📚 课程目录第1章 3A算法概述

1. 3A算法概述：摄像头成像的“三驾马车”

大家好，我是你们这门课的主讲。在正式开始之前，我想先问一个问题：你拿起手机随手拍一张照片，从按下快门到出片，背后到底发生了什么？

很多人觉得就是“咔嚓”一下。但作为工程师，我们都知道，这背后是三个核心算法在疯狂运转——AE（自动曝光）、AF（自动对焦）、AWB（自动白平衡）。它们合起来，就是我们常说的3A算法。

说白了，3A就是摄像头的“大脑”。没有它，你拍出来的照片要么过曝、要么模糊、要么偏色。我当年刚入行时，觉得这玩意儿不就是几个公式吗？直到自己调了一版AE，发现画面在路灯下疯狂闪烁……嗯，从那以后我再也不敢小看3A了。

我们一个一个拆开看。

这三个算法不是独立工作的。它们共享同一个传感器，共用同一帧图像数据，却要同时做出决策。你想想看，AE动了一下曝光时间，AF的对比度信息就变了；AWB调了增益，AE的亮度统计又得重算。这就是3A最棘手的地方——耦合。

核心认知：3A不是三个独立的模块，而是一个闭环系统。任何一个算法的调整，都会影响另外两个的输入。优秀的3A工程师，本质上是在做“多变量协同控制”。

我经常跟团队说一句话：“Sensor是硬件，3A是灵魂”。

为什么？因为传感器输出的RAW数据，说白了就是一堆电压值。没有3A，这堆电压值根本没法看。举个例子：

我在项目中遇到过最典型的一个案例：某款手机的前置摄像头，在室内暖光下自拍，人脸总是偏黄。硬件团队说是Sensor的问题，算法团队说是AWB没调好。最后我拉了一版数据一看——AWB的色温估计在混合光源下直接跑偏了。说白了，不是硬件不行，是算法没兜住。

我的经验：在摄像头成像链路中，3A是“承上启下”的关键环节。它上接ISP（图像信号处理器），下接Sensor驱动。3A调好了，ISP才能发挥最大价值；3A崩了，后面做再多降噪、锐化、美颜都是徒劳。

3A不是一天建成的。我把它分成四个阶段，你看看自己现在处在哪个阶段：

模拟时代（1990s以前）：纯硬件控制。AE靠测光表+机械快门，AF靠红外测距，AWB靠色温滤镜。说白了，就是“纯物理”。
数字时代初期（1990s-2000s）：算法开始介入。AE用简单的均值统计，AF用对比度检测，AWB用灰度世界假设。效果嘛……只能说“能用”。
智能时代（2010s-2020s）：统计+策略。AE引入权重分区和亮度直方图，AF引入相位检测和激光辅助，AWB引入色温估计和场景识别。这个阶段，3A开始真正“智能”起来。
AI时代（2020s至今）：深度学习全面渗透。AE用强化学习做曝光策略，AF用CNN做对焦区域预测，AWB用神经网络做色温估计。我最近在做的项目，就是用一个小型CNN替代传统的AWB统计模型，效果提升非常明显。

行业标准方面，目前主流的有几个方向：

Android Camera HAL3：定义了3A与上层框架的接口标准。你写的3A算法，最终要通过HAL3暴露给Camera Service。
3A Tuning Guideline：各家芯片厂商（高通、MTK、海思）都有自己的3A调试指南。说白了，就是告诉你“这个参数怎么调才不翻车”。
图像质量评测标准：IE（Image Engineering）、DXOMARK等机构定义了3A的客观评测方法。比如AE的收敛速度、AF的准确率、AWB的色温误差等。

注意：行业标准只是“及格线”，不是“满分线”。我在实际项目中见过太多“符合标准但用户骂街”的情况。比如AE的收敛速度达标了，但用户在暗光下预览时画面一直在闪烁——这就是标准没覆盖到的场景。做3A，永远要把用户体验放在第一位。

下面这张图，是我自己整理的3A算法知识体系。你可以把它当作这门课的“地图”。

这张图你看懂了吗？从上到下，从左到右，就是3A算法的完整知识结构。我们这门课，就是围绕这张图展开的。

做3A算法，说白了就是跟“不确定性”打交道。光照在变、场景在变、用户在动，你的算法必须实时响应。我见过太多人把3A当成“调参”工作，觉得调几个阈值就行了。但真正的高手，是在理解物理模型的基础上，用算法去逼近最优解。