3、3A算法概述：AE、AF、AWB的基本任务与交互

好，咱们进入第三章。前两章我们把HDR多帧融合的宏观场景和挑战聊完了。从这章开始，得真正碰一碰3A算法本身了。

3A，就是AE（自动曝光）、AF（自动对焦）、AWB（自动白平衡）。这三个家伙在相机里各管一摊，但又互相牵扯。我经常跟团队里的新人说：“你把3A理解成三个各怀心思的合伙人，目标都是让照片好看，但经常吵架。”

为什么吵架？因为曝光、焦点、颜色，这三件事在物理上是耦合的。你动曝光时间，画面亮度变了，AF的对比度检测曲线会漂；你调了白平衡增益，AE统计的亮度值也会变。嗯，这就是3A算法的核心难点——不是各自做到极致，而是让它们协作好。

3.1 AE（自动曝光）—— 管亮度，也管信噪比

AE的任务，说白了就是让画面不黑不白，细节都在。但它的目标其实有两个层面：

• 基础任务：把场景亮度映射到传感器响应曲线的中间区域，避免过曝或欠曝。
• 进阶任务：在HDR多帧融合场景下，AE要为每一帧分配不同的曝光参数，确保短帧不过曝、长帧不欠曝，且帧间亮度步长合理。

我个人习惯把AE的决策流程拆成三步：

1. 统计：从RAW域或YUV域统计亮度直方图、分区平均亮度。
2. 目标亮度计算：根据场景类型（逆光、夜景、普通）确定目标平均亮度值。
3. 参数调整：调整曝光时间、模拟增益、数字增益，甚至光圈（如果有的话）。

这里有个坑，我踩过不止一次。在HDR多帧融合中，AE不能只盯着“当前帧”的亮度。你得考虑帧间融合后的信噪比。举个例子，如果你把短帧的曝光时间压得太短，虽然它不过曝了，但信噪比极差，融合后反而引入大量噪声。所以，AE在HDR模式下，本质上是在做“亮度分配”和“噪声预算”。

3.2 AF（自动对焦）—— 找清晰，也找深度

AF的任务，是让感兴趣的区域最清晰。传统AF主要靠对比度检测或相位检测。但在HDR多帧融合场景下，AF面临一个特殊问题：不同曝光帧的清晰度评价曲线不一致。

你想想看，长帧曝光时间长，运动模糊大，对比度天然低；短帧曝光时间短，运动冻结，对比度更真实。如果AF只用某一帧做评价，很容易被误导。我记得有一次做夜景HDR项目，AF总是对焦不准，查了半天发现是AF模块只用了长帧的对比度数据，而长帧因为手抖已经糊了。

所以，在HDR多帧融合系统中，AF通常采用以下策略：

• 多帧联合评价：对短帧、中帧、长帧分别计算对比度，加权融合后作为最终评价指标。
• 深度辅助：如果传感器支持PDAF（相位检测对焦），直接用相位差计算深度，不受曝光时间影响。
• 运动检测：检测到场景运动时，优先使用短帧做AF评价，避免运动模糊干扰。

3.3 AWB（自动白平衡）—— 管颜色，也管一致性

AWB的任务，是把不同色温光源下的白色还原成白色。听起来简单，但HDR多帧融合给AWB带来了两个新麻烦：

1. 帧间色温不一致：不同曝光帧的增益不同，导致白平衡统计值偏移。比如长帧增益大，暗部噪声被放大，噪声的色偏会影响白平衡统计。
2. 融合后颜色伪影：如果AWB在每帧独立做，融合时不同帧的色温不一致，会在运动区域产生颜色断层。

我的做法是：AWB统计必须在融合前的RAW域完成，且所有帧共用同一组白平衡增益。这样能保证帧间颜色一致性。具体流程：

• 对短帧做白平衡统计（因为短帧信噪比高，颜色信息更可靠）。
• 用统计结果计算全局白平衡增益。
• 所有帧（短、中、长）统一应用这组增益。
• 融合后再做一次微调（可选）。

3.4 3A交互 —— 三角关系与优先级

AE、AF、AWB不是独立工作的。它们共享传感器数据，也互相影响。我画了一张图，帮你理清它们的关系：

从图中你能看到，3A之间是双向影响的。在实际系统中，我通常按以下优先级处理：

优先级	模块	原因
1	AE	曝光参数决定帧的信噪比和动态范围，是所有后续处理的基础
2	AF	对焦依赖亮度信息，AE稳定后才能做准确对焦
3	AWB	白平衡统计受增益影响，AE和AF稳定后做AWB最可靠

但这不是的。比如在场景切换时，AWB的色温突变可能会让AE误判场景亮度，这时候就需要做联合收敛。我常用的方法是：在每一帧的垂直消隐期（VBLANK）内，依次完成AE统计、AF评价、AWB统计，然后统一更新参数。这样能保证三个模块看到的是同一帧的数据，避免互相打架。