1. 课程导入

当你用手机拍下一张照片，从按下快门到屏幕亮起成片，中间往往只过了几百毫秒。在这极短的时间里，摄像头系统完成了一件极其复杂的事：它要判断画面该有多亮、镜头该对在哪里、颜色该偏向什么基调。这三件事分别由自动曝光（AE，Auto Exposure）、自动对焦（AF，Auto Focus）和自动白平衡（AWB，Auto White Balance）负责，业界统称为3A算法。3A是相机成像链路中最贴近"感知"的一环，它决定了图像是否可用，也决定了后续降噪、锐化、色彩增强等处理有没有良好的输入基础。

一、3A算法到底在解决什么问题

成像的本质是把真实世界的光信号转换为数字图像。但传感器是"死"的：它不知道当前是正午还是黄昏，不知道主体是白纸还是灰墙，也不知道光源是日光还是钨丝灯。3A算法就是替传感器做判断的"大脑"。

• 自动曝光：控制进光量与增益，让画面亮度落在合理区间。核心手段是调节曝光时间、模拟增益、数字增益和光圈（若可调），目标是既不过曝也不欠曝，同时兼顾运动模糊与噪声。
• 自动对焦：驱动镜头马达移动镜片组，使被摄主体在传感器上形成清晰像。核心是找到使图像高频分量最大的镜头位置，即"对焦峰值"。
• 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，使中性物体在图像中呈现为中性灰，从而还原真实色彩。

三者并非独立工作。曝光变化会改变图像亮度，进而影响对焦评价函数的数值；白平衡的通道增益会改变R/B比例，影响对焦和曝光的统计结果。因此实际系统中，3A通常由一个统一的控制框架调度，按帧循环协同决策。

二、3A闭环控制的基本原理

无论AE、AF还是AWB，其工作模式都可以抽象为同一个闭环：统计 → 估计 → 决策 → 执行 → 再统计。每一帧图像到来时，ISP或3A硬件统计模块会输出亮度直方图、对焦评价值（FV）、色彩统计等数据；算法据此估计当前状态与目标状态的偏差，计算下一步的执行量，写入传感器或马达寄存器；下一帧再根据新结果修正。

这个循环通常以帧率为节拍运行，例如30fps下每33毫秒迭代一次。收敛速度、稳定性与抗抖动能力，是评价3A算法优劣的三个关键指标。收敛太慢会导致拍照延迟，收敛过快又容易震荡，工程上需要在两者之间取得平衡。

三、三大模块的定义与关键参数

为了后续章节能顺利展开，这里先给出三个模块的准确定义与最关键的参数，作为全课程的"术语基线"。

四、典型场景：一次夜景抓拍中的3A协同

设想你在夜晚街头抓拍一位行走的路人。按下快门后，3A系统大致经历如下过程：

1. AE先行：统计模块发现画面整体偏暗，AE迅速提高模拟增益并拉长曝光时间，但检测到画面中有运动区域，于是限制曝光时间上限，避免拖影。
2. AF介入：在AE调整后的图像上计算FV，由于夜景对比度低，FV曲线变得平缓，AF需要降低搜索步长、扩大搜索范围，甚至借助辅助对焦灯或相位检测信息。
3. AWB估计：路灯为暖色光源，AWB需要判断这是"真实暖色场景"还是"需要校正的色偏"，避免把夜景氛围强行拉回中性灰。
4. 协同收敛：三者按帧交替迭代，最终在若干帧内达到稳定状态，ISP输出成片。

五、常见误区与学习复盘

初学者在接触3A时，最容易陷入以下几类误区：

• 把3A当成三个独立模块：只调AE不管AF，或只调AWB忽略曝光对色彩统计的影响，结果按下葫芦浮起瓢。
• 只关注单帧效果：忽略收敛过程，导致预览流畅但拍照瞬间失稳，或反之。
• 迷信固定参数：把某一场景调好的参数直接搬到另一场景，忽略光照、色温、主体运动的差异。
• 缺少量化指标：凭肉眼判断"好像好一点"，无法复现、无法回归、无法定位问题。

六、本课程整体框架与实战路线图

本课程共30章，按"基础—算法—调优—实战"四段式推进。基础篇建立成像链路与统计量的共同语言；算法篇逐一拆解AE、AF、AWB的原理与实现；调优篇聚焦参数关系、场景适配与收敛性；实战篇通过真实案例完成排障与复盘。每一章都配有可操作的参数、代码片段或调试方法，力求让读者不仅能"看懂"，更能"调得动"。

课程主线（30章）
├─ 基础篇：成像链路、传感器、ISP、3A统计量
├─ 算法篇：AE曝光控制、AF对焦搜索、AWB色温估计
├─ 调优篇：参数关系、场景适配、收敛与稳定性
└─ 实战篇：夜景/逆光/运动/混合光源排障与复盘

学习目标
1. 理解3A闭环控制的基本原理与协同关系
2. 掌握AE/AF/AWB的核心参数与评价指标
3. 能针对典型场景定位3A问题并给出调优方向
4. 建立可量化、可复现的3A调优方法论