2. 图像亮度度量：从RAW域到YUV域，如何定义一张图像的“亮度”？
做AE算法这些年，我最大的体会是：曝光准不准，首先得知道什么叫“亮”。
你想想看，一张照片，有的地方亮、有的地方暗。我们怎么用一个数字，来描述整张图的亮度？
这个问题，从RAW域到YUV域，答案完全不一样。今天我就带你捋一遍。
2.1 平均亮度：最简单，但最不靠谱
最直观的想法，就是把所有像素的亮度值加起来，除以像素总数。
公式很简单：
L_mean = (1/N) * Σ I(i, j)其中 I(i, j) 是像素 (i, j) 的亮度值，N 是总像素数。
但我在项目中吃过这个亏。
有一次做手机夜景模式，用平均亮度做AE参考。结果呢？画面里有一盏路灯，占了不到5%的面积，但亮度极高。平均亮度被拉得很高，算法以为场景很亮，自动降低了曝光。结果人脸全黑了。
2.2 中心权重亮度：更符合人眼习惯
人眼看东西，是有“重点”的。我们通常会把注意力放在画面中央。
所以，中心权重亮度就来了。它给画面中心区域更高的权重，边缘区域权重低一些。
常见的权重分布是高斯分布：
W(i, j) = exp( - ((i - i0)² + (j - j0)²) / (2σ²) )
L_weighted = ( Σ W(i, j) * I(i, j) ) / Σ W(i, j)其中 (i0, j0) 是图像中心，σ 控制权重衰减速度。
我个人习惯用 σ = 0.3 * min(width, height)。这样中心区域大概占画面的30%左右，比较符合人眼视觉。
2.3 直方图亮度：最全面的视角
平均和中心权重，都只给了一个数字。但一张图的亮度分布，其实很复杂。
直方图，就是把所有像素的亮度值，按区间统计出来。横轴是亮度（0~255），纵轴是像素数量。
从直方图里，我们能读出很多信息：
- 左偏：画面偏暗，欠曝
- 右偏：画面偏亮，过曝
- 中间集中：对比度低，灰蒙蒙
- 两边都有峰：高反差场景
基于直方图，我们可以定义多种亮度度量：
| 度量方式 | 计算方法 | 适用场景 |
|---|---|---|
| 中位数亮度 | 直方图累积到50%时的亮度值 | 抗噪能力强，不受极端值影响 |
| 众数亮度 | 直方图峰值对应的亮度值 | 场景主色调明显时好用 |
| 百分比亮度 | 取直方图某个百分位（如90%）的亮度 | 避免高光溢出时参考 |
我一般怎么用？
做AE算法时，我通常取中位数亮度作为主参考，再结合90%分位亮度做防过曝保护。这样既稳定，又安全。
2.4 从RAW域到YUV域：亮度定义完全不同
这里有个关键点，很多人会忽略。
RAW域的亮度，是线性的。 传感器采集的光子数，和像素值成正比。但人眼对亮度的感知，是非线性的。
YUV域的亮度，是经过Gamma校正的。 它更接近人眼的感知特性。
所以，同一个场景，在RAW域和YUV域算出来的“平均亮度”，意义完全不同。
- RAW域做AE：用线性亮度，适合精确控制曝光时间
- YUV域做AE：用Gamma校正后的亮度，适合视觉质量评估
- 我建议：算法内部用RAW域，最终输出前转YUV域做校验
2.5 知识体系总览
下面这张图，是我自己总结的亮度度量知识体系。你看一遍，心里就有谱了。
2.6 实战建议：我到底该用哪个？
说了这么多，你可能有点晕。我直接给你一个决策流程：
- 先看场景：如果是均匀光照（如室内灯光），平均亮度就够了
- 再看主体：如果主体在中央（如人像），用中心权重
- 最后看复杂度：如果场景复杂（如逆光、夜景），必须用直方图
嗯，这里要注意：没有万能的亮度度量。我做过一个项目，白天用平均亮度，晚上自动切换到直方图中位数。效果比单一方法好很多。
好了，关于图像亮度度量，就聊到这儿。记住：选对度量方式，AE算法就成功了一半。
公众号:蓝海资料掘金营，微信deep3321