1. 课程导入
在智能手机影像系统中，决定一张照片“能不能拍清楚、亮不亮、颜色准不准”的核心，并不是镜头或传感器本身，而是运行在相机管线中的3A算法——自动对焦（AF）、自动曝光（AE）与自动白平衡（AWB）。本课程围绕高通（Qualcomm）平台的相机架构，系统讲解3A算法的原理、参数、调优方法与实战排障思路。本章作为导入，先建立整体认知地图，明确学习目标与实战路线。
一、学习目标
完成本课程后，你应当能够独立完成以下工作：
- 理解AF、AE、AWB三大算法的输入信号、决策逻辑与输出控制量；
- 掌握高通相机软件栈中3A算法所处的位置及其与Sensor、ISP、HAL的交互关系；
- 能够阅读并修改3A相关配置参数，定位常见的对焦慢、曝光跳变、偏色等问题；
- 建立“现象—参数—算法—硬件”的闭环调优思维，形成可复用的调试流程。
二、3A算法定义
3A是三个以字母A开头的自动控制算法的统称，它们共同构成相机成像质量的基础闭环：
- AF（Auto Focus，自动对焦）：通过对比度检测（CDAF）、相位检测（PDAF）或激光辅助，计算镜头应移动的位置，使目标区域清晰成像。
- AE（Auto Exposure，自动曝光）：根据画面亮度统计，调节曝光时间、模拟增益与数字增益，使图像亮度落在目标区间，同时兼顾运动模糊与噪声。
- AWB（Auto White Balance，自动白平衡）：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。
三者并非独立运行，而是共享统计信息、相互影响。例如AE改变曝光会改变AF的对比度评价，AWB的色温估计又依赖AE稳定后的图像统计。因此调优时必须考虑耦合关系。
核心认知：3A不是三个孤立的模块，而是一个共享统计、互相约束的闭环控制系统。任何单点调参都可能引发其他模块的连锁反应。
三、高通相机架构概览
在高通平台上，相机数据从Sensor出发，经过CSID、ISP、3A统计模块，最终由HAL与算法决策回写控制量。下图展示了3A算法在整条信号链中的位置与数据流向：
从图中可以看到，3A算法位于ISP统计模块之后、HAL输出之前，形成“采集—统计—决策—回写”的闭环。Sensor负责感光，ISP负责图像处理，3A Stats提供亮度、对比度、色彩等统计量，算法据此决策并回写控制量。
四、整体课程框架与实战路线
本课程共30章，按照“基础认知—算法原理—参数调优—实战排障”的主线展开。下表概括了各阶段的核心内容与目标：
| 阶段 | 核心内容 | 实战目标 |
|---|---|---|
| 基础认知 | 3A定义、高通相机架构、信号链 | 建立系统级认知地图 |
| 算法原理 | AF/AE/AWB算法逻辑与统计量 | 理解决策依据与耦合关系 |
| 参数调优 | 配置参数、调试工具、日志分析 | 掌握参数修改与效果验证 |
| 实战排障 | 对焦慢、曝光跳变、偏色等案例 | 形成闭环调优思维 |
五、典型场景与常见误区
在实际项目中，3A问题往往表现为用户可感知的现象。例如：
- 对焦慢：暗光下PDAF失效，CDAF搜索步长过大，导致反复拉风箱；
- 曝光跳变：AE目标亮度与防抖策略冲突，画面忽明忽暗；
- 偏色：AWB在混合光源下色温估计错误，白墙发绿或发红。
常见误区：很多初学者只盯着单个算法调参，忽略了3A之间的耦合。例如为了提升暗光亮度而拉高AE增益，结果噪声增大导致AF对比度评价下降，对焦反而更慢。调优必须全局考虑。
另一个典型误区是“只看结果不看统计”。3A算法的决策依赖统计信息，如果统计窗口配置错误，算法再优也无法得到正确结果。因此，学会阅读3A Stats日志，是调优的第一步。
六、实战路线示例
以下是一个典型的3A调优工作流，后续章节将逐步展开：
1. 复现问题：记录场景、光照、距离、现象
2. 抓取日志：3A Stats、决策输出、控制回写
3. 定位模块：判断是AF、AE还是AWB引起
4. 修改参数：调整统计窗口、目标值、步长、增益曲线
5. 验证效果：对比修改前后图像与日志
6. 回归测试：多场景验证，避免引入新问题
建议在学习过程中同步准备一台高通平台设备与调试工具，边学边练。3A调优是实践性极强的技能，只看不练很难真正掌握。