目标
- 使用连接到移动车辆上的Android智能手机拍摄图像
- 频率：1 Hz
- 参考型号：谷歌像素3a
- 感兴趣的物体：车辆前方的道路
- 图片用途：作为机器学习(如RNN)的输入，以识别道路/道路表面的损坏
- 捕获环境：室外，仅在阴天
当前状态
- 捕获作品(由于数据大小的原因，目前使用JPEG而不是RAW)
- 自动曝光作品
- 静态焦距作品
挑战
- 图片中的道路表面往往很模糊
- 运动模糊的来源主要来自抖动的车辆/固定电话
- 为了减少运动模糊，我们希望使用"快门速度优先模式">
- 即最小化快门速度=>增加ISO(接受增加噪声)
- 只有一个光圈(f/1.8)可用
- Camera2 API中没有"快门速度优先模式"(简称：Tv/S模式)
- CameraX API(尚未)提供我们所需的功能(静态聚焦、Tv/S模式)
步骤
- 将快门速度设置为支持的最快曝光(轻松)
- 自动调整自动曝光的ISO设置(例如，此公式)
- 要计算ISO，唯一缺少的部分是光照水平(EV)
问题
- 在使用固定快门速度的情况下，如何在拍摄过程中连续估计EV以自动调整ISO
迄今为止的想法：
- 如果我可以在不实际启用
AE_MODE_ON的情况下从Camera2自动曝光(AE)例程中读取"建议"，那么我可以很容易地计算EV。然而，到目前为止，我还没有为此找到API。我想如果不路由设备，这是不可能的 - 如果环境光传感器将提供自动曝光(计算EV)所需的所有信息，这也将非常容易。然而，据我所知，它只测量入射光，而不是反射光，因此测量没有考虑照片中的实际物体(它们的表面如何反射光)
- 如果我能从最后一次拍摄的像素中获得信息，这也是可行的(如果计算时间适合两次拍摄之间的时间)。然而，根据我的理解，像素的"大"在很大程度上取决于捕捉到的物体，即如果捕捉到的对象的亮度发生变化(路边有许多"黑马"或"白熊")，我会计算出糟糕的EV值
- 在实际捕获之间捕获自动曝光的图像，并根据在实际捕获的中间捕获中使用的自动选择设置计算光照级别。根据我的理解，这将是一种相对"好"的方式，但在资源方面相当困难——我不确定两次捕获之间的可用时间是否足够
也许我看不到更简单的解决方案。有人做过这样的事吗？
是的，您需要实现自己的自动曝光算法。所有"真正的"AE都要经过传感器捕捉到的图像，所以理论上你可以构建出同样擅长猜测正确光线水平的东西。
在实践中，你不太可能匹配它，这既是因为你有一个更长的反馈回路(AE算法可以在同步要求上欺骗一点，并比应用程序更快地更新传感器设置)，也是因为AE算法可以使用硬件统计单位(收集整个场景的直方图和平均值)，这使它更高效。
但一个简单的自动曝光算法是对整个场景(或场景的一部分，或场景的每十个像素，等等)进行平均，如果平均值低于半个最大值，则增加ISO，如果高于，则减少ISO。换句话说，一个基本的反馈控制回路。所有关于稳定性、收敛性等问题都适用。因此，对控制理论的一些理解在这里会很有帮助。我建议从相机向ImageReader输出低分辨率YUV(可能是640x480？)，用作源数据，然后只看Y通道。在这种情况下，没有太多的数据可以篡改。
或者，正如hb0所提到的，如果你的户外条件非常有限，你可以尝试对每个条件的值进行硬编码。但室外亮度的范围可能相当大，因此这需要进行一些适当的测试以确保它能工作，再加上每次手动选择正确的值。
当图片仅在特定光线情况下拍摄时，如"室外多云"：
表格值可以用于曝光值(EV)，而不是使用光测量。
示例
- 室外多云(OC)的EV100(iso100)=13
- OC的EV(动态iso)=EV100+log2(iso/100)
使用这个公式和那些公式，我们可以从计算iso
- 光圈(固定)
- 快门速度(手动选择)
此外，我们可以添加一个UI选项来选择"轻度情况"，如：
- 室外，多云
- 室外，阳光充足
- 等等
这可能不是最准确的方法，但目前这是继续原型设计的第一种简单方法。