2、自动曝光（AE）原理：曝光三角与收敛策略

自动曝光，说白了就是让摄像头像人眼一样，能自动适应不同亮度的环境。你想想看，从阳光明媚的户外走进昏暗的室内，人眼需要几秒钟来适应。摄像头也一样，但它靠的是算法——也就是我们今天要聊的AE。

我个人习惯把AE看作一个“找平衡”的过程。平衡什么？平衡进光量、感光度和快门速度。这三者就是经典的“曝光三角”。

2.1 曝光三角：光圈、快门、ISO

曝光三角是摄影的底层逻辑。在ISP的RAW域处理中，我们虽然不直接控制镜头光圈（那是模组厂商的事），但快门和ISO是AE算法的核心调控对象。

参数	物理含义	对图像的影响	ISP中的控制方式
光圈（Aperture）	镜头通光孔径的大小	控制进光量，影响景深	通常固定（F数由模组决定），AE不直接调节
快门（Shutter）	传感器感光的时间长度	控制运动模糊与亮度	通过调整曝光行数（Line Count）或曝光时间（μs）
ISO（增益）	模拟/数字信号放大倍数	控制亮度，但会放大噪声	通过调整模拟增益（AG）和数字增益（DG）

我在项目中遇到过一个问题：某款手机在暗光下预览时，画面闪烁严重。查了半天，发现是快门时间刚好是工频（50Hz）的整数倍，导致荧光灯频闪。后来我强制AE在室内场景下，将快门锁定在1/100s的整数倍，问题就解决了。嗯，这里要注意，AE不能只盯着亮度，还得考虑环境光源的频闪特性。

2.2 亮度直方图：AE的眼睛

AE算法怎么知道当前画面是亮还是暗？靠的就是亮度直方图。直方图统计了图像中每个亮度级别的像素数量。在RAW域，我们通常统计的是Bayer阵列经过简单线性化后的亮度分布。

为什么要在RAW域做？因为此时图像还没经过Gamma校正、色调映射等非线性处理。RAW域的亮度是线性的，更接近真实的物理光强。你想想看，如果在sRGB域做AE，Gamma曲线会把暗部拉亮，导致AE误判“画面已经够亮了”。

直方图能告诉我们三件事：

• 过曝：像素大量堆积在右侧（高亮区），说明画面太亮，需要降低曝光。
• 欠曝：像素大量堆积在左侧（暗区），说明画面太暗，需要增加曝光。
• 动态范围不足：直方图集中在中间窄带，说明场景对比度低，可能需要调整对比度或HDR。

2.3 目标亮度设定

AE不是盲目地把画面调到最亮。它有一个“目标亮度”——也就是算法认为“看起来舒服”的平均亮度水平。这个目标通常用一个数值表示，比如在8bit RAW域中，目标平均亮度设为128（即50%灰度）。

但实际场景千变万化。一个雪景画面，如果目标亮度还是128，拍出来就是灰蒙蒙的。一个夜景画面，如果强行拉到128，噪声会爆炸。

所以，目标亮度需要根据场景自适应。我个人习惯的做法是：

1. 基础目标：设定一个默认值，比如RAW域12bit数据下，目标平均亮度设为2048（满量程的50%）。
2. 场景补偿：通过统计直方图的分布特征，判断场景类型。如果高亮像素占比超过30%，判定为“亮场景”，适当降低目标亮度；如果暗部像素占比超过40%，判定为“暗场景”，适当提高目标亮度（但要注意噪声）。
3. 人脸优先：如果检测到人脸，以人脸区域的亮度为准。人脸的目标亮度通常比全局平均亮度高10%~20%。

2.4 AE收敛策略

AE算法不是一步到位的。它需要逐步调整，让画面亮度平滑地过渡到目标值。这个过程就是“收敛”。收敛策略的好坏，直接决定了用户体验——你肯定不想看到预览画面忽明忽暗地闪烁。

常见的收敛策略有三种：

策略	原理	优点	缺点
步进式	每次调整固定步长（如±1档曝光）	实现简单，收敛稳定	收敛慢，容易在目标值附近震荡
比例式（P控制）	调整量与当前亮度与目标亮度的差值成正比	收敛快，误差大时大步调整	容易超调，需要加阻尼
PID控制	结合比例、积分、微分三项	收敛平滑，稳态误差小	参数整定复杂，需要调参经验

我个人最常用的是PID控制。为什么？因为AE的响应过程其实很像一个“惯性系统”——你调整了快门，亮度不会立刻变化，要等下一帧才能看到效果。这个延迟会导致比例控制容易超调。PID中的微分项（D项）可以预测变化趋势，提前减小调整量，避免震荡。

但PID的参数整定确实是个坑。我建议你从P=0.5, I=0.1, D=0.05开始试。如果画面震荡，就减小P和I；如果收敛太慢，就增大P。嗯，调参没有捷径，只能靠试。

2.5 AE知识体系总览

下面这张图，我把AE的核心逻辑串起来了。你可以把它当作一个快速参考。

好了，以上就是AE的核心原理。从曝光三角的物理约束，到直方图的统计方法，再到目标亮度的设定策略，最后是PID收敛的工程实现。每一步都有坑，但每一步也都有规律可循。记住：好的AE，不是让画面最亮，而是让画面看起来最自然。