3. 3A算法总览：自动曝光(AE)、自动对焦(AF)、自动白平衡(AWB)的基本原理与闭环控制逻辑
3A算法是海思ISP（Image Signal Processor，图像信号处理器）链路中实现自动化图像质量调节的核心闭环控制系统。它由三个独立但相互耦合的模块组成：自动曝光（AE）、自动对焦（AF）和自动白平衡（AWB）。本章将系统阐述各模块的基本原理、控制目标及三者之间的协同闭环逻辑，为后续联合调优奠定理论基础。
3.1 3A算法概述与闭环控制模型
3A算法的本质是一个传感器-处理器-执行器的反馈控制系统。每个模块都遵循“统计 → 评估 → 决策 → 执行”的闭环流程：
- 统计：ISP硬件从当前帧图像中提取亮度、对比度、色温等统计信息。
- 评估：算法模块根据预设目标（如目标亮度、清晰度、灰平衡）评估当前状态与目标的偏差。
- 决策：通过控制策略（如PID、爬山法、查找表）计算调整量。
- 执行：将调整量写入传感器寄存器或ISP寄存器，影响下一帧的采集与处理。
3.2 自动曝光（AE）
3.2.1 基本原理
AE模块的目标是控制图像传感器，使输出图像的亮度稳定在预设的目标值附近。其核心控制参数包括：
- 曝光时间（Shutter）：传感器感光的时间长度，单位为微秒（μs）或行数。
- 模拟增益（Analog Gain）：传感器读出信号的放大倍数。
- 数字增益（Digital Gain）：ISP域内对数字信号的放大倍数。
- 光圈（Iris）：镜头进光孔径（仅部分摄像机支持）。
AE算法通常采用亮度直方图统计或区域加权平均亮度作为输入，通过PID控制器或查找表（LUT）计算调整量。
3.2.2 控制策略与收敛逻辑
| 控制阶段 | 策略描述 | 典型参数 |
|---|---|---|
| 粗调阶段 | 优先调整曝光时间，快速逼近目标亮度 | 大步长（如±30%） |
| 精调阶段 | 切换至增益微调，避免闪烁和噪声放大 | 小步长（如±5%） |
| 稳定阶段 | 锁定参数，仅做微小修正，防止振荡 | 死区阈值（如±2%） |
AE_Speed 参数控制。过快的收敛会导致画面闪烁（Flicker），过慢则无法适应场景变化。建议在室内50Hz/60Hz光源下开启抗频闪（Anti-Flicker）功能，将曝光时间限制为光源周期的整数倍。
3.3 自动对焦（AF）
3.3.1 基本原理
AF模块通过移动镜头内部的聚焦镜组，使被摄物体在传感器上清晰成像。海思ISP主要采用对比度检测自动对焦（CDAF），其原理是：当图像清晰时，相邻像素间的亮度差异（对比度）最大。
AF算法的核心是聚焦值（Focus Value, FV）的计算，通常基于以下指标：
- 拉普拉斯能量（Laplacian Energy）：对图像进行二阶微分，统计高频分量。
- 索贝尔梯度（Sobel Gradient）：计算水平与垂直方向的梯度幅值之和。
- 带通滤波响应：通过特定频带的滤波器提取边缘信息。
3.3.2 爬山法搜索策略
AF最常用的搜索算法是爬山法（Hill Climbing），其流程如下：
- 粗扫阶段：以大步长从近端向远端移动镜头，记录每个位置的FV值，找到FV峰值所在的粗略区间。
- 精扫阶段：在峰值区间内以小步长来回搜索，定位FV最大值对应的精确镜头位置。
- 确认阶段：在峰值位置附近微调，确认FV值稳定且无多峰干扰。
3.4 自动白平衡（AWB）
3.4.1 基本原理
AWB模块的目标是消除不同光源色温对图像颜色的影响，使白色物体在任何光源下都呈现为白色（即R=G=B）。其核心是估计当前场景的色温，并计算对应的颜色增益（R_gain, B_gain）。
海思ISP的AWB算法通常基于灰度世界假设（Gray World Assumption）和完美反射理论（Perfect Reflector Theory）：
- 灰度世界假设：场景中所有颜色的平均值为灰色（R_avg = G_avg = B_avg）。
- 完美反射理论：场景中最亮的点（白色反射面）的R、G、B值相等。
3.4.2 色温估计与增益计算
| 光源类型 | 色温范围（K） | R/G 比值 | B/G 比值 |
|---|---|---|---|
| 白炽灯 | 2500 - 3000 | 高（偏红） | 低（偏蓝） |
| 日光（正午） | 5000 - 5500 | 中等 | 中等 |
| 阴天 | 6000 - 7500 | 低（偏蓝） | 高（偏红） |
| 荧光灯 | 4000 - 4500 | 中等偏低 | 中等偏高 |
AWB的增益计算公式如下：
R_gain = G_avg / R_avg
B_gain = G_avg / B_avg
G_gain = 1.0 (通常固定)3.5 3A算法的耦合关系与联合调优原则
在实际海思ISP调试中，AE、AF、AWB并非独立运行，它们之间存在复杂的耦合关系：
| 耦合对 | 影响方向 | 典型问题 | 调优原则 |
|---|---|---|---|
| AE → AF | 曝光变化改变图像对比度，影响FV计算 | AE收敛过程中AF误判峰值 | AF在AE稳定后再启动搜索 |
| AE → AWB | 增益变化改变RGB通道信噪比，影响色温估计 | 低照度下AWB偏色 | 限制数字增益上限，优先使用模拟增益 |
| AF → AE | 镜头移动改变进光量，影响亮度统计 | AF搜索过程中画面闪烁 | AF期间锁定AE参数或使用预测补偿 |
| AWB → AE | 白平衡增益改变各通道权重，影响亮度计算 | 色温突变导致亮度跳变 | AE统计使用加权亮度（Y = 0.299R + 0.587G + 0.114B） |
- 优先级排序：AE > AF > AWB。先确保曝光稳定，再进行对焦，最后校正颜色。
- 时序隔离：在AF搜索期间，AE和AWB应进入“保持（Hold）”模式，避免相互干扰。
- 收敛速度匹配：AE的收敛速度应快于AF，AF的搜索速度应快于AWB的色温跟踪速度。
- 场景自适应：在低照度、高动态范围（HDR）等特殊场景下，需单独调整3A的耦合参数。
3.6 本章小结
本章系统介绍了海思ISP中3A算法（AE、AF、AWB）的基本原理与闭环控制逻辑。核心要点包括：
- 3A算法遵循“统计 → 评估 → 决策 → 执行”的闭环反馈模型。
- AE通过控制曝光时间与增益，使亮度稳定在目标值；AF通过爬山法搜索最大对比度位置；AWB通过色温估计与增益计算实现灰平衡。
- 三个模块之间存在强耦合关系，调试