3. AE核心算法：直方图统计与亮度评估、目标亮度设定、AE收敛策略

自动曝光（AE）是ISP 3A算法里最贴近人眼感受的一环。说白了，就是让摄像头在不同光照下都能拍出亮度合适的画面。我做了这么多年ISP，发现很多工程师把AE想得太简单——以为就是算个平均亮度然后调增益。其实，真正的AE算法要解决三个核心问题：怎么评估当前亮度、目标亮度定多少、怎么又快又稳地达到目标。

这一章，我们就把这三点拆开来讲。

3.1 直方图统计与亮度评估

你想想看，一张图像亮不亮，最直观的方法是什么？很多人第一反应是算平均亮度。但我在项目中踩过坑——单纯的平均亮度很容易被误导。比如一张夜景照片，大部分区域是暗的，但路灯区域很亮，平均下来可能觉得画面还行，实际上暗部细节全丢了。

所以，专业的AE评估必须依赖直方图统计。

3.1.1 直方图怎么算

直方图就是把图像的亮度值从0到255分成若干个bin，统计每个bin里有多少像素。我习惯用256个bin，也就是每个灰度级一个bin，这样精度最高。

// 伪代码：直方图统计
uint32_t hist[256] = {0};
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        uint8_t luminance = get_luminance(frame, x, y);
        hist[luminance]++;
    }
}

嗯，这里要注意——不要直接用RGB的某个通道。我见过有人直接用G通道当亮度，结果在纯色场景下偏差很大。正确的做法是用亮度公式：Y = 0.299*R + 0.587*G + 0.114*B。

3.1.2 从直方图提取亮度特征

有了直方图，我们能提取出比平均值更有价值的特征：

特征名称	计算方法	物理含义
平均亮度	∑(i * hist[i]) / total_pixels	整体亮度水平
中值亮度	累计像素达到50%时的灰度值	抗噪点能力强，比平均更鲁棒
暗区比例	∑(hist[0..31]) / total_pixels	画面欠曝程度
亮区比例	∑(hist[224..255]) / total_pixels	画面过曝程度
直方图宽度	max(i|hist[i]>0) - min(i|hist[i]>0)	画面动态范围

我个人习惯用中值亮度作为主评估指标。为什么？因为平均亮度对极端值太敏感。有一次我在调试室内场景，画面里有一盏很亮的台灯，平均亮度被拉高了很多，导致AE把整体压暗，人脸反而黑了。换成中值亮度后，这个问题就解决了。

3.1.3 分区加权评估

直方图统计还有一个进阶用法——分区加权。你想想看，拍照时最重要的区域通常是画面中央或者人脸。所以我们会把图像分成多个区域，给不同区域不同的权重。

3.2 目标亮度设定

评估出当前亮度后，下一步就是确定——我们要把画面调到多亮？这个目标亮度不是随便定的，它直接影响最终画质。

3.2.1 固定目标亮度的局限

很多入门级的方案直接把目标亮度定在128（8bit图像的中值）。但我在实际项目中吃过亏——白天室外场景，目标亮度128拍出来很舒服；到了夜晚，同样128拍出来的画面噪点满天飞。

为什么会这样？因为人眼的亮度感知是对数关系的。同样的128亮度值，在白天和夜晚给人的感受完全不同。

3.2.2 自适应目标亮度策略

我建议的做法是：根据环境照度动态调整目标亮度。

环境照度	目标亮度范围	策略说明
> 1000 lux（晴天室外）	120 ~ 140	保留高光细节，避免过曝
100 ~ 1000 lux（室内）	100 ~ 120	平衡亮暗，保证主体清晰
10 ~ 100 lux（暗光）	80 ~ 100	适当降低目标，抑制噪声
< 10 lux（极暗）	60 ~ 80	优先保证可见度，接受一定噪声

3.2.3 场景识别的辅助作用

更智能的做法是结合场景识别。比如检测到人脸时，把目标亮度设定在人脸区域；检测到背光时，适当提高目标亮度来补偿。

我曾经调试过一个安防摄像头项目，白天室外场景总是过曝。后来发现是目标亮度设得太高，加上传感器动态范围不够。最后我们把目标亮度从128降到110，同时启用了分区加权，效果立竿见影。

3.3 AE收敛策略：步进与PID控制

评估出当前亮度，设定了目标亮度，接下来就是怎么调过去。这一步做不好，画面就会忽明忽暗，或者来回震荡。

3.3.1 步进控制（Step Control）

步进控制是最简单的方法——每次调整一个固定步长，直到达到目标。

// 步进控制伪代码
int current_luma = get_current_luminance();
int target_luma = get_target_luminance();
int step = 8;  // 每次调整8个灰度级

if (current_luma < target_luma - step) {
    increase_exposure(step);
} else if (current_luma > target_luma + step) {
    decrease_exposure(step);
} else {
    // 在目标范围内，保持不动
    hold_exposure();
}

步进控制的优点是简单、稳定，不会震荡。但缺点也很明显——收敛速度慢。如果场景从室内走到室外，亮度差了几十个灰度级，步进控制可能要好几秒才能跟上。

3.3.2 PID控制

PID控制是工业界的经典方案，用在AE上效果也很好。它有三个分量：

• P（比例）：根据当前误差大小调整，误差大就调得多
• I（积分）：累积历史误差，消除稳态偏差
• D（微分）：根据误差变化趋势调整，抑制震荡

// PID控制伪代码
static float integral = 0;
static float prev_error = 0;

float error = target_luma - current_luma;
integral += error * dt;
float derivative = (error - prev_error) / dt;

float output = Kp * error + Ki * integral + Kd * derivative;
prev_error = error;

// output 映射到曝光参数调整量
adjust_exposure(output);

PID控制的优势是收敛快、精度高。但参数调起来很头疼——Kp、Ki、Kd三个系数，调不好就会震荡。

3.3.3 我的实战调参经验

我调试PID参数时有个习惯：先调P，再加I，最后加D。

1. 先调P：把Ki和Kd设为0，只调Kp。让画面能快速接近目标，但允许有稳态误差。
2. 再加I：加入积分项，消除稳态误差。注意I不能太大，否则会过冲。
3. 最后加D：如果画面有震荡，加入微分项抑制。D太大会引入噪声。

3.3.4 步进与PID的混合策略

在实际项目中，我更喜欢把两者结合起来：

• 大误差时用步进：当误差大于20个灰度级时，用大步进快速逼近
• 小误差时切PID：当误差小于20个灰度级时，切换到PID精细调节

这样做的好处是：既保证了快速响应，又保证了稳态精度。我曾经在一个手机项目上用了这个方案，AE收敛时间从原来的2秒缩短到0.5秒，而且画面几乎没有闪烁。

3.4 本章知识体系

下面这张图总结了AE核心算法的整体流程和关键节点：

3.5 避坑指南

最后，分享几个我踩过的坑：