3、AE算法实现：统计信息提取、亮度权重映射、曝光补偿、AE Table设计与查表法

AE算法听起来玄乎，说白了就是让摄像头自己知道「现在该亮一点还是暗一点」。我做了这么多年ISP，发现很多工程师把AE想复杂了。其实核心就四步：先看画面有多亮，再决定哪里重要，然后算算要不要补偿，最后查个表把参数定下来。

嗯，咱们一步步拆开讲。

3.1 统计信息提取：你得知道画面在说什么

AE的第一步，是从RAW域拿到统计信息。这部分通常在ISP的统计引擎里硬件完成，但算法工程师得清楚它吐出来的是什么。

我个人习惯把统计信息分成三类：

• 亮度直方图：每个bin统计像素个数，一般是256个bin，覆盖0~1023的RAW值
• 分区平均亮度：把画面切成M×N块，每块算一个平均亮度值
• 过曝/欠曝像素占比：统计亮度超过阈值（比如饱和值95%）和低于阈值（比如暗电流+噪声门限）的像素比例

这里有个坑。我在项目中遇到过，有人直接用RAW域的10bit数据做直方图，结果发现暗部细节全被噪声淹没了。为什么？因为RAW域的响应是线性的，人眼对亮度的感知却是对数的。你想想看，暗部稍微有点噪声，在直方图上就占了很大一片。

代码实现上，统计模块通常长这样：

// 伪代码：RAW域AE统计信息提取
#define GRID_ROWS 15
#define GRID_COLS 15
#define HIST_BINS 256

typedef struct {
    uint32_t hist[HIST_BINS];        // 亮度直方图
    uint16_t grid_luma[GRID_ROWS][GRID_COLS]; // 分区平均亮度
    float over_exposure_ratio;        // 过曝比例
    float under_exposure_ratio;       // 欠曝比例
} AE_Stats;

void AE_ExtractStats(uint16_t *raw_buf, int width, int height, AE_Stats *stats) {
    // 1. 清空统计缓冲区
    memset(stats, 0, sizeof(AE_Stats));
    
    // 2. 遍历每个像素
    for (int y = 0; y < height; y++) {
        for (int x = 0; x < width; x++) {
            uint16_t val = raw_buf[y * width + x];
            
            // 直方图统计（先做Gamma映射）
            uint8_t bin = (uint8_t)(pow(val / 1023.0f, 1.0f/2.2f) * 255);
            stats->hist[bin]++;
            
            // 分区平均亮度
            int grid_y = y * GRID_ROWS / height;
            int grid_x = x * GRID_COLS / width;
            stats->grid_luma[grid_y][grid_x] += val;
        }
    }
    
    // 3. 归一化分区亮度
    for (int i = 0; i < GRID_ROWS; i++)
        for (int j = 0; j < GRID_COLS; j++)
            stats->grid_luma[i][j] /= (width/GRID_COLS) * (height/GRID_ROWS);
}

3.2 亮度权重映射：不是所有区域都重要

拿到分区亮度之后，你不能简单取平均。为什么？因为画面中心通常比边缘重要，人脸区域比天空重要。这就是权重映射要做的事。

我常用的权重映射分两种：

中心权重的实现很简单，就是一个二维高斯分布：

// 中心权重表生成（15x15网格）
float weight[15][15];
float sigma = 3.0f;  // 标准差，控制权重衰减速度
int cx = 7, cy = 7;  // 中心坐标

for (int i = 0; i < 15; i++) {
    for (int j = 0; j < 15; j++) {
        float dx = (i - cx) / sigma;
        float dy = (j - cy) / sigma;
        weight[i][j] = expf(-0.5f * (dx*dx + dy*dy));
    }
}

加权平均亮度的计算：

float weighted_luma = 0.0f;
float total_weight = 0.0f;

for (int i = 0; i < GRID_ROWS; i++) {
    for (int j = 0; j < GRID_COLS; j++) {
        weighted_luma += stats->grid_luma[i][j] * weight[i][j];
        total_weight += weight[i][j];
    }
}
weighted_luma /= total_weight;

