3. 3A算法总览

3A算法是海思ISP（Image Signal Processor，图像信号处理器）链路中实现自动化图像质量调节的核心闭环控制系统。它由三个独立但相互耦合的模块组成：自动曝光（AE）、自动对焦（AF）和自动白平衡（AWB）。本章将系统阐述各模块的基本原理、控制目标及三者之间的协同闭环逻辑，为后续联合调优奠定理论基础。

3.1 3A算法概述与闭环控制模型

3A算法的本质是一个传感器-处理器-执行器的反馈控制系统。每个模块都遵循“统计 → 评估 → 决策 → 执行”的闭环流程：

  1. 统计：ISP硬件从当前帧图像中提取亮度、对比度、色温等统计信息。
  2. 评估：算法模块根据预设目标（如目标亮度、清晰度、灰平衡）评估当前状态与目标的偏差。
  3. 决策：通过控制策略（如PID、爬山法、查找表）计算调整量。
  4. 执行：将调整量写入传感器寄存器或ISP寄存器，影响下一帧的采集与处理。
关键概念： 3A算法并非独立运行，AE的曝光变化会影响AF的景深和AWB的信噪比；AF的镜头移动会改变进光量，进而影响AE和AWB的统计值。因此，海思ISP调试中必须考虑三者的耦合关系与收敛优先级。
3A算法闭环控制逻辑总图 传感器原始数据 ISP统计信息提取 AE 自动曝光 目标：Y_target AF 自动对焦 目标：最大对比度 AWB 自动白平衡 目标：R=G=B 执行器（Sensor/ISP） 反馈（下一帧） 耦合 耦合

3.2 自动曝光（AE）

3.2.1 基本原理

AE模块的目标是控制图像传感器，使输出图像的亮度稳定在预设的目标值附近。其核心控制参数包括：

  • 曝光时间（Shutter）：传感器感光的时间长度，单位为微秒（μs）或行数。
  • 模拟增益（Analog Gain）：传感器读出信号的放大倍数。
  • 数字增益（Digital Gain）：ISP域内对数字信号的放大倍数。
  • 光圈（Iris）：镜头进光孔径（仅部分摄像机支持）。

AE算法通常采用亮度直方图统计或区域加权平均亮度作为输入，通过PID控制器或查找表（LUT）计算调整量。

3.2.2 控制策略与收敛逻辑

控制阶段 策略描述 典型参数
粗调阶段 优先调整曝光时间，快速逼近目标亮度 大步长（如±30%）
精调阶段 切换至增益微调，避免闪烁和噪声放大 小步长（如±5%）
稳定阶段 锁定参数，仅做微小修正，防止振荡 死区阈值（如±2%）
海思调试要点： 在海思平台中，AE的收敛速度受 AE_Speed 参数控制。过快的收敛会导致画面闪烁（Flicker），过慢则无法适应场景变化。建议在室内50Hz/60Hz光源下开启抗频闪（Anti-Flicker）功能，将曝光时间限制为光源周期的整数倍。
AE自动曝光闭环控制流程 输入图像 亮度统计 偏差计算 PID控制 执行器调整 下一帧输出 反馈回路

3.3 自动对焦（AF）

3.3.1 基本原理

AF模块通过移动镜头内部的聚焦镜组，使被摄物体在传感器上清晰成像。海思ISP主要采用对比度检测自动对焦（CDAF），其原理是：当图像清晰时，相邻像素间的亮度差异（对比度）最大。

AF算法的核心是聚焦值（Focus Value, FV）的计算，通常基于以下指标：

  • 拉普拉斯能量（Laplacian Energy）：对图像进行二阶微分，统计高频分量。
  • 索贝尔梯度（Sobel Gradient）：计算水平与垂直方向的梯度幅值之和。
  • 带通滤波响应：通过特定频带的滤波器提取边缘信息。

