📚 课程目录第3章自动对焦基础

3. 自动对焦基础

自动对焦（AF）是成像系统中最影响“第一眼观感”的环节之一。无论后续的自动曝光与自动白平衡多稳定，只要焦点落在错误位置，画面主体就会失去细节。理解 AF 的本质，需要先回到光学成像的基本条件：被摄物点发出的光线经镜头汇聚后，应在传感器平面上形成最小弥散圆。当传感器平面与最佳像面重合时，该物点最清晰；偏离时，弥散圆变大，高频细节被低通，表现为模糊。AF 算法要做的，就是通过某种可测量的图像或光学信号，估计当前像面偏差，并驱动对焦马达把像面推到最佳位置。

从信号来源看，主流 AF 可分为对比度检测（CDAF）、相位检测（PDAF）以及二者结合的混合对焦。它们并不是简单的“新旧替代”，而是在速度、精度、低照度表现、成本与算力之间做不同取舍。调优时，必须明确当前平台使用的是哪条信号链，否则很容易把“对焦慢”误判为“马达慢”，或把“相位偏差”误判为“对比度搜索步长问题”。

一、对焦原理：从弥散圆到评价函数

对焦是否准确，可以用弥散圆直径来量化。理想情况下，物点成像为一个点；离焦时，它变成一个直径随离焦量增大的圆斑。AF 算法无法直接测量“真实物距”，只能通过图像或相位信号构造一个评价函数，让该函数在最佳像面处取得极值。CDAF 的评价函数通常是图像高频能量，例如 Sobel 梯度平方和、Laplacian 方差或带通滤波后的绝对值之和；PDAF 的评价函数则是左右相位差，理想合焦时相位差为零。

因此，调优的第一步不是改参数，而是确认评价函数是否“单峰、抗噪、可重复”。如果评价函数在搜索区间内出现多个局部峰值，CDAF 就会误判方向；如果相位差曲线在低照度下抖动剧烈，PDAF 的离焦量估计就会失准。实际项目中，常用以下指标评估评价函数质量：

单峰性：在合焦位置附近只有一个主峰，旁瓣低于主峰的 70%。
灵敏度：离焦 1 个景深单位时，评价值下降幅度大于 15%。
噪声鲁棒性：在 ISO 3200、增益 8 倍条件下，评价值波动小于 5%。
重复性：同一场景连续对焦 20 次，合焦位置标准差小于 0.5 个马达步。

二、对比度检测：爬山搜索与拉风箱

CDAF 的经典实现是爬山搜索。算法从当前位置出发，向一个方向移动马达，同时计算评价值；若评价值上升，继续同向；若下降，则反向并缩小步长，直到步长小于阈值。这个过程不需要额外光学器件，成本低、精度高，但存在两个固有问题：一是必须“先动再看”，无法预知离焦方向；二是当场景纹理弱或噪声大时，容易在局部峰值处停下，或在峰顶附近来回振荡，形成“拉风箱”。

CDAF 爬山搜索伪代码：
step = coarse_step
dir  = +1
while step > fine_threshold:
    v0 = eval_focus()
    move_motor(dir * step)
    v1 = eval_focus()
    if v1 > v0:
        continue
    else:
        dir = -dir
        step = step * 0.5
        move_motor(dir * step)
lock_focus()

调优时，粗扫步长决定速度，细扫阈值决定精度。步长过大容易越过主峰，步长过小则对焦时间线性增加。常见策略是：先用大 step 快速定位峰值区间，再在峰值附近用 1/2 或 1/4 步长细化。若画面中存在高频噪声，应在评价函数前加入低通或中值滤波，避免噪声被误认为纹理。

三、相位检测：一次测距，直接算离焦量

PDAF 在传感器像素中嵌入遮蔽结构，使一部分像素只接收左侧光线，另一部分只接收右侧光线。当像面偏离时，左右两路图像会产生相对位移，即相位差。相位差与离焦量近似成正比，因此只需一次曝光即可估计离焦方向和大小，马达可以直接移动到目标位置，无需反复搜索。这也是 PDAF 在明亮场景下对焦速度明显优于 CDAF 的原因。

但 PDAF 的弱点同样明确：遮蔽像素减少了进光量，低照度下信噪比下降；当场景存在重复纹理、大面积遮挡或主体对比度极低时，相位差计算可能失效。调优中需要设置置信度阈值，当相位差置信度低于阈值时，自动回退到 CDAF 或混合策略。典型参数包括：

参数	作用	典型调优方向
PD 置信度阈值	判断相位差是否可信	低照度提高阈值，减少误触发
PD 有效像素比例	参与相位计算的像素占比	纹理弱时降低比例，提升鲁棒性
离焦量增益	相位差到马达步数的换算系数	需按镜头模组标定，避免过冲
回退触发条件	PD 失效时切换 CDAF	连续 2 帧置信度不足即回退

四、混合对焦：场景自适应的组合策略

混合对焦的核心思想是“让合适的信号做合适的事”。在明亮、纹理丰富的场景，优先使用 PDAF 快速定位；在低照度、弱纹理或 PDAF 置信度不足时，切换到 CDAF 精修；在视频连续对焦中，还可以结合主体检测与运动预测，减少拉风箱。一个典型的混合流程如下：

预对焦阶段：用 PDAF 估计离焦量，马达一次性移动到目标附近。
精修阶段：在目标附近小范围启用 CDAF，寻找评价函数主峰。
锁定阶段：当评价值连续 3 帧变化小于 2%，判定合焦并锁定。
失焦监测：若场景变化或主体移动导致评价值下降超过 10%，重新触发 AF。

混合对焦的调优重点不是“把 PDAF 和 CDAF 都开到最大”，而是设计清晰的切换边界。边界过松会导致频繁切换、画面抖动；边界过紧则会在暗光下退化为纯 CDAF，失去速度优势。

五、常见误区与复盘清单

在实际调优中，以下误区出现频率最高：把对焦慢全部归因于马达，忽略评价函数信噪比；在低照度下强行使用 PDAF，导致对焦位置随机跳动；粗扫步长设置过大，越过主峰后误判为“无焦点”；以及没有区分静态拍照与视频连续对焦的评价标准。复盘时，建议按以下清单逐项检查：

评价函数是否在合焦位置附近单峰？旁瓣是否被抑制？
粗扫步长与景深是否匹配？是否存在越过主峰的风险？
PDAF 置信度阈值是否随 ISO 或增益自适应？
混合切换是否引入额外延迟？切换后是否重新收敛？
连续对焦时，是否对马达运动做了平滑，避免画面呼吸？
是否用真实场景（逆光、低对比、重复纹理）验证过，而非仅用测试卡？

对焦调优必须与曝光、白平衡联动验证。曝光不足会降低评价函数信噪比，白平衡偏色会影响基于颜色梯度的评价函数。单独调 AF 参数而不控制曝光稳定性，往往会在暗光场景出现“参数明明没改，对焦却变差”的假象。

总结来看，对焦原理决定了 AF 的物理边界，CDAF 提供了高精度但需要搜索的路径，PDAF 提供了快速测距但依赖置信度，混合对焦则通过场景自适应把两者优势组合起来。调优时，先保证评价函数可信，再优化搜索策略与马达响应，最后用真实场景做鲁棒性回归，才能让自动对焦在速度、精度与稳定性之间取得可交付的平衡。