1. 课程导论：RK平台图像调优概述、AE曝光协同的重要性、课程目标与学习路径

1.1 RK平台图像调优概述

RK平台（Rockchip）凭借其高集成度、低功耗与丰富的ISP（Image Signal Processor）硬件管线，在安防监控、AIoT、行车记录仪及消费类相机领域占据重要地位。图像调优（Image Tuning）的本质是在硬件限制与场景需求之间寻找最优平衡点，将RAW Sensor数据转化为视觉上自然、清晰且稳定的最终图像。

RK ISP管线包含多个关键处理模块，调优工作覆盖从Sensor驱动到最终YUV输出的全链路。下表列出了RK平台调优的核心模块及其作用：

1.2 AE曝光协同的重要性

自动曝光（AE）是图像调优的“总阀门”，它直接决定了进入ISP管线的信号质量。AE协同调试是指将AE策略与场景参数配置（如降噪等级、Gamma曲线、动态范围压缩）进行联动优化，而非各自为政。

AE协同失效的典型问题包括：

• 曝光闪烁： 场景亮度轻微变化时，AE在两组参数间频繁切换，导致画面忽明忽暗。
• 高光过曝/暗部死黑： AE只关注全局平均亮度，未考虑场景动态范围，导致细节丢失。
• 噪声放大： 低照度场景下AE过度提升增益，而NR参数未同步增强，导致图像布满噪点。
• 色彩偏移： 不同曝光值下Sensor响应非线性，AE切换时AWB未能及时跟随，造成色温跳变。

下图展示了AE与场景参数之间的协同关系：

1.3 课程目标与学习路径

本课程旨在帮助图像调优工程师系统掌握RK平台从场景参数配置到AE曝光协同调试的完整方法论。课程目标分为三个层次：

1. 理解原理： 掌握RK ISP管线各模块的数学模型与硬件实现方式。
2. 掌握工具： 熟练使用RK调试工具链（如RKISP Tuner、IQ Tool）进行参数调节与效果验证。
3. 实战协同： 能够针对典型场景（室内、室外、低照度、逆光）独立完成AE与场景参数的联合调优。

课程学习路径分为四个阶段，每个阶段对应不同的能力要求：

下图展示了课程学习路径的递进关系：