1. 3A算法全景概览：AE/AWB/AF的基本概念、三者之间的耦合关系、3A在ISP Pipeline中的位置

各位同学，咱们今天正式开讲ISP 3A算法。说实话，我做了这么多年图像算法，3A一直是ISP里最让人头疼、也最有意思的部分。你想想看，一个摄像头模组装到手机上，光线忽明忽暗、物体忽远忽近、颜色忽冷忽暖——要让每一帧画面都清晰、曝光准确、颜色自然，全靠这三个“A”在背后默默干活。

1.1 什么是3A？三个核心模块

3A是三个独立但又紧密配合的算法模块的统称：

• AE（Auto Exposure，自动曝光）：控制进光量，让画面不暗不亮
• AWB（Auto White Balance，自动白平衡）：校正色温，让白色在不同光源下看起来还是白色
• AF（Auto Focus，自动对焦）：调整镜头位置，让目标物体清晰

我刚开始接触3A时，总觉得这三个东西各管各的，没什么交集。后来在项目里踩了坑才明白——它们之间的耦合关系，才是3A调试的真正难点。

1.2 AE：自动曝光的核心逻辑

AE的目标很简单：让图像的平均亮度落在目标范围内。但实现起来，要考虑的东西可不少。

AE的经典策略是：先调曝光时间，再调增益，最后才动光圈。为什么？因为曝光时间直接影响运动模糊，增益会引入噪声，光圈影响景深。优先级搞反了，画面质量就会出问题。

1.3 AWB：让白色回归白色

AWB要解决的是色温问题。人眼有色彩恒常性，不管在日光灯下还是烛光下，看白纸都觉得是白的。但传感器没这个能力，它老老实实地记录光谱——所以需要算法来校正。

AWB的典型流程：

1. 统计图像中的色温信息（通常用R/G、B/G比值）
2. 判断当前光源色温（通过色温曲线或色温估计模型）
3. 计算R、B通道的增益，让灰点落在白平衡目标线上

常用的AWB算法有：

• 灰度世界法（Gray World）：假设场景平均色是灰色，R/G/B均值相等
• 完美反射法（Perfect Reflector）：假设场景中最亮的点是白色
• 色温估计法（Color Temperature Estimation）：通过色温曲线查表

1.4 AF：让焦点落在该落的地方

AF的核心是找到镜头的最佳位置，让目标物体的对比度最高。常见的AF方案有三种：

现在主流手机基本都是PDAF+CDAF混合方案——先用PDAF快速粗调，再用CDAF精调。嗯，这里要注意：PDAF在低光下容易不准，这时候我会强制切回CDAF模式。

1.5 三者的耦合关系——这才是重点

单独看每个A，都不算复杂。但把它们放在一起，问题就来了。

举个我实际遇到的例子：

• AE在调整曝光时间，画面亮度变化 → 影响AWB的色温统计 → AWB输出错误的增益 → 画面颜色偏了
• AF在移动镜头 → 画面模糊 → AE统计的亮度值偏低 → AE增加曝光 → 画面过曝
• AWB校正颜色 → 改变了R/B通道增益 → 影响了AE的亮度统计权重 → AE重新调整曝光

你看，这三个模块互相影响，形成了一个闭环。如果各自独立跑，很容易出现震荡——画面忽明忽暗、颜色忽冷忽暖、对焦来回抽风。

1.6 3A在ISP Pipeline中的位置

下面这张图展示了3A在ISP处理流程中的位置。注意，3A不是独立运行的，它们需要从ISP的统计模块获取数据，然后输出控制参数给传感器和ISP模块。

从图中可以看到：

• 传感器输出原始Bayer数据给ISP处理链路
• ISP处理模块（Bayer处理、去马赛克、色彩校正、降噪、锐化、HDR合成等）逐级处理图像
• 统计模块从处理链路中提取亮度直方图、色温统计、对比度统计等信息
• 3A算法根据统计信息计算控制参数，反馈给传感器（曝光时间、增益）和ISP模块（白平衡增益、对焦位置）

1.7 本章小结

好了，这一章我们走了一遍3A的全景：

• AE管亮度，AWB管颜色，AF管清晰度
• 三者之间存在强耦合，调试时要统一考虑
• 3A在ISP Pipeline中处于“控制中心”的位置，依赖统计模块提供数据