📚 课程目录第3章 AE算法核心

3. AE算法核心：测光模式、曝光补偿与收敛策略

自动曝光（AE）是3A算法里最基础、也最容易被忽视的一环。说白了，它要解决的就是一个问题：当前场景到底该用多少曝光量。我见过不少团队，AE调得马马虎虎，结果AWB和AF再怎么调也救不回来——底子没打好。

这一章，我们聚焦三个核心模块：测光模式、曝光补偿、收敛策略。它们共同决定了AE的“感知-决策-执行”链路。

3.1 测光模式：相机如何“看”场景

测光模式决定了传感器采集到的亮度数据如何被加权统计。不同的模式，本质上是不同的空间权重分布。

3.1.1 平均测光

最简单粗暴的方式。全画面每个像素的权重相同，直接取平均亮度作为场景亮度。

适用场景：光照均匀的场景，比如阴天、室内均匀照明。
缺点：一旦画面中有大面积亮区或暗区（比如逆光人像），平均测光就会翻车——背景过亮，人脸欠曝。

我的经验：在安防监控这类固定场景中，平均测光其实挺好用。因为画面内容变化不大，平均亮度能稳定反映环境光变化。但手机拍照就别用了，用户拍个逆光剪影，你给人家平均成灰蒙蒙一片，用户肯定骂娘。

3.1.2 中央重点测光

给画面中心区域更高的权重，边缘区域权重递减。这是早期相机最常用的模式，也是从胶片时代继承下来的思路——默认主体在画面中央。

权重分布：通常中心60%-80%区域占主导，边缘贡献很小。
适用场景：主体居中的肖像、静物拍摄。
局限：主体一旦偏离中心，测光就偏了。

我记得有一次调试行车记录仪，默认用了中央重点测光。结果车辆转弯时，画面中心从路面切换到天空，曝光瞬间跳变，画面闪得厉害。后来改成了带空间平滑的加权模式才解决。

3.1.3 点测光

只取画面中一个极小区域（通常1%-5%）的亮度作为曝光依据。这是最“极端”的测光方式。

适用场景：舞台追光、逆光人像（对人脸点测）、高反差艺术摄影。
风险：测光点选错，整个画面就废了。

避坑指南：我曾经在手机HDR流水线上遇到过一个问题——点测光模式下，AE收敛速度极慢。原因是点测区域太小，亮度信号噪声大，导致统计值抖动剧烈。后来加了时域滤波才稳住。如果你要用点测光，务必在统计链路里做降噪处理。

3.1.4 三种模式对比

测光模式	权重分布	典型场景	抗干扰能力	实现复杂度
平均测光	全画面均匀	均匀光照	低	低
中央重点	中心高、边缘低	居中主体	中	中
点测光	极小区域	高反差、追光	高（但依赖选点）	中

3.2 曝光补偿：给AE一个“偏移量”

测光模式算出来的亮度，不一定是你想要的。比如拍雪景，自动曝光会把雪拍成灰色——因为AE认为平均亮度应该是18%灰。这时候就需要曝光补偿。

曝光补偿的本质是：在AE计算出的目标亮度上，叠加一个用户或算法指定的偏移量。

单位：EV（Exposure Value），1 EV 对应亮度翻倍或减半。
范围：通常 -3 EV 到 +3 EV，步长 1/3 EV。
实现方式：直接修改AE的目标亮度值，或者调整曝光时间/增益/光圈三者的组合。

  关键点：曝光补偿不是简单的“加亮”或“减暗”。它改变了AE的收敛目标。补偿 +1 EV，意味着AE会努力让画面亮度比“标准”亮一倍。如果场景本身已经过曝，再补偿 +1 EV 只会更糟——所以补偿要结合场景理解。

我习惯把曝光补偿分为两类：

用户手动补偿：用户通过UI滑动条调整，直接写入AE参数。
算法自动补偿：比如人脸检测到背光时，算法自动加 +0.7 EV 到 +1.0 EV。这个在手机端很常见。

3.3 AE收敛策略：从“当前值”到“目标值”的路径

测光模式给出了“目标亮度”，曝光补偿修正了它。接下来AE要做的，就是让实际亮度收敛到这个目标值。怎么收敛？这就是策略问题。

3.3.1 收敛的本质

AE收敛是一个闭环控制过程：

采集当前帧的亮度统计值。
与目标亮度比较，计算误差。
根据误差调整曝光参数（曝光时间、模拟增益、数字增益、光圈）。
下一帧重复。

说白了，就是一个PID控制器——只不过被控对象是曝光参数，反馈量是画面亮度。

3.3.2 常见的收敛策略

策略	原理	优点	缺点
一步到位	根据误差直接计算目标参数	收敛快	容易过冲、振荡
渐进式	每次只调整一小步	稳定、平滑	收敛慢
混合式	大误差时一步到位，小误差时渐进	兼顾速度和稳定	实现复杂

