3. AE控制策略：步进调整、PID控制、基于场景的AE策略

曝光控制，说白了就是给传感器找那个「刚刚好」的进光量。太暗了细节全丢，太亮了高光一片死白。我做了这么多年ISP，见过太多团队在AE上翻车——不是来回震荡，就是场景切换时闪瞎眼。

今天咱们就把AE的三种主流控制策略掰开揉碎。从最基础的步进调整，到工业界最爱的PID，再到我实战中积累的场景化策略。嗯，这部分内容，够你少踩三年坑。

3.1 步进调整：最朴素的曝光控制

步进调整，也叫阶梯式调整。思路很简单：每次调一小步，直到目标亮度达标。

伪代码大概长这样：

// 步进调整伪代码
int target_luma = 120;  // 目标亮度
int current_luma = get_current_luma();
int step = 8;           // 步长

if (abs(current_luma - target_luma) < threshold) {
    // 稳定了，不动
    return;
}

if (current_luma < target_luma) {
    // 太暗，增加曝光
    exposure += step;
} else {
    // 太亮，减少曝光
    exposure -= step;
}

优点很明显：实现简单，计算量小。但问题也突出——步长选大了容易震荡，选小了收敛慢。我见过一个项目，步长设了4，结果从室内走到室外，花了将近3秒才稳定。用户都开始骂街了。

3.2 PID控制：工业级AE的标配

PID控制，比例-积分-微分。这玩意儿在工业控制领域用了快百年了，放到AE里一样好使。

核心公式：

error = target_luma - current_luma

P = Kp * error
I = Ki * ∫error dt
D = Kd * d(error)/dt

output = P + I + D

简单解释一下：

• P（比例）：当前误差有多大，就调多少。反应快，但容易过头。
• I（积分）：累计误差。专门对付稳态误差——就是那种「差一点点到目标」的情况。
• D（微分）：误差变化趋势。提前刹车，防止超调。

我在项目中遇到过最典型的场景：手机从暗光环境快速移到亮光环境。只用P的话，曝光会冲过头，然后来回震荡好几帧。加上D之后，一次到位，稳得很。

PID参数调优口诀（我自己总结的）：

3.3 基于场景的AE策略

说实话，纯PID也不是万能的。不同场景下，AE的目标和行为应该不一样。这就是我接下来要讲的——场景化AE策略。

3.3.1 低光场景

低光下，核心矛盾是「亮度和噪声」的取舍。你强行提亮，噪声就炸了。

我的策略：

• 目标亮度降低：从正常的120降到80-90。别追求亮，追求「看得清」就行。
• 优先提增益：先拉模拟增益，再拉数字增益。模拟增益的噪声特性好一些。
• 限制最大曝光时间：手持设备别超过1/30s，不然糊片。

3.3.2 逆光场景

逆光，人脸黑背景亮。这时候全局测光就是灾难——背景正常了，人脸死黑。

我的做法：

• 切换到人脸ROI测光：检测到人脸后，以人脸区域为测光目标。
• 开启局部HDR：如果硬件支持，直接上HDR合成。
• 动态范围压缩：用tone mapping把高光压下来，暗部提上去。

你想想看，逆光场景下如果还用全局AE，人脸区域可能只有20-30的亮度值。这时候你强行提全局曝光，背景就过曝了。正确的做法是——以人脸为目标，背景过曝就过曝，后期用tone mapping拉回来。

3.3.3 高动态场景

高动态，就是场景里既有极亮又有极暗。比如窗户边的室内场景。

策略：

1. 检测动态范围：统计直方图，看最亮和最暗的差距。
2. 判断是否触发HDR：如果动态范围超过传感器能力（比如超过72dB），启动多帧合成。
3. AE目标调整：HDR模式下，AE目标不再是单一亮度，而是「暗帧提亮、亮帧压暗」的折中。

3.4 三种策略的对比与选择

我个人习惯是：基础用PID，然后根据场景切换参数集。低光一套参数，逆光一套参数，普通场景一套参数。这样既保证了响应速度，又兼顾了场景适应性。

最后说一句：AE控制没有银弹。步进调整简单但慢，PID快但需要调参，场景化策略效果好但实现复杂。我的建议是——从PID起步，逐步加入场景判断逻辑。别一上来就想搞个大而全的系统，容易把自己绕进去。