1. AF系统概述：自动对焦技术发展史、AF在手机与安防领域的应用、核心评价指标

各位同学好，我是你们这趟AF算法之旅的向导。做了十来年图像处理，从功能机时代一路摸爬滚打到今天，对焦这事儿，我自认还有点发言权。今天咱们先不急着写代码，先把AF的“前世今生”和“江湖地位”聊透。

你想想看，一张照片糊了，像素再高有什么用？自动对焦，说白了就是让镜头自己找到最清晰的那个位置。这背后，是一套精密的搜索与控制逻辑。

1.1 自动对焦技术发展史：从手动到智能

AF技术不是一天建成的。我刚开始入行那会儿，用的还是纯手动对焦，拧镜头拧得手指头疼。后来技术演进，大致经历了这么几个阶段：

阶段	核心技术	代表产品	我的评价
被动式AF（1980s）	反差检测（CDAF）	早期卡片机	慢，但准。光线好还行，暗处就抓瞎。
主动式AF（1990s）	红外/超声波测距	部分傻瓜机	不怕黑，但隔着玻璃就废了。
相位检测AF（2000s）	PDAF（专用像素）	单反相机	快！但需要专用硬件，成本高。
混合AF（2010s至今）	PDAF + CDAF + AI	智能手机、安防球机	又快又准，但算法复杂度上去了。

这里有个关键转折点——智能手机的爆发。手机内部空间就那么点，塞不下单反那套复杂的相位检测模块。于是，反差检测（CDAF） 成了主流。说白了，就是让马达带着镜头走一遍，找到图像对比度最高的那个点。

但CDAF有个天生的毛病——它不知道方向。它只知道当前点是不是比上一个点好，但不知道“好”的方向在哪。所以早期的手机对焦，经常能看到画面“拉风箱”——来回搜索，犹豫不决。

后来，索尼把PDAF像素集成到了CMOS上，手机AF才真正快起来。我2015年做第一款双摄项目时，就吃过这个亏——当时只用了纯CDAF，结果在暗光下对焦慢得像蜗牛，被客户骂得狗血淋头。嗯，从那以后，我对混合AF的敬畏心就刻在骨子里了。

1.2 AF在手机与安防领域的应用

同样是AF，手机和安防的需求完全是两码事。我分别说说。

手机领域：快、准、稳

• 场景： 拍人、拍物、拍风景，随时切换。
• 痛点： 用户手抖、物体移动、光线突变。
• 常用方案： 双核对焦（Dual Pixel）、全像素八核对焦、激光辅助AF。
• 我的经验： 手机AF最怕的是“微距”和“暗光”。微距时景深极浅，马达稍微多走一步就糊了；暗光下反差信号弱，评价函数曲线太平，算法容易陷入局部最优。我建议在微距场景下，强制限制搜索步长，宁慢勿错。

安防领域：远、稳、全天候

• 场景： 监控、人脸抓拍、车牌识别，镜头通常不动。
• 痛点： 变焦后重对焦、雨雾天气、夜间红外切换。
• 常用方案： 步进电机+高精度霍尔传感器、预置位对焦、温度补偿。
• 避坑指南： 我曾经做过一个安防项目，镜头在白天对焦好好的，一到晚上切换红外滤光片后，画面就虚了。查了三天才发现，是红外光波长不同导致焦平面偏移了。后来我们加了一个温度-焦距补偿表，才彻底解决。这个坑，你们以后大概率也会遇到。

1.3 核心评价指标：速度、精度、鲁棒性

评价一个AF算法好不好，就看这三个指标。它们之间是互相制约的，你不可能同时做到极致。

指标	定义	典型要求	我的调优心得
速度	从启动到合焦的总时间	手机：<200ms；安防：<1s	粗搜用大步长，细搜用小步长。别在平坦区浪费步数。
精度	合焦位置与真实焦点的偏差	手机：<1个景深；安防：<0.5个景深	精度受限于马达步长和评价函数灵敏度。别盲目追求高精度，够用就行。
鲁棒性	在不同场景下都能稳定合焦	低照度、低对比度、运动场景	这是最难调的。我建议加一个“置信度”判断，如果评价函数曲线太乱，就切换到慢速模式。

下面这张图，是我自己总结的AF算法知识体系。你可以把它当成我们这门课的地图。

这张图把AF系统拆成了三个核心模块：评价函数、搜索策略、马达控制。我们这门课，就是围绕这三个模块展开的。评价函数告诉你“清不清楚”，搜索策略告诉你“往哪走”，马达控制告诉你“怎么走”。

好了，第一章就到这里。内容不多，但都是基础。后面的章节，我们会一个一个模块地深入进去。记住我今天说的：理解场景，比理解算法更重要。