我个人最推荐混合式。原因很简单：用户从暗室走到阳光下，你如果渐进式慢慢调，画面要花好几秒才亮起来，用户早就不耐烦了。但如果在稳定光照下频繁微调，一步到位又会导致画面闪烁。

3.3.3 收敛速度与平滑度的权衡

这里有个绕不开的矛盾：收敛快 = 容易闪，收敛慢 = 反应迟钝。

帧间跳变限制：限制每帧曝光参数的最大变化量。比如曝光时间每次最多变化 30%。
时域滤波：对亮度统计值或目标参数做低通滤波。我常用一阶IIR，系数 0.3~0.5。
死区控制：误差小于某个阈值时，不调整参数。避免在目标值附近来回振荡。

我曾经踩过的坑：在某个IPC项目中，AE收敛策略用了纯PID，没加死区控制。结果在室内日光灯下，画面亮度以50Hz的频率轻微闪烁——因为日光灯本身有100Hz的频闪，AE的统计值跟着抖，PID又去追这个抖动，形成了正反馈。后来加了死区和50Hz陷波滤波才解决。

3.4 核心流程图：AE算法链路

下面这张图把测光、补偿、收敛串起来了。你可以看到数据是怎么从传感器一路流到曝光参数更新的。

3.5 工程落地中的几个关键细节

理论说完了，聊点实际的。AE在嵌入式平台上落地，有几个坑是绕不开的。

3.5.1 曝光参数的优先级与切换

曝光时间、模拟增益、数字增益，这三者的调节优先级直接影响画质。

优先调曝光时间：保证信噪比，但要注意运动模糊。快门太慢，运动物体就糊了。
再调模拟增益：模拟增益放大的是传感器原始信号，噪声相对可控。
最后调数字增益：数字增益放大的是量化后的信号，噪声会被一起放大。能不用就不用。

我习惯设定一个曝光时间上限（比如 30ms，对应 33fps 的帧率上限）。超过这个上限还没达到目标亮度，才开始拉模拟增益。模拟增益到上限（通常 8x~16x），再拉数字增益。

3.5.2 场景切换检测

AE最怕的不是慢，而是不该动的时候乱动。比如用户拿着手机从室内走到窗边，AE应该快速响应。但如果只是画面中有人走动，AE不应该跟着跳。

解决方案：

亮度变化幅度检测：连续多帧的亮度变化超过阈值，才认为是场景切换。
直方图变化检测：比平均亮度更鲁棒。直方图分布变了，才是真正的场景变化。
运动检测辅助：如果画面中有大量运动，AE暂时冻结，避免追着运动物体调曝光。

小技巧：在场景切换检测中，我常用“亮度直方图的巴氏距离”作为判据。比单纯比平均亮度稳定得多。代码实现也不复杂，几十行C就够了。

3.5.3 收敛速度的自适应

前面说了混合式策略。具体实现时，我习惯这样分档：

误差范围	收敛步长	行为描述
\|误差\| > 2 EV	一步到位	直接计算目标参数，快速响应大变化
1 EV < \|误差\| ≤ 2 EV	大步长（50%/帧）	快速逼近，但不过冲
0.3 EV < \|误差\| ≤ 1 EV	小步长（20%/帧）	精细调节，避免振荡
\|误差\| ≤ 0.3 EV	不调整（死区）	稳定状态，不做无谓调节

这个分档不是固定的。你想想看，不同场景对收敛速度的要求不一样——视频会议可以慢一点，但运动相机必须快。所以这些阈值最好做成可配置的，甚至根据场景自动切换。

3.6 小结

AE的核心就三件事：怎么测光、怎么补偿、怎么收敛。测光模式决定了AE“看”什么，曝光补偿告诉AE“要什么”，收敛策略决定了AE“怎么去”。三者缺一不可。

在实际工程中，AE的调优往往是一个反复试错的过程。没有一套参数能通吃所有场景。我的建议是：先把基础链路跑通，然后用大量真实场景数据去调参，最后加上场景自适应逻辑。别指望一次搞定——AE的调优，说白了就是跟光照较劲。