4. 统计信息采集：从RAW图到亮度直方图与分区统计

好，我们进入AE收敛技术中最关键的一环——统计信息采集。

你想想看，自动曝光要收敛，它得先知道当前画面亮不亮、哪里亮、哪里暗。这些信息从哪来？就是从RAW图里算出来的。说白了，没有准确的统计信息，后面的AE算法就是盲人摸象。

我个人习惯把统计信息采集分成三个层次：全局直方图、分区统计、权重矩阵。咱们一层一层剥开。

4.1 从RAW图获取亮度直方图

直方图这东西，大家应该不陌生。横轴是亮度等级（0~1023，如果是10-bit RAW），纵轴是像素个数。但这里有个坑——RAW图的直方图和RGB直方图不是一回事。

RAW图每个像素只有一个颜色通道（R/G/B之一），所以它的直方图反映的是单通道的原始光强分布，还没经过白平衡、去马赛克、Gamma校正这些处理。这个原始分布对AE来说特别宝贵，因为它最真实地反映了场景的物理亮度。

具体怎么算？我贴一段伪代码，大家感受一下：

// 10-bit RAW, 宽度W, 高度H
uint32_t histogram[1024] = {0};

for (int y = 0; y < H; y++) {
    for (int x = 0; x < W; x++) {
        uint16_t pixel = raw_buffer[y * W + x];
        // 直接累加，不做任何变换
        histogram[pixel]++;
    }
}

// 可选：归一化到百分比
float hist_norm[1024];
uint32_t total_pixels = W * H;
for (int i = 0; i < 1024; i++) {
    hist_norm[i] = (float)histogram[i] / total_pixels;
}

嗯，这里要注意：不要对RAW像素做任何预处理。我在项目中遇到过有人先做了黑电平校正再算直方图，结果暗部细节全丢了，AE死活收敛不到目标亮度。后来查了半天才发现是统计源的问题。

4.2 分区统计（Zone Statistic）的原理

全局直方图有个致命问题——它不知道亮和暗分别在哪。比如一个画面左边亮右边暗，全局直方图可能看起来是中间调，但实际AE需要知道左边过曝了、右边欠曝了。

所以我们需要分区统计。

分区统计，就是把画面切成M×N个格子，每个格子独立算亮度统计值。这样AE就能知道每个区域的亮度情况。

我常用的分区方案：

每个分区算什么呢？我一般算三个值：

• 平均亮度：分区内所有像素的均值，代表整体亮度水平
• 亮度方差：反映分区内的纹理/对比度，用于判断是平滑区域还是边缘区域
• 过曝/欠曝像素比例：亮度大于阈值（比如950/1023）或小于阈值（比如50/1023）的像素占比

我曾经在一个强背光场景的项目里，只用平均亮度做分区统计，结果AE把主体人脸压到全黑，背景倒是正常了。后来加上过曝/欠曝比例检测，才把背光场景的AE收敛做好。

4.3 权重矩阵的设计

有了分区统计，接下来就是权重矩阵。权重矩阵决定了AE更关注画面的哪个区域。

为什么需要权重？因为用户拍照时，通常主体在画面中央。如果中央和边缘的亮度权重一样，AE可能会为了照顾边缘而牺牲主体。

我常用的权重矩阵设计思路：

1. 中心权重：中央区域权重高，边缘权重低。适合普通拍照场景。
2. 人脸权重：检测到人脸后，人脸所在分区权重极高，其他区域权重降低。
3. 亮度自适应权重：根据场景亮度动态调整。比如夜景下，暗部区域权重提高，防止AE把暗部压死。
4. 用户触控权重：用户点击屏幕对焦/测光的位置，权重设为最高。

下面是一个典型的5×5中心权重矩阵示例：

// 5×5 中心权重矩阵
// 中心区域权重最高，向外递减
float weight_5x5[5][5] = {
    {0.2, 0.4, 0.6, 0.4, 0.2},
    {0.4, 0.8, 1.0, 0.8, 0.4},
    {0.6, 1.0, 1.5, 1.0, 0.6},
    {0.4, 0.8, 1.0, 0.8, 0.4},
    {0.2, 0.4, 0.6, 0.4, 0.2}
};

// 归一化，使所有权重之和为1
float sum = 0;
for (int i = 0; i < 5; i++)
    for (int j = 0; j < 5; j++)
        sum += weight_5x5[i][j];

for (int i = 0; i < 5; i++)
    for (int j = 0; j < 5; j++)
        weight_5x5[i][j] /= sum;

最终AE的亮度统计值就是：

float weighted_brightness = 0;
for (int i = 0; i < NUM_ZONES; i++) {
    weighted_brightness += zone_stats[i].avg_luma * zone_weights[i];
}

这个weighted_brightness就是喂给AE控制器的核心输入。

4.4 整体流程：一张图说清楚

下面我用一张SVG图把整个统计信息采集的流程串起来：

4.5 实战中的几个关键点

最后，我总结几个实战中容易踩的坑：

• 统计源选择：一定要用RAW域数据，不要用RGB或YUV域。我见过有人用YUV的Y分量做统计，结果Gamma校正后的亮度分布和物理亮度完全对不上。
• Bayer格式处理：如果直接统计RAW，不同颜色通道的响应曲线不同。我建议先做简单的白平衡增益补偿，或者只统计G通道（因为G通道对亮度贡献最大）。
• 权重矩阵归一化：权重矩阵一定要归一化到总和为1，否则AE控制器的增益计算会出错。
• 统计帧率：统计信息不需要每帧都算。我一般设置每2~3帧算一次，节省带宽和功耗。

好了，这一章的内容就到这里。统计信息采集是AE收敛的基石，直方图给你全局视野，分区统计给你局部细节，权重矩阵告诉你该关注哪。三者配合好了，AE收敛才能又快又稳。