景和低色温环境。定位时要关注色温估计值、增益收敛状态和灰点统计是否可信。
关键认识：AF、AE、AWB 不是三个孤立模块。AE 改变亮度会改变对焦评价值的对比度，AWB 改变通道增益会影响亮度统计，AF 的镜头位置变化又会改变画面内容。因此定位时必须考虑三者的耦合关系。
三、整体框架
本课程按照“概念—原理—数据—定位—复盘”的路径展开。下图展示了 3A 问题定位的整体框架：从用户现象出发，经过数据采集与模块划分，最终落到参数调整与验证闭环。
从图中可以看到，定位不是单线流程，而是一个带反馈的闭环。任何一次参数调整，都要回到用户现象重新验证，确认没有引入新的问题。
四、方法流程与典型场景
推荐使用“五步定位法”：
- 复现现象：固定场景、光源、距离和拍摄参数，确认问题可稳定复现。
- 采集数据：抓取 3A 统计日志，包括 FV、亮度、色温和增益。
- 划分模块：判断问题主要落在 AF、AE 还是 AWB，或属于耦合问题。
- 定位参数：检查阈值、权重、收敛步长、场景切换判定等配置。
- 验证回归：修改后在同一场景复测，并补充边界场景。
例如，夜景拍摄出现“画面偏黄且噪点多”，表面看是 AWB 偏色，实际可能是 AE 拉高增益后噪声增大，导致灰点统计被污染，AWB 估计色温偏移。此时若只调 AWB 增益，问题会反复出现。正确做法是先确认 AE 的增益上限和降噪策略，再检查 AWB 在低照度下的色温估计范围。
提示：定位时优先看“数据是否合理”，再看“算法是否合理”。大多数现场问题来自场景与参数不匹配，而不是算法本身错误。
五、常见误区与复盘清单
| 误区 | 表现 | 正确做法 |
|---|---|---|
| 把偏色当曝光问题 | 画面发绿就调亮度 | 先看 R/G/B 增益与色温估计 |
| 把失焦当噪声问题 | 画面模糊就加降噪 | 先看 FV 曲线是否出现峰值 |
| 忽略收敛时间 | 切换场景瞬间截图判定失败 | 等待收敛完成后再评估 |
| 只调单模块 | AF 正常但 AE 振荡 | 联合检查三者耦合关系 |
| 缺少边界场景 | 实验室正常，现场异常 | 补充逆光、夜景、混合光源测试 |
# 3A 定位常用日志字段示例
af.fv_curve = [12, 45, 88, 130, 96, 60] # 对焦评价值曲线
af.focus_pos = 312 # 当前镜头位置
ae.target_luma = 120 # 目标亮度
ae.current_luma = 168 # 当前亮度
ae.exposure_time = 8333 # 曝光时间(us)
ae.analog_gain = 4.0 # 模拟增益
awb.color_temp = 4200 # 估计色温(K)
awb.gain_r = 1.85 # R 通道增益
awb.gain_b = 1.42 # B 通道增益
awb.converged = false # 是否收敛