3.3 曝光补偿：让算法学会「手下留情」

加权平均亮度算出来了，但直接拿它去调曝光参数，拍出来的照片往往偏暗。为什么？因为人眼喜欢亮一点的画面，而算法只追求「平均亮度等于目标值」。

曝光补偿就是干这个的——在算法算出来的基础上，人为加一点偏移。我一般分三步：

1. 场景检测：判断当前是逆光、夜景、还是普通场景
2. 补偿量计算：根据场景查一个补偿偏移量
3. 限幅：补偿后的亮度不能超过传感器最大增益的物理限制

举个例子，逆光场景下，人脸区域亮度可能只有背景的1/4。如果不做补偿，算法会为了照顾背景而把人脸压得很暗。这时候我会加+1.0EV到+1.5EV的补偿。

// 曝光补偿计算
float AE_CalcCompensation(AE_Stats *stats, int scene_type) {
    float comp = 0.0f;
    
    switch (scene_type) {
        case SCENE_BACKLIGHT:
            comp = 1.2f;  // +1.2EV
            break;
        case SCENE_NIGHT:
            comp = 0.5f;  // +0.5EV，夜景不能补太多，否则噪声爆炸
            break;
        case SCENE_NORMAL:
            comp = 0.3f;  // +0.3EV，稍微亮一点更讨喜
            break;
    }
    
    // 限幅：补偿后亮度不能超过目标值的2倍
    float max_comp = 1.0f;  // 最大+1EV
    return min(comp, max_comp);
}

3.4 AE Table设计与查表法：把计算变成查表

好了，现在我们有目标亮度了。但怎么把它变成曝光参数（曝光时间、模拟增益、数字增益）？

最直接的办法是公式计算，但公式计算有延迟，而且不同传感器响应曲线不一样。我更喜欢用查表法——提前标定好一张AE Table，把「目标亮度→曝光参数」的映射关系存进去。

AE Table的设计原则：

• 优先调曝光时间：曝光时间增加不引入噪声，但会降低帧率
• 其次调模拟增益：模拟增益比数字增益噪声小
• 最后调数字增益：数字增益会放大量化噪声，能不用就不用

一张典型的AE Table长这样：

查表法的实现：

// AE Table结构
typedef struct {
    uint8_t luma_threshold;  // 亮度阈值
    float exposure_time;     // 曝光时间（ms）
    float analog_gain;       // 模拟增益（dB）
    float digital_gain;      // 数字增益（dB）
} AE_Table_Entry;

AE_Table_Entry ae_table[] = {
    {50,  33.0f, 24.0f, 6.0f},
    {100, 33.0f, 18.0f, 3.0f},
    {150, 33.0f, 12.0f, 0.0f},
    {200, 20.0f,  6.0f, 0.0f},
    {255, 10.0f,  0.0f, 0.0f},
};

void AE_LookupTable(uint8_t target_luma, float *exp_time, float *analog_gain, float *digital_gain) {
    for (int i = 0; i < 5; i++) {
        if (target_luma <= ae_table[i].luma_threshold) {
            *exp_time = ae_table[i].exposure_time;
            *analog_gain = ae_table[i].analog_gain;
            *digital_gain = ae_table[i].digital_gain;
            return;
        }
    }
    // 超出范围取最后一项
    *exp_time = ae_table[4].exposure_time;
    *analog_gain = ae_table[4].analog_gain;
    *digital_gain = ae_table[4].digital_gain;
}

3.5 整体流程：一张图看懂AE算法

说了这么多，咱们用一张SVG图把整个流程串起来。这张图我画了很多遍，每次给新人讲AE都用它。

这张图里有个细节你可能注意到了——反馈箭头。AE不是一锤子买卖，它是一个闭环。当前帧算出的曝光参数，会影响下一帧的RAW输入。所以AE算法必须做平滑处理，防止画面亮度来回跳变。

嗯，关于平滑处理，我习惯用IIR滤波器：

// 曝光参数平滑
float smooth_factor = 0.3f;  // 平滑系数，越小越平滑

float current_exp_time = ae_table_entry.exposure_time;
float prev_exp_time = ae_state->last_exposure_time;

float final_exp_time = prev_exp_time * (1 - smooth_factor) + current_exp_time * smooth_factor;

好了，AE算法的核心实现就这些。统计信息提取是基础，权重映射让算法「有重点」，曝光补偿让画面更讨喜，AE Table把复杂的计算变成了简单的查表。这套流程我在三个不同的传感器平台上验证过，效果都还不错。你拿去用的时候，记得根据你的传感器动态范围和镜头F数微调一下Table里的阈值。