📚 课程目录第4章自动对焦基础

4、自动对焦基础：对焦原理、镜头模型、景深概念、对比度检测与相位检测方法

自动对焦（Auto Focus, AF）是ISP 3A算法中直接影响成像清晰度的核心环节。在深入讨论对比度检测（CDAF）与相位检测（PDAF）之前，必须先建立对焦的物理本质与数学模型。本章从镜头成像的几何光学出发，推导对焦评价的数学基础，引入景深（Depth of Field, DoF）对合焦判定的约束，并系统对比两种主流检测方法的原理、实现路径与工程权衡。

4.1 对焦原理与镜头模型

对焦的本质是调整镜头组中某一片或几片透镜的位置，使被摄物体通过光学系统后，在图像传感器（Sensor）表面形成清晰的像点。根据高斯成像公式：

1/f = 1/u + 1/v

其中 f 为镜头焦距，u 为物距（被摄物体到镜头主面的距离），v 为像距（镜头主面到清晰像面的距离）。当 u 变化时，v 必须相应改变才能保持清晰成像。对于定焦镜头，唯一可调的是通过移动镜头组改变 v；对于变焦镜头，f 与 v 同时变化，但对焦控制逻辑相同。

在实际摄像头模组中，镜头通过音圈马达（VCM）或步进马达驱动，沿光轴方向移动。马达的行程通常为 0.1mm~0.5mm，对应物距从微距（约 10cm）到无穷远。ISP 通过 I2C 或 SPI 接口向马达驱动芯片写入 DAC 值（如 0~1023），控制镜头位置。合焦判定即寻找最佳 DAC 值，使像面与 Sensor 感光面重合。

参数	符号	典型值	说明
焦距	f	3.5mm~6mm	手机主摄常用
F数	F#	1.8~2.4	光圈大小，影响进光量与景深
马达行程	Δv	0.2mm~0.4mm	对应 DAC 全量程
DAC 精度	N	10bit (0~1023)	步进分辨率约 0.4μm
最小物距	u_min	5cm~10cm	微距模式

工程经验：镜头马达存在非线性响应，尤其在行程两端。建议在产线标定时记录 10~20 个 DAC 点对应的实际位移，建立查找表（LUT）用于对焦控制，而非假设线性关系。

4.2 景深概念与弥散圆

景深是指在被摄主体前后一定距离范围内，物体仍能保持清晰成像的空间深度。其物理根源在于：人眼或图像传感器对“清晰”的判定存在容差——当像点扩散为一个小圆斑（弥散圆，Circle of Confusion, CoC）且直径小于某一阈值时，视觉上仍认为清晰。

设允许弥散圆直径为 c，镜头光圈数为 F，焦距为 f，对焦距离为 u，则近点距离 Dn 与远点距离 Df 可近似表示为：

Dn = H·u / (H + u - f)
Df = H·u / (H - u + f)
其中 H = f² / (F·c) 为超焦距

景深 DoF = Df - Dn。从公式可见：光圈越小（F 数越大）、焦距越短、对焦距离越远，景深越大。在手机摄影中，由于 Sensor 尺寸小、焦距短，景深通常较大，这降低了对焦精度的要求，但也使得“浅景深虚化”需要算法模拟。

  对焦判定中的景深应用：当镜头移动到某个位置，使得被摄主体对应的像点弥散圆直径小于 c 时，即可认为合焦。ISP 在搜索对焦位置时，不需要找到数学上的精确峰值，只需进入景深范围即可停止。这可以显著减少搜索步数，提升对焦速度。

4.3 对比度检测对焦（CDAF）

对比度检测法基于一个基本观察：图像越清晰，相邻像素间的灰度差异越大，即高频分量越丰富。CDAF 通过计算对焦窗口内图像的对比度评价函数值，搜索使该值最大的镜头位置。

常用评价函数包括：

Tenengrad 函数：使用 Sobel 算子计算水平和垂直梯度，求平方和。对边缘敏感，抗噪性较好。
Laplacian 函数：计算二阶导数，对高频响应快，但对噪声敏感。
方差函数：计算像素灰度方差，实现简单，但区分度较低。
信息熵函数：基于灰度直方图熵值，适合纹理丰富的场景。

搜索策略通常采用“爬山算法”：从当前 DAC 位置出发，以一定步长向对比度增大的方向移动，直到对比度开始下降，然后缩小步长反向搜索，逐步逼近峰值。步长策略直接影响速度与精度：大步长搜索快但可能越过峰值，小步长精度高但耗时。

搜索阶段	步长 (DAC)	目的	典型耗时
粗搜索	32~64	快速定位峰值附近区域	10~20ms
细搜索	4~8	精确定位峰值	5~15ms
微调	1~2	补偿噪声与振动	2~5ms

