1. 曝光收敛基础：自动曝光原理与速度优化

大家好，我是你们这期课程的主讲。做图像处理这些年，我调试过最多的模块就是自动曝光（AE）。说实话，AE 调好了，整个图像质量就稳了一半。今天咱们先打好基础，把 AE 的原理、收敛速度的定义，还有常见的算法框架理清楚。

1.1 自动曝光（AE）原理

自动曝光，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清。AE 的任务就是根据当前场景亮度，自动调整曝光参数，让图像亮度稳定在一个目标值附近。

AE 的核心控制对象有三个：

• 曝光时间（Exposure Time）：传感器收集光线的时间，单位通常是微秒或毫秒。
• 模拟增益（Analog Gain）：对传感器输出的模拟信号进行放大。
• 数字增益（Digital Gain）：对数字信号进行放大，一般最后才动它。

这三个参数组合起来，就决定了最终的图像亮度。我习惯用一个简单的公式来理解：

嗯，这里要注意：增益不是万能的。增益越大，噪声也越大。我在项目中遇到过有人把数字增益拉到 8 倍，结果画面噪点跟雪花似的，那叫一个惨。

1.2 收敛速度的定义与重要性

收敛速度，指的是 AE 从开始调整到画面亮度稳定下来所需的时间。通常用帧数来衡量。比如“3 帧收敛”，就是说从场景切换开始，3 帧之后画面亮度就稳定了。

为什么收敛速度这么重要？我给你举几个场景：

• 安防监控：有人从暗处走到亮处，如果 AE 反应慢，关键画面就全黑了。
• 行车记录仪：进出隧道时，收敛慢会导致几秒钟的盲区，这谁敢用？
• 手机拍照：你举起手机，画面还在忽明忽暗地跳，用户体验直接归零。

我曾经调试一个车载项目，客户要求 AE 在 5 帧内收敛到目标亮度的 ±5% 以内。刚开始怎么都达不到，后来才发现是算法框架选错了。所以，理解收敛速度，是优化 AE 的第一步。

应用场景	收敛速度要求	典型帧率
安防监控	5-10 帧	25/30 fps
行车记录仪	3-5 帧	30 fps
手机拍照	1-3 帧	30/60 fps
工业检测	10-20 帧	60-120 fps

1.3 常见 AE 算法框架

AE 算法框架有很多种，但万变不离其宗。我把它归纳为三大类：

1.3.1 统计直方图法

这是最基础的方法。算法统计当前图像的亮度直方图，然后根据直方图的分布来调整曝光参数。比如，如果直方图整体偏左（暗部多），就增加曝光；偏右（亮部多），就减少曝光。

优点：实现简单，计算量小。
缺点：容易受局部亮暗区域干扰，收敛不够平滑。

1.3.2 区域权重法

这个方法把图像分成多个区域，每个区域赋予不同的权重。比如，画面中央的人脸区域权重高，边缘的天空区域权重低。然后计算加权平均亮度，再与目标亮度比较，调整曝光参数。

我做过一个项目，需要优先保证人脸亮度。用区域权重法，把中央 1/3 区域的权重设为 0.7，边缘设为 0.3，效果立竿见影。

1.3.3 反馈控制法（PID 控制）

这是目前工业界最常用的方法。它把 AE 看作一个闭环控制系统，用 PID（比例-积分-微分）控制器来调节曝光参数。

• P（比例）：根据当前亮度误差，直接调整曝光量。
• I（积分）：累积历史误差，消除稳态误差。
• D（微分）：预测误差变化趋势，抑制超调。

我曾经踩过一个坑：PID 参数调得太激进，结果画面一直在目标亮度附近来回震荡，就是稳不下来。后来把 I 系数调小，D 系数加上限幅，才搞定。

1.4 AE 算法框架对比

为了方便你选择，我把三种框架的优缺点整理成了一张表：

框架类型	收敛速度	抗干扰能力	实现复杂度	适用场景
统计直方图法	中等	弱	低	室内监控、静态场景
区域权重法	中等	中等	中	人脸识别、车载
反馈控制法（PID）	快	强	高	通用、动态场景

1.5 AE 收敛流程框架图

下面这张图展示了 AE 收敛的完整流程，从图像采集到参数更新，每一步都环环相扣。我建议你把它保存下来，后面章节会反复用到。

从这张图你可以看到，AE 是一个典型的闭环反馈系统。图像采集后，统计亮度，计算与目标亮度的误差，然后通过 PID 控制器输出新的曝光参数，再应用到下一帧。如此循环，直到误差收敛到允许范围内。