目录
简述：
AE（auto exposure），即自动曝光，AE是3A算法的一种，是相机根据外界光线的强弱自动调整曝光量和增益，防止曝光过度或者不足的一种机制。AE也是整个调试模块比较重要的一个模块，常常会与其他模块发生关联。一个调试的比较好的模组，必然是建立在比较好的自动曝光上的。之前一直有个误区，就是AE是控制亮度的，这个其实是不严谨的说法，自动曝光的影响因素主要是ISO(感光度)、光圈大小、曝光时间，只是最终结果体现在亮度层面上，还有其他因素也会影响亮度如：gamma、全局映射、每一帧HDR等。
影响因素：
ISO(感光度)：即增益，表示相机感光元件对光的敏感程度，ISO数值越高表示感光能力越强。增加ISO会使得图像变亮，噪点变多。
光圈：控制瞬时进光量。
曝光时间：感光芯片采样时间。曝光时间过短会使得图像噪点过多；曝光时间过长会产生运动模糊，拍照模糊或拖影的情况。
AE统计模块：
AE统计模块也是硬件模块，需要很强的运算能力，一般在LSC/WB之后，需要统计的信息主要包括亮度直方图、亮度区域统计值、当前亮度和环境亮度等等。
AE算法模块：
在AE算法模块主要是根据统计模块统计的信息进行下一步操作，进行实时计算，然后配置新的曝光参数写给Sensor。
曝光标准：以“18%中性灰”作为人眼可以接受的标准亮度；也就是MCC卡的第22格，关于这里可以看后面的参考链接。
常常采用均值法计算AE target,但是当背景为全黑或全白时会出现误差，为了减少这种误差就会先做直方图均衡化，提升图像细节和对比度，后面再去做均值法曝光计算AE target。
当前帧的亮度与target Y比较时，注意这里当前帧的亮度与target Y都不应该以最终的成像效果来判断，因为在整个处理过程中，自动曝光后面还会经过如GTM、gamma等都会显著改变图像的亮度。
AE算法要求：
AE的算法要求要保证快、准、稳，即要很快的能收敛到target附近，而且亮度要准确，收敛过程要平滑，收敛完成后要稳定。
影响AE算法的因素：图片亮度的统计，AE target，AE table，收敛速度控制。
实际操作中调节的因素有：调节曝光时间、调节光圈大小、调节Sensor的ISO感光度。
AE工作流程：
- sensor给定一组初始值输出图像。
- 进入ISP的AE统计模块统计当前帧target。
- 将当前帧亮度与目标target Y比较，如果过暗就增加曝光量，过亮就减少曝光量，得到新的AE target。
- 新的AE Target 分解得到一组新的曝光参数（不同sensor again、sensor dgain、isp dgain、光圈、快门速度的组合）。
- 将新的曝光参数写入sensor。
- 几帧重复过程。
— AE的输入为当前影像的亮度值Y，输出为sensor的曝光时间和增益，isp增益和镜头光圈（如果镜头光圈可调）。当AE algorithm得到当前帧的亮度后，便会与target Y做比较，然后计算出下一次需要调整的参数，以便让影像的亮度越来越接近target Y，如下所示。
曝光表：
在自动曝光过程中，影响曝光的是ISO、光圈、曝光时间，在手机等一般设备上光圈值一般为固定的，所以主要调节ISO和曝光时间来控制曝光量。在曝光表中，每个曝光量都有一组ISO与曝光时间的组合，tuning 过程中要根据不同特征场景使用不同的曝光参数。
1.高亮情况下，就不宜通过加大增益来提高亮度，这会带来噪声，而是通过加大曝光时间；
2.低亮场景下，提高曝光时间就会带来运动模糊，需要加大增益来提高亮度；
AE常见问题：
工频干扰：cmos sensor的曝光方式是按行进行的，在日光灯下，日光灯是交流电工作，每一刻能量都不相同，从而导致每一刻的曝光接受的能量不相同产生的flicker。要消除flicker, 只有曝光时间=光源周期的整数倍的时候，保证每个像素吸收的光能是稳定的。
去除50Hz工频干扰：
One Line Exposure time = (1/PCLK)*(OneLinePixeNumber + DummyPixeNumber);
Exposure Line = (1/100)/(One Line Exposure time);
目标亮度：
目标亮度有多种选择，根据不同的场景，目标亮度会有所不同，这也是平台差异化比较大的地方，高端的平台针对大部分场景都有特定的目标机制，例如夜景、平坦景、高光区域、背光区域等等 。
AE target：即 ISP 希望 sensor 输出的图片达到的亮度，对于第一次进相机，ISP 检测到当前帧的亮度 cur_luma 低于目标亮度 target_luma，就会增大 exp_index 获取新的 gain & line_count 进行重新曝光，直到 cur_luma 和 target_luma 相当。记住这里是sensor输出的图片，而不是最终效果图片。
对于没有人物的场景，AE 算法会平衡整体图片的亮度，但当画面中人物占主体时，如果不作特别处理，当人物处于逆光场景时，人脸会很暗，当人物处于暗环境时，人脸又会过曝。这对于人物占主体的场景而言，是非常不合适的，因此，当检测到人脸时，需要有特别的 AE 算法。face AE，当场景中检测到人脸时，会额外计算出人脸区域内的 face_luma，根据一定比例与 cur_luma 混合得到 final_luma，再将 final_luma 作为帧亮度与 AE Target 进行比较。
人脸场景需要考虑的问题点：
- 逆光场景：该场景下环境亮度很高，当提升人脸亮度时，必然会使背景过曝，如果提升亮度后，背景过曝严重，则可提高 face weight。
- 夜景：由于环境亮度低，识别到人脸时，AE 会减小 exp_index 保证人脸不过曝。
参考链接：
AE 基本原理总结_一只特立独行的zhu..的博客-CSDN博客_ae算法原理
小白入门isp之AE_云-天河的博客-CSDN博客_ae收敛
[Camera]摄像头图像处理及色彩模型_Letcos的博客-CSDN博客_摄像头图像处理
Qualcomm luma的理解_Realive1991的博客-CSDN博客_亮度luma
AE调试问题链接：
ISP调试中与AE相关的问题_一只特立独行的zhu..的博客-CSDN博客
文章出处登录后可见！
