4. AE实战-亮度统计：从Sensor获取RAW数据、计算图像平均亮度、分区亮度统计（中心权重）

亮度统计，是自动曝光算法的眼睛。你想想看，如果连画面亮不亮、哪里亮、哪里暗都搞不清楚，那曝光调整就是瞎调。这一章，我们就来亲手搭建这双「眼睛」。

4.1 从Sensor拿到RAW数据

先说数据来源。Sensor输出的RAW数据，说白了就是每个像素点的原始电压值，通常以Bayer格式排列。我早期做项目时，直接拿RGB888的Y分量做统计，结果发现曝光总是不准——因为ISP管线里的Gamma、CCM已经把亮度关系搞乱了。

所以，正确的做法是在ISP处理之前，直接从RAW域抓数据。一般硬件会提供一个统计引擎，你配置好感兴趣的区域，它就能输出每个block的均值。

4.2 计算图像平均亮度

平均亮度是最基础的统计量。公式很简单：

// 伪代码：计算RAW域平均亮度
uint32_t total_luminance = 0;
uint32_t pixel_count = 0;

for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        // 只取绿色通道（G通道对亮度贡献最大）
        if (IS_GREEN_PIXEL(x, y)) {
            total_luminance += raw_data[y][x];
            pixel_count++;
        }
    }
}

float avg_luminance = (float)total_luminance / pixel_count;

这里有个细节：为什么只取G通道？因为人眼对绿色最敏感，而且Bayer阵列中G像素数量是R和B的两倍，统计效率更高。我在项目中做过对比，用全通道平均和只用G通道平均，最终曝光收敛结果差异小于0.3%，但计算量差了一倍。

4.3 分区亮度统计

平均亮度有个致命问题：它会被大面积均匀区域带偏。比如拍一张逆光人像，背景天空很亮，人脸很暗，平均亮度可能刚好在中间——但人脸完全欠曝。

所以我们需要分区统计。把画面分成M×N个格子，每个格子独立计算平均亮度。

// 分区统计：将画面分成5x5网格
#define GRID_ROWS 5
#define GRID_COLS 5

uint32_t grid_lum[GRID_ROWS][GRID_COLS] = {0};
uint32_t grid_cnt[GRID_ROWS][GRID_COLS] = {0};

int block_h = height / GRID_ROWS;
int block_w = width / GRID_COLS;

for (int gy = 0; gy < GRID_ROWS; gy++) {
    for (int gx = 0; gx < GRID_COLS; gx++) {
        for (int y = gy*block_h; y < (gy+1)*block_h; y++) {
            for (int x = gx*block_w; x < (gx+1)*block_w; x++) {
                if (IS_GREEN_PIXEL(x, y)) {
                    grid_lum[gy][gx] += raw_data[y][x];
                    grid_cnt[gy][gx]++;
                }
            }
        }
        grid_lum[gy][gx] /= grid_cnt[gy][gx];
    }
}

分区数量怎么选？我见过有人用3×3，有人用15×15。我的经验是：5×5或7×7比较实用。格子太少，空间分辨率不够；格子太多，每个格子里的像素太少，噪声会变大。

4.4 中心权重统计

分区统计之后，我们还要给不同区域分配权重。为什么？因为摄影师通常把主体放在画面中央。中心权重就是让中央区域对曝光决策有更大的话语权。

权重分配方式有很多种，我常用的是高斯权重和阶梯权重。

4.4.1 高斯权重

以画面中心为原点，权重按高斯函数衰减。离中心越远，权重越小。

// 高斯权重计算示例
float sigma = 0.3f;  // 控制衰减速度
float weights[GRID_ROWS][GRID_COLS];
float center_y = GRID_ROWS / 2.0f;
float center_x = GRID_COLS / 2.0f;

for (int gy = 0; gy < GRID_ROWS; gy++) {
    for (int gx = 0; gx < GRID_COLS; gx++) {
        float dy = (gy - center_y) / center_y;
        float dx = (gx - center_x) / center_x;
        weights[gy][gx] = expf(-(dx*dx + dy*dy) / (2*sigma*sigma));
    }
}

4.4.2 阶梯权重

更简单粗暴：中心区域权重1.0，中间区域0.5，边缘区域0.25。

// 阶梯权重：5x5网格示例
float step_weights[5][5] = {
    {0.25, 0.25, 0.50, 0.25, 0.25},
    {0.25, 0.50, 0.75, 0.50, 0.25},
    {0.50, 0.75, 1.00, 0.75, 0.50},
    {0.25, 0.50, 0.75, 0.50, 0.25},
    {0.25, 0.25, 0.50, 0.25, 0.25}
};

4.5 最终亮度统计值

有了分区亮度和权重，最终统计值就是加权平均：

float weighted_luminance = 0.0f;
float total_weight = 0.0f;

for (int gy = 0; gy < GRID_ROWS; gy++) {
    for (int gx = 0; gx < GRID_COLS; gx++) {
        weighted_luminance += grid_lum[gy][gx] * weights[gy][gx];
        total_weight += weights[gy][gx];
    }
}

weighted_luminance /= total_weight;

这个 weighted_luminance 就是喂给AE控制算法的输入值。它比简单平均亮度更能反映用户真正关心的区域亮度。

4.6 整体流程

把上面所有步骤串起来，就是完整的亮度统计管线：

4.7 工程实现注意事项

• 数据位宽： 不同Sensor的RAW位宽不同（10-bit、12-bit、14-bit）。统计时统一归一化到0~1浮点数，避免后续算法对位宽敏感。
• 坏点处理： RAW域可能有坏点。我习惯在统计前做一个简单的坏点检测——如果某个像素值远高于或远低于周围像素，就丢弃它。
• 帧率影响： 统计计算要控制耗时。在嵌入式平台上，我通常把统计放在ISP的垂直消隐区（VBlank）处理，不占用有效帧时间。
• 调试手段： 把分区亮度矩阵和权重矩阵输出到log里，用Excel或Python画成热力图，一眼就能看出统计是否合理。