4. 目标亮度设定

目标亮度，说白了就是AE算法死磕的那个“理想亮度值”。

你想想看，相机对着同一个场景，白天和晚上想要的效果肯定不一样。如果AE死守一个固定值，那画面不是过曝就是欠曝。所以，Target Luma 的选取，是整个AE收敛的灵魂。

我个人习惯把目标亮度分成三层来看：基础层、场景层、人脸层。下面我们一层层拆开讲。

4.1 基础目标亮度：从“18%灰”说起

做ISP的都知道，传统摄影里有个“18%中性灰”的概念。相机测光系统默认把世界平均亮度映射到18%灰。但在手机ISP里，我们通常用Y值或者Luma code来表示。

在高通Spectra平台上，Target Luma 的默认值通常在 100~120（10bit数据，0-1023范围）。这个值对应的是画面平均亮度。

我在项目中遇到过一个问题：默认的110在室内看起来挺好，一到户外大太阳下，画面就偏暗。后来发现是没考虑场景的动态范围压缩。嗯，这里要注意，基础值不是万能的。

场景类型	推荐基础Target Luma (10bit)	说明
室内正常光照	100-110	标准参考值
室外晴天	120-130	需要补偿高动态范围
夜景/低照度	80-95	防止噪点被过度提亮
背光场景	110-120	需要结合HDR策略

4.2 基于场景的动态目标调整

固定一个Target Luma肯定不行。高通Spectra平台提供了AEC算法中的场景检测模块，可以实时判断当前场景类型，然后动态调整目标亮度。

我一般会这样设计调整逻辑：

1. 统计直方图分布：看亮度峰值的分布位置。如果峰值集中在低区，说明是暗场景。
2. 计算场景动态范围：用最大亮度减去最小亮度。动态范围大的场景，Target Luma 要适当提高。
3. 检测背光标志：如果中心区域亮度远低于边缘，说明是背光。这时候要降低Target Luma，避免背景过曝。
4. 应用场景因子：根据上述判断，查表得到一个0.8~1.2的系数，乘到基础值上。

4.3 人脸优先曝光逻辑

这是AE调试里最核心也最头疼的部分。人脸优先，说白了就是：人脸要亮，背景可以牺牲。

高通Spectra平台的人脸检测FD模块会返回人脸区域的位置和大小。AE算法拿到这些信息后，会做两件事：

• 计算人脸区域的平均亮度：只统计人脸框内的Y值。
• 计算人脸权重：人脸越大、越靠近中心，权重越高。

最终的Target Luma 会被人脸因子修正：

// 伪代码示例：人脸优先曝光逻辑
if (face_detected) {
    face_luma = get_face_avg_luma();
    face_weight = calculate_face_weight(face_size, face_position);
    
    // 目标人脸亮度：通常比全局目标高10-20%
    target_face_luma = base_target_luma * 1.15;
    
    // 计算需要调整的增益
    luma_error = target_face_luma - face_luma;
    gain_adjust = luma_error * face_weight * 0.5;
    
    // 限制调整幅度，防止突变
    gain_adjust = clamp(gain_adjust, -0.3, 0.3);
    
    final_target_luma = base_target_luma + gain_adjust;
} else {
    final_target_luma = base_target_luma;
}

4.4 整体知识框架

下面这张图，是我自己总结的Target Luma选取策略的完整流程。你可以把它当作调试时的检查清单。

4.5 实战中的几个关键点

最后，我总结几个调试时容易踩的坑：

• 人脸亮度目标值不要设太高：我见过有人把目标人脸亮度设到150，结果人脸是亮了，背景一片惨白。人脸比背景高10%-15%就够了。
• 注意人脸检测的置信度：低置信度的人脸框不要用，否则AE会乱跳。我一般设置置信度阈值0.7以上才启用优先曝光。
• 平滑过渡是王道：不管是场景切换还是人脸进出，Target Luma的变化一定要平滑。突然的亮度跳变，用户一眼就能看出来。
• 多帧统计更稳定：不要用单帧的人脸亮度，用3-5帧的滑动平均。单帧噪声太大，容易导致AE来回震荡。