3. 低光照成像特性
自动对焦（AF）算法本质上是在“寻找清晰度峰值”。无论使用反差检测、相位检测还是混合对焦，评价函数都需要从图像中提取高频信息、边缘梯度或相位差信号。低光照场景之所以让AF变得困难，并不是因为“光少”本身，而是因为光少引发了一连串成像链路退化：信噪比下降、对比度丢失、纹理模糊、噪声形态改变。这些退化会直接污染AF评价函数，使峰值变平、偏移甚至出现伪峰。理解这条退化链，是后续调优曝光、增益、滤波与搜索策略的前提。
一、低光照成像的四级退化链
低光照下，传感器接收到的光子数量减少，光电转换后的原始信号幅度降低。为了维持画面亮度，ISP或驱动层通常会提高模拟增益和数字增益，同时延长曝光时间。增益放大的不只是有用信号，还包括暗电流噪声、读出噪声和量化噪声。于是图像在进入AF统计模块之前，已经经历了以下四级退化：
- 信噪比下降：信号幅度变小，噪声幅度相对变大，边缘处的梯度被噪声淹没。
- 对比度丢失：暗部被压缩、亮部被拉伸，局部灰度差减小，边缘不再“陡峭”。
- 纹理模糊：为抑制噪声而进行的降噪、时域滤波或镜头口径限制，会抹掉细纹理。
- 噪声结构化：噪声从随机颗粒变为固定模式噪声、带状噪声或彩色噪点，形成伪边缘。
这四级退化并非独立发生，而是相互耦合。例如，降噪越强，纹理越模糊；增益越高，噪声越明显；曝光越长，运动模糊越严重。AF评价函数面对的不是“一张暗图”，而是一张被多重处理后的、统计特性已经改变的图。
二、噪声如何污染AF评价函数
AF评价函数常见形式包括：相邻像素灰度差绝对值之和（SAD）、梯度平方和（Tenengrad）、拉普拉斯能量（SML）、频域高频能量等。它们共同的特点是：对高频敏感，也对噪声敏感。在正常光照下，真实边缘的高频能量远大于噪声；在低光照下，两者量级接近，甚至噪声反超。
噪声对评价函数的影响主要有三种形态：
- 抬高基线：随机噪声在每个像素上都产生微小梯度，累加后使评价函数整体抬高，峰值与谷底的差值被压缩。
- 制造伪峰：固定模式噪声或带状噪声形成稳定的“假边缘”，在非合焦位置产生局部极大值，诱导搜索算法误判。
- 峰值偏移：降噪滤波改变了边缘的梯度分布，使真实峰值位置向滤波延迟方向偏移，导致对焦“差一点”。
关键结论：低光照AF调优的核心不是“让图像变亮”，而是在提升信噪比的同时，保留评价函数所需的高频边缘信息。这两者往往互相矛盾，需要精细权衡。
三、典型场景与参数表现
以下表格总结了低光照下常见场景与AF评价函数的具体表现，便于在调优时快速定位问题来源。
| 场景条件 | 信噪比 | 对比度 | 纹理状态 | AF评价函数表现 |
|---|---|---|---|---|
| 室内弱光，静态物体 | 中等偏低 | 局部丢失 | 细纹理模糊 | 峰值变宽，仍可搜索到大致位置 |
| 夜间街景，高增益 | 低 | 暗部压缩严重 | 纹理被降噪抹平 | 曲线平坦，峰值不显著，易停在半焦 |
| 低照度+运动物体 | 低 | 边缘拖影 | 运动模糊叠加噪声 | 峰值偏移，搜索方向不稳定 |
| 极暗+固定模式噪声 | 极低 | 几乎无对比 | 纹理不可辨 | 伪峰密集，评价函数失去单调性 |
四、调优启示与常见误区
理解低光照成像特性后，可以得出几条对AF调优的直接启示：
- 先看信噪比，再看亮度：单纯拉高数字增益会让噪声同步放大，评价函数反而更差。应优先考虑延长曝光、增加补光或使用多帧合成。
- 评价函数需要抗噪设计：可在梯度计算前加入轻度高斯滤波或双边滤波，但滤波核不宜过大，否则会削弱真实边缘。
- 搜索策略要适应平坦曲线：低光照下峰值不明显，宜采用由粗到细的搜索，并设置合理的停止阈值，避免在伪峰处过早收敛。
- 区分“对不上”与“对不准”：对不上通常是评价函数失去单调性；对不准往往是降噪或曝光延迟导致的峰值偏移。
常见误区：很多调优者把低光照AF问题简单归因于“曝光不足”，于是不断拉高增益。结果画面变亮了，但噪声也被放大，评价函数曲线更加平坦，AF反而更难收敛。正确的顺序是：先保证信噪比，再保证对比度，最后才考虑亮度观感。
复盘时可以按以下清单逐项检查：
低光照AF问题排查清单：
1. 当前曝光时间 / 模拟增益 / 数字增益分别是多少？
2. 评价函数计算前是否经过降噪？滤波核尺寸多大？
3. 对焦搜索曲线是否仍为单峰？峰值与基线差值是否足够？
4. 是否存在固定模式噪声或带状噪声形成的伪峰？
5. 降噪、时域滤波是否引入了峰值位置偏移？
6. 搜索步长与停止阈值是否适配当前信噪比水平？