3. 反差式对焦:精度与速度的博弈

反差式对焦,圈内人常叫它「爬山法」。名字挺形象——就像爬山,一步步往高处走,直到山顶。

说白了,它的核心逻辑就一句话:找图像对比度最大的那个点。镜头移动时,传感器实时计算画面的对比度值,值越大,说明越清晰。等对比度爬到顶峰,对焦就完成了。

这个方案在手机、安防相机、入门级工业检测里用得非常多。我最早接触它是在十年前做USB显微镜项目的时候,当时觉得这东西真简单,后来才发现——简单的东西往往藏着坑。

3.1 工作原理:爬山算法

先看它的基本流程。我画了张图,你一看就明白。

反差式对焦——爬山法工作流程 1. 初始位置 2. 采集对比度 3. 判断方向 4. 移动镜头 5. 重新采集 6. 对比度峰值? 未达峰值 → 继续移动 完成

流程不复杂,但有个关键问题:它不知道峰值在哪,只能一步步试。这就导致了它的核心矛盾——精度和速度天生冲突。

3.2 优点分析

先聊优点。反差式对焦能活到今天,自然有它的道理。

核心优势:

  • 精度高——理论上可以达到像素级。只要算法够好,它能找到对比度曲线的真实顶点。我在做显微对焦时,用反差式能做到亚微米级的重复精度。
  • 成本低——不需要额外的相位检测像素,也不需要激光或结构光模组。普通CMOS传感器加一颗MCU就能跑。对于成本敏感的产品,这是巨大的诱惑。
  • 结构简单——硬件上只需要马达驱动和图像数据通路,没有复杂的校准流程。产线调试工作量小很多。
  • 适用面广——任何场景都能用,不挑光源,不挑被摄物体纹理。这一点比相位对焦强。

我记得有个项目,客户要求把BOM成本压到50块以内,还要实现自动对焦。当时方案选型时,只有反差式能满足预算。最后做出来的效果,在静态场景下跟千元级产品的对焦精度差不多。

3.3 缺点剖析

但缺点也很明显,而且有些是硬伤。

缺点 具体表现 影响程度
速度慢 需要来回搜索,尤其从失焦状态起步时,可能要移动几十步才能找到峰值 高
局部极值陷阱 遇到低纹理区域或周期性图案,算法可能停在假峰值上 高
无法预判方向 不知道镜头该往哪边走,只能先试一步再判断 中
对光照敏感 低照度下对比度信号弱,容易误判 中
不适合运动场景 目标移动时,对比度曲线一直在变,算法很难收敛 高

⚠ 避坑指南:局部极值

我曾经在一个条码扫描项目里吃过这个亏。条码的黑白条纹在某个距离上产生了周期性对比度信号,算法在错误位置停住了,画面其实是模糊的。后来加了多尺度搜索策略才解决。如果你做的是带纹理重复的场景,一定要在算法里做峰值有效性校验。

3.4 速度瓶颈的根源

为什么慢?我拆开来说。

反差式对焦本质上是一个搜索问题。镜头从起点出发,每走一步都要停下来采集一帧图像,计算对比度,然后决定下一步往哪走。这个过程有几个时间开销:

  1. 帧采集延迟——至少等一帧的时间。30fps的相机,一帧就是33ms。
  2. 计算延迟——对比度计算虽然不复杂,但也要几毫秒到十几毫秒。
  3. 马达响应延迟——步进马达的加减速时间。
  4. 过冲回退——如果步长太大,冲过峰值了还得退回来。

算下来,一次完整的对焦过程,少则几百毫秒,多则几秒。这在视频录制或运动抓拍场景里,基本不可用。

💡 提速技巧

我习惯的做法是:粗搜+精搜两段式。先用大步长快速找到峰值附近区域,再换小步长精细定位。这样能把时间压缩到原来的1/3左右。另外,如果硬件支持,可以开ROI(感兴趣区域)只计算画面中心区域,也能省不少时间。

3.5 局部极值的成因与对策

局部极值这个问题,说大不大,说小不小。遇到简单的场景,它不会出现。但一旦出现,对焦就废了。

成因主要有三种:

  • 低纹理区域——比如拍一面白墙,对比度曲线几乎是平的,算法找不到明显的峰值。
  • 周期性纹理——比如栅栏、布料纹理,对比度曲线出现多个波峰,算法可能停在错误的那个上。
  • 噪声干扰——传感器噪声在某些位置恰好产生了虚假的对比度峰值。

怎么解决?我分享几个实战经验:

问题类型 常用对策 效果
低纹理 辅助光源投射纹理,或切换到其他对焦方式 好
周期性纹理 多窗口对比度融合,不同区域的峰值互相校验 较好
噪声干扰 时域滤波,连续几帧的对比度值做平滑 中等
全局搜索 全行程扫描一次,记录所有峰值,选最高的 最可靠,但最慢

嗯,这里要注意:没有银弹。每种方法都有代价。全行程扫描最可靠,但速度最慢。多窗口融合效果好,但计算量上去了。选哪种,取决于你的应用场景。

3.6 适用场景总结

说了这么多,到底什么时候该用反差式对焦?

我个人觉得,它最适合以下场景:

  • 静态拍摄——文档扫描、条码读取、显微成像、产品检测
  • 成本敏感——消费级摄像头、门禁系统、玩具相机
  • 精度优先——需要精确对焦但速度要求不高的场景
  • 混合对焦的辅助——作为相位对焦的精细校准环节

不适合的场景:

  • 运动物体跟踪——比如体育摄影、无人机避障
  • 视频录制——连续对焦时画面会来回抽动
  • 低照度环境——对比度信号太弱,容易失败