113、洞察驱动的实战标题——AE的"测光心法"——中央重点/平均/人脸加权/场景分割各自适用的场景，如何用统计信息动态切换测光权重昨晚在调试一台双目安防相机，夜视模式下的过曝问题折腾到凌晨两点。客户反馈说走廊尽头的窗户区域一片死白，人脸完全看不清。我盯着直方图发呆，突然意识到问题根本不在ISP的tone mapping，而在AE的测光权重——它还在用默认的全局平均，压根没意识到画面里那扇窗户占了三分之一的面积，而且亮度是走廊的二十倍。这种问题在手机影像里太常见了。你拿着旗舰机拍逆光人像，背景天空过曝成一片惨白，算法却告诉你"人脸曝光正确"。车载上更致命，隧道出入口的亮度跳变，测光权重如果反应慢了半拍，画面直接闪瞎驾驶员。安防监控里，强光源（路灯、车灯）进入画面，平均测光会让整个画面发灰，人脸细节全丢。先说清楚四种测光模式的本质区别，这决定了你什么时候该用谁。中央重点测光，本质是给画面中心区域一个高权重（通常60%-80%），边缘区域低权重。它假设"主体在中间"，这在构图上是合理的先验。适用场景很明确：固定机位的监控、工业视觉里的工件定位、以及手机拍摄时用户习惯性把主体放中间。但它的缺陷同样明显——一旦主体偏离中心，比如拍三分法构图的人像，或者画面中心是天空而主体在下方的场景，中央重点会给出完全错误的曝光基准。平均测光（全局平均或加权平均），把整个画面的亮度统计做加权平均，权重通常按像素位置或亮度分布来分配。它适合场景亮度均匀、没有极端高光或阴影的情况，比如阴天户外、室内均匀光照。但遇到逆光、强光源、大面积暗部+小面积亮部这类高动态范围场景，平均测光必然翻车——亮部过曝