相机怎样决定明暗？AE 自动曝光系统总览

自动曝光（Auto Exposure，AE）的任务并不是把每一帧都变成相同亮度，而是在传感器、镜头、帧率和场景运动的约束下，持续选择“下一帧应该采集多少光”。因此 AE 更像一个带约束的闭环控制系统，而不是单次执行的亮度增强算法。

一条典型 AE 链路可以概括为：

1
传感器图像 → 亮度统计与 ROI 权重 → 目标亮度与曝光误差
2
→ 时域控制器 → 曝光量分配 → 快门 / 光圈 / 模拟增益
3
→ 下一帧图像 → 再次统计

这条环路里的每一步都可能改变最终观感。测光区域选错会让背景支配主体；目标设置不合理会把夜景照成白天；控制器过快会闪烁，过慢又跟不上场景；曝光量分配不当则会在运动模糊、噪声与高光余量之间做出错误交换。

用一组变量看完整闭环#

把第 $n$ 帧图像记为 $I_n$ ，统计模块用当前权重 $w_n$ 得到亮度观测 $Y_{m,n}$ ；场景策略给出目标 $Y_{t,n}$ 。曝光补偿 $c_n$ 也写在 EV 域中，则误差为：

Y_{m,n}=\Phi(I_n,w_n),\qquad e_n=\log_2\frac{Y_{t,n}}{\max(Y_{m,n},\epsilon)}+c_n

控制器不会直接输出某个快门值，而是先更新总曝光命令 $u_n$ 。执行器再把 $2^{u_n}$ 代表的曝光倍率分配给快门 $t$ 、光圈 $N$ 和增益 $G$ ：

u_{n+1}=\operatorname{clip}(u_n+\alpha e_n,u_{min},u_{max}), \qquad H_n\propto\frac{t_nG_n}{N_n^2}=H_0\,2^{u_n}

命令通常要经过 $d$ 帧才反映到统计中，可把被控对象粗略写成：

Y_{m,n+d}\approx \operatorname{clip}\!\left(K_nH_n,0,Y_{sat}\right)

$K_n$ 汇总了场景照度、反射率和传感器响应。这个表达把链路分成了观测、目标、控制、执行和反馈五个职责，但没有描述真实 ISP 的非线性、HDR 多曝光、寄存器量化或场景运动；它只用于建立系统边界。

下面的 NumPy 示例完成一次最小闭环：从分区亮度得到观测，在 EV 域限制单帧步长，再把总曝光量优先分给快门，剩余部分交给增益。

1
import numpy as np
2

3
# 4 个测光分区；中心主体权重更高
4
zones = np.array([0.10, 0.18, 0.22, 0.12], dtype=float)
5
weights = np.array([1.0, 2.0, 2.0, 1.0], dtype=float)
6
target = 0.30
7

8
measured = np.average(zones, weights=weights)
9
error_ev = np.log2(target / max(measured, 1e-6))
10
step_ev = np.clip(0.6 * error_ev, -0.5, 0.5)
11
exposure_ratio = 2.0 ** step_ev
12

13
# 教学用执行器：基准为 1/250 s、ISO 100，快门最长允许 1/60 s
14
base_shutter = 1.0 / 250.0
15
max_shutter = 1.0 / 60.0
16
shutter = min(base_shutter * exposure_ratio, max_shutter)
17
gain = exposure_ratio / (shutter / base_shutter)
18
iso = 100.0 * gain
19

20
print(f"measurement={measured:.3f}, error={error_ev:+.2f} EV")
1 collapsed line
21
print(f"command={step_ev:+.2f} EV, shutter=1/{1/shutter:.0f} s, ISO≈{iso:.0f}")

这段代码只执行一个控制步，也把光圈固定不变。量产 AE 会跨帧保存状态，并同时考虑命令延迟、运动风险、模拟增益档位和防频闪安全快门；后两篇分别展开统计目标与时域执行。

从“测亮度”到“决定曝光”#

AE 首先从传感器或 ISP 统计模块获得直方图、分区亮度、饱和比例以及可能的人脸 ROI。统计值并不自动等于拍摄意图：同一幅逆光人像，全局平均与人脸重点测光会给出完全不同的结论。

得到测量值 $Y_m$ 后，系统还需要给出目标 $Y_t$ 。常用的曝光误差写在 EV 域中：

e=\log_2\frac{Y_t}{\max(Y_m,\epsilon)}

$e=1$ 表示曝光量约需增加一档， $e=-1$ 表示约需减半。曝光补偿、场景识别、高光保护和人脸优先，本质上都在修改目标或限制可接受误差。

关于统计窗口、测光权重、目标亮度与曝光补偿，下一篇会单独展开：AE 怎样测量亮度？从测光统计到曝光目标。

AE 是一个跨帧闭环#

曝光命令只会影响后续帧，统计本身也含噪声。若控制器把一帧估出的全部误差立即补完，延迟与误差很容易造成亮暗来回摆动。最简单的一阶响应可以写为：

E_{n+1}=E_n+\alpha(E_t-E_n)

其中 $\alpha$ 决定单帧修正比例。

第 14 帧亮度0.64

剩余误差0.007

目标亮度0.65每帧收敛速度28%

教学曲线是一阶控制器。真实 AE 还要处理统计延迟、曝光生效延迟、上下行速度不对称和场景切换检测。

产品中的 AE 通常还会加入死区、上下行不同速度、最大单帧步长、场景突变检测和曝光命令延迟补偿。录像强调平滑，拍照预览则可能在构图变化后暂时提高响应速度。

曝光量不是一个独立旋钮#

控制器输出“增加一档”之后，还要把曝光量分配给硬件：

延长快门能收集更多光子，但会增加运动模糊，并受帧率限制；
提高模拟增益有助于冻结运动，但会放大噪声并减少高光余量；
数字增益通常只是码值缩放，不能提高传感器实际信噪比；
可变光圈能改变进光量与景深，但手机等设备常使用固定光圈；
HDR 传感器还要同时约束长短曝光比例与各自饱和风险。

人工照明进一步限制可用快门。50 Hz 市电环境常对应 100 Hz 光强周期，60 Hz 则常对应 120 Hz；快门若没有与周期协调，滚动快门画面可能出现横向条带或逐帧明暗变化。LED PWM 频率还可能完全不同。

闭环参数、快门与增益分配以及防频闪策略会在专题中继续说明：AE 怎样稳定收敛？从曝光闭环到防频闪。

AE 与 ISP 不能互相替代#

AE 发生在采集决策阶段，Tone Mapping、Gamma 与数字提亮发生在已有信号的呈现阶段。后处理可以让暗部看起来更亮，却不能补回没有被传感器采集的光子；高光一旦饱和，后处理也无法恢复原始层次。

实际相机可能让 AE 与 Tone Mapping 联动，但二者职责仍应分清：AE 管理传感器曝光与信噪比，ISP 管理已采集动态范围如何映射到输出。

系统验证要看时间和场景#

静态灰卡只能验证局部正确性。完整 AE 还应检查：

主体在明暗背景间移动时，曝光是否稳定；
场景突变后的收敛帧数、过冲与回摆；
人脸 ROI 出现、消失或切换时是否产生跳变；
低照度运动场景中的模糊、噪声与高光取舍；
50 Hz、60 Hz 以及多种 LED PWM 灯具下的条带；
视频帧率、传感器寄存器量化和曝光生效延迟；
HDR 多曝光模式切换时的亮度连续性。

理解 AE 的关键，是把它看成“测量—目标—控制—执行—再测量”的循环。接下来的两篇专题会分别拆开环路前半段的统计决策，以及后半段的时域控制与硬件约束。