3.3.2 爬山法搜索策略

AF最常用的搜索算法是爬山法（Hill Climbing），其流程如下：

  1. 粗扫阶段：以大步长从近端向远端移动镜头，记录每个位置的FV值，找到FV峰值所在的粗略区间。
  2. 精扫阶段：在峰值区间内以小步长来回搜索，定位FV最大值对应的精确镜头位置。
  3. 确认阶段：在峰值位置附近微调，确认FV值稳定且无多峰干扰。
常见问题： 在低对比度场景（如白墙、天空）或低照度环境下，FV曲线平坦无峰，AF容易产生“拉风箱”现象（镜头来回搜索无法合焦）。海思平台可通过设置最小FV阈值和超时机制来避免无效搜索。
AF爬山法聚焦值（FV）搜索曲线 镜头位置（从近到远） 聚焦值（FV） 精扫区间 峰值

3.4 自动白平衡（AWB）

3.4.1 基本原理

AWB模块的目标是消除不同光源色温对图像颜色的影响，使白色物体在任何光源下都呈现为白色（即R=G=B）。其核心是估计当前场景的色温，并计算对应的颜色增益（R_gain, B_gain）。

海思ISP的AWB算法通常基于灰度世界假设（Gray World Assumption）和完美反射理论（Perfect Reflector Theory）：

  • 灰度世界假设：场景中所有颜色的平均值为灰色（R_avg = G_avg = B_avg）。
  • 完美反射理论：场景中最亮的点（白色反射面）的R、G、B值相等。

3.4.2 色温估计与增益计算

光源类型 色温范围（K） R/G 比值 B/G 比值
白炽灯 2500 - 3000 高（偏红） 低（偏蓝）
日光（正午） 5000 - 5500 中等 中等
阴天 6000 - 7500 低（偏蓝） 高（偏红）
荧光灯 4000 - 4500 中等偏低 中等偏高

AWB的增益计算公式如下：

R_gain = G_avg / R_avg
B_gain = G_avg / B_avg
G_gain = 1.0  (通常固定)
海思调试要点： 在海思平台中，AWB支持多区域色温统计和色温锁定功能。在混合光源场景（如室内窗边），建议开启区域加权模式，优先参考画面中央区域的色温信息，避免整体偏色。
AWB色温估计与增益映射流程 输入图像 R/G/B统计 色温估计 (查找表/多项式) 增益计算 白平衡校正 校正后图像 反馈回路

3.5 3A算法的耦合关系与联合调优原则

在实际海思ISP调试中，AE、AF、AWB并非独立运行，它们之间存在复杂的耦合关系：

耦合对 影响方向 典型问题 调优原则
AE → AF 曝光变化改变图像对比度，影响FV计算 AE收敛过程中AF误判峰值 AF在AE稳定后再启动搜索
AE → AWB 增益变化改变RGB通道信噪比，影响色温估计 低照度下AWB偏色 限制数字增益上限，优先使用模拟增益
AF → AE 镜头移动改变进光量，影响亮度统计 AF搜索过程中画面闪烁 AF期间锁定AE参数或使用预测补偿
AWB → AE 白平衡增益改变各通道权重，影响亮度计算 色温突变导致亮度跳变 AE统计使用加权亮度（Y = 0.299R + 0.587G + 0.114B）
联合调优核心原则：
  1. 优先级排序：AE > AF > AWB。先确保曝光稳定，再进行对焦，最后校正颜色。
  2. 时序隔离：在AF搜索期间，AE和AWB应进入“保持（Hold）”模式，避免相互干扰。
  3. 收敛速度匹配：AE的收敛速度应快于AF，AF的搜索速度应快于AWB的色温跟踪速度。
  4. 场景自适应：在低照度、高动态范围（HDR）等特殊场景下，需单独调整3A的耦合参数。
3A算法耦合关系与优先级（AE > AF > AWB） AE 优先级 1 AF 优先级 2 AWB 优先级 3 AE稳定后触发AF AF合焦后启动AWB 全局反馈：AWB校正影响AE统计

3.6 本章小结

本章系统介绍了海思ISP中3A算法（AE、AF、AWB）的基本原理与闭环控制逻辑。核心要点包括：

  • 3A算法遵循“统计 → 评估 → 决策 → 执行”的闭环反馈模型。
  • AE通过控制曝光时间与增益，使亮度稳定在目标值；AF通过爬山法搜索最大对比度位置；AWB通过色温估计与增益计算实现灰平衡。
  • 三个模块之间存在强耦合关系，调试
    ← 上一章 📖 返回目录 下一章 →