CDAF 的固有缺陷：在低对比度场景（如白墙、天空）中，评价函数曲线平坦，难以找到明确峰值；在纹理重复场景（如栅栏）中可能出现多峰，导致误判。此外，CDAF 需要“先搜索后判断”，无法预知镜头移动方向，因此对焦速度受限于搜索策略。

4.4 相位检测对焦（PDAF）

相位检测法通过硬件方式直接测量离焦方向与离焦量。在 Sensor 上集成特殊的相位检测像素（通常为成对的光电二极管，分别接收通过镜头左右或上下部分的光线），当镜头合焦时，左右像素接收到的图像相位一致；当离焦时，两幅图像产生横向偏移，偏移量正比于离焦程度。

设左右像素对的图像偏移为 Δ（单位：像素），镜头位移与相位差的关系近似线性：

ΔDAC = k · Δ + offset

其中 k 为比例系数（由镜头光学设计与像素间距决定），offset 为出厂标定值。ISP 只需计算一次相位差，即可直接驱动镜头到目标位置，无需多次搜索。

PDAF 像素在 Sensor 上的排布方式有几种：

2x1 双像素（Dual Pixel）：每个像素拆分为左右两个光电二极管，所有像素均可用于相位检测，对焦精度高，但成本较高。
掩蔽式 PDAF 像素：在部分像素上覆盖微透镜偏移或金属掩蔽，仅部分像素参与相位检测，成本低但采样密度低。
全像素双核（2x2 OCL）：每个像素内部分为四个子像素，支持横向与纵向相位检测，适用于任意方向纹理。

  PDAF 的工程挑战：相位差与离焦量的线性关系仅在较小离焦范围内成立，大离焦时可能出现非线性甚至方向反转。因此 PDAF 通常与 CDAF 结合使用：PDAF 负责快速粗定位，CDAF 负责最终精调与确认。

4.5 混合对焦策略与实战案例

现代 ISP 普遍采用“PDAF 粗对焦 + CDAF 精对焦”的混合方案。以某旗舰手机主摄为例，其 Sensor 为 50MP 双像素结构，对焦流程如下：

场景检测：ISP 统计当前帧的亮度、对比度、运动矢量，判断是否适合 PDAF。
PDAF 粗定位：计算相位差 Δ，查表得到目标 DAC 值，直接驱动镜头到位。此过程约 5~10ms。
CDAF 精调：在目标 DAC 附近 ±16 步范围内，以 2 步为间隔计算 Tenengrad 值，搜索局部峰值。此过程约 3~8ms。
合焦确认：检查峰值对比度是否超过阈值，且与相邻点差异是否显著。若满足，则锁定 DAC 值；否则重复步骤 2~3。

场景	初始状态	PDAF 相位差	动作	最终 DAC	总耗时
远景风景	镜头在 500	+120	直接跳到 380	382	12ms
近景人像	镜头在 500	-80	直接跳到 580	576	15ms
低光室内	镜头在 500	+35	跳到 465，CDAF 微调	468	22ms

该方案在光线充足时对焦速度提升约 60%，在低光场景下仍能保持稳定。但需要注意，PDAF 像素的灵敏度通常低于普通像素，可能导致局部亮度不均，需在 ISP 中做校正。

常见误区：部分工程师认为 PDAF 可以完全替代 CDAF，实际并非如此。PDAF 在以下场景可能失效：① 镜头严重污损导致相位信息失真；② 被摄物体为周期性纹理（如百叶窗）；③ 极低照度下相位差信号噪声过大。此时必须回退到 CDAF 模式。

4.6 对焦评价与调试要点

在 ISP 调试过程中，对焦性能评估需关注以下指标：

对焦时间：从触发对焦到合焦确认的帧数或毫秒数。
对焦准确率：在标准测试图卡（如 Siemens Star、ISO 12233）上，合焦位置与理想位置的偏差。
重复精度：同一场景多次对焦的 DAC 值标准差。
温度漂移：VCM 在高温下电阻变化导致位移偏移，需温度补偿表。

调试时建议使用“对焦曲线”工具：记录不同物距下的最佳 DAC 值，拟合曲线。若曲线出现跳变或非线性，需检查马达机械结构或镜头装配问题。

实战建议：在产线标定阶段，至少采集 5 个物距（如 10cm、30cm、1m、3m、无穷远）下的最佳 DAC 值，并记录温度。量产时根据温度传感器实时查表补偿，可显著提升对焦一致性。

本章从镜头成像模型出发，建立了对焦的数学基础，明确了景深对合焦判定的容差约束，并深入剖析了 CDAF 与 PDAF 的原理、优缺点及混合策略。理解这些基础概念，是后续学习对焦算法优化、多摄融合对焦以及 AI 辅助对焦的前提。