3. AE核心算法：直方图统计、平均亮度法、权重矩阵法

自动曝光（AE）说白了就是让摄像头自己找到合适的亮度。你想想看，光线一变，画面要么过曝白花花一片，要么欠曝黑乎乎什么都看不见。AE算法就是干这个活的——它得快速判断当前场景亮不亮，然后告诉镜头和传感器该怎么调。

我做了这么多年ISP，发现很多新手一上来就调PID参数，结果画面忽明忽暗。其实AE的核心不在PID，而在你用什么方法去评估亮度。今天咱们就把三种最常用的亮度评估方法讲透。

3.1 直方图统计法

直方图是什么？说白了就是一张图里每个亮度级别有多少个像素。0代表纯黑，255代表纯白，中间是各种灰阶。

我习惯把直方图当作AE的"眼睛"。它能告诉你画面的亮度分布情况，比单纯看平均亮度靠谱得多。

3.1.1 直方图统计的数学表达

假设图像有L个灰度级（通常是256级），第k个灰度级的像素数为h(k)，那么：

// 直方图统计伪代码
for each pixel (x, y) in image:
    gray = get_luminance(pixel(x, y))
    histogram[gray]++

// 归一化直方图
total_pixels = width * height
for k = 0 to 255:
    normalized_histogram[k] = histogram[k] / total_pixels

3.1.2 直方图特征提取

拿到直方图之后，我们得从中提取有用的特征。我个人常用这几个：

3.1.3 直方图法的优缺点

• 优点： 信息丰富，能反映亮度分布细节；适合复杂场景的判断
• 缺点： 计算量大（尤其是全图统计）；对噪声敏感；需要额外算法来提取特征

3.2 平均亮度法

平均亮度法是最简单粗暴的方法。就是把所有像素的亮度值加起来，除以像素总数。嗯，就这么简单。

// 平均亮度计算
uint32_t sum = 0;
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        sum += get_luminance(image[y][x]);
    }
}
float avg_luminance = (float)sum / (width * height);

然后拿这个平均值和目标亮度（比如120）比较，差值就是曝光调整的依据。

3.2.1 平均亮度法的变种

为了改善效果，业界有一些改进方案：

• 中值亮度法： 取所有像素亮度的中位数，能抵抗极端亮暗区域的干扰
• 截断平均法： 去掉最亮和最暗的5%像素后再平均，减少噪声影响
• 分区平均法： 把图像分成N×N块，每块算平均，再取这些块的平均

3.3 权重矩阵法

这才是真正实用的方法。你想想看，一张照片里，不同区域的重要性是不一样的。人脸区域肯定比天空重要，画面中心区域比边缘重要。权重矩阵就是干这个的——给不同区域分配不同的权重。

3.3.1 固定权重矩阵

最常用的就是中心权重矩阵。把图像分成M×N块，中心块的权重最高，越往外权重越低。

// 5×5中心权重矩阵示例
float weight_matrix[5][5] = {
    {1, 2, 3, 2, 1},
    {2, 4, 6, 4, 2},
    {3, 6, 9, 6, 3},
    {2, 4, 6, 4, 2},
    {1, 2, 3, 2, 1}
};

// 归一化权重
float total_weight = 0;
for (int i = 0; i < 5; i++)
    for (int j = 0; j < 5; j++)
        total_weight += weight_matrix[i][j];

// 加权平均亮度
float weighted_avg = 0;
for (int i = 0; i < 5; i++) {
    for (int j = 0; j < 5; j++) {
        float block_avg = get_block_average(image, i, j);
        weighted_avg += block_avg * weight_matrix[i][j] / total_weight;
    }
}

3.3.2 动态权重矩阵

固定权重矩阵虽然简单，但不够灵活。我做过一个项目，需要优先保证人脸曝光正确。这时候就得用动态权重了。

动态权重的思路是：先做人脸检测，检测到人脸的区域权重翻倍；如果没检测到人脸，就退回到中心权重。

// 动态权重调整伪代码
if (face_detected) {
    for each face_region:
        weight_matrix[face_block] *= 2.0;
} else {
    // 使用默认中心权重
    use_default_weight();
}

// 重新归一化
normalize_weight_matrix();

3.4 三种方法的对比

3.5 知识体系总览

下面这张图把三种方法的关系和适用场景梳理清楚了：

3.6 实际项目中的选择建议

说了这么多，到底该用哪种？我根据实际项目经验给几个建议：

• 手机摄像头： 权重矩阵法为主，配合人脸检测做动态权重。计算量适中，效果最好
• 安防监控： 直方图统计法 + 分区平均法。因为场景变化大，需要丰富的亮度信息
• 工业相机： 平均亮度法就够了。光照可控，场景单一，没必要搞复杂
• 车载摄像头： 权重矩阵法 + 直方图特征。既要保证中心区域（道路）曝光正确，又要能适应隧道等极端场景