一、AF基础概念：什么是对焦、景深与焦平面、对比度检测与相位检测原理
大家好，欢迎来到这门课。我是你们的老朋友，一个在影像系统里摸爬滚打了十几年的工程师。
今天咱们开篇，聊点最基础但也最核心的东西——对焦。你可能会想，对焦谁不懂啊？手机相机一按就清楚了。但作为一个工程师，咱们得往深了挖：对焦的本质是什么？为什么有时候对不上？那些厂商吹的“相位对焦”、“激光对焦”到底是个啥？
嗯，别急。这一章，咱们就把地基打牢。
1.1 什么是对焦？——让画面“清晰”的物理本质
说白了，对焦就是调整镜头，让被拍物体在传感器上成一个清晰的像。你想想看，一个点光源发出的光，经过镜头折射后，如果正好汇聚在传感器平面上，那就是一个清晰的点；如果汇聚在传感器前面或后面，那这个点就变成了一个模糊的圆斑——我们叫它弥散圆。
核心公式（简化版）：
1/u + 1/v = 1/f
其中 u 是物距，v 是像距，f 是焦距。对焦的过程，本质上就是调整 v（像距），让传感器平面落在清晰的成像位置上。
我在项目中遇到过不少新手，拿着镜头拧了半天，问“为什么拧不动了？”其实不是拧不动，是已经拧到对焦极限了。这时候你就要考虑：是不是物距太近，超出了镜头的最近对焦距离？
1.2 景深与焦平面——为什么背景会虚化？
好，现在画面清楚了。但你有没有发现，有时候拍一个人，人脸是清晰的，背景却像奶油一样化开了。这就是景深在起作用。
焦平面，就是传感器所在的平面。理论上，只有在这个平面上的物体才是清晰的。但实际上，人眼对“清晰”有一个容忍度——只要弥散圆小于某个阈值，我们就认为它是清晰的。这个“清晰范围”的前后距离，就叫景深。
| 影响因素 | 趋势 | 实际影响 |
|---|---|---|
| 光圈（F值） | F值越小，景深越浅 | 大光圈（如F1.4）背景虚化明显，但对焦精度要求高 |
| 焦距 | 焦距越长，景深越浅 | 长焦镜头容易拍出虚化，但手抖也更容易糊 |
| 物距 | 距离越近，景深越浅 | 微距拍摄时，稍微一动就跑焦 |
| 传感器尺寸 | 画幅越大，景深越浅 | 全画幅比手机传感器更容易获得虚化效果 |
避坑指南：我曾经调试一个安防摄像头，发现晚上对焦总是来回“拉风箱”。后来一查，是因为光圈太大，景深太浅，加上光线不足，对比度检测算法在模糊和清晰之间找不到明确的边界。解决办法？要么缩小光圈，要么换用相位检测。
1.3 对比度检测对焦（CDAF）——最“老实”的方法
这是最早期的自动对焦方式，也是很多手机和相机的基础。它的原理很简单：找画面中边缘最锐利的位置。
具体怎么做呢？镜头从最近端移动到最远端，每移动一步，算法就计算当前画面的对比度值。对比度越高，说明边缘越清晰。当对比度达到峰值时，就认为对焦完成了。
我习惯把这个过程叫做“爬山算法”。你想想看，对比度曲线就像一座山，镜头从山脚开始爬，一直爬到山顶，那就是最清晰的位置。
对比度计算示例（简化）：
// 假设一个3x3的窗口
int contrast = 0;
for (int y = 0; y < 3; y++) {
for (int x = 0; x < 2; x++) {
contrast += abs(pixel[y][x] - pixel[y][x+1]);
}
}
// contrast 值越大，说明边缘越锐利优点：算法简单，成本低，精度高（理论上可以做到像素级）。
缺点：慢！因为它需要“试错”，来回移动镜头才能找到峰值。而且，如果场景本身对比度很低（比如拍一面白墙），它就彻底抓瞎了。
注意：对比度检测在低光照或低对比度场景下，对比度曲线会变得非常平坦，算法很难找到准确的峰值。这时候就会出现“拉风箱”现象——镜头来回移动，就是定不下来。
1.4 相位检测对焦（PDAF）——又快又准的“老司机”
相位检测就聪明多了。它不需要来回移动镜头去“试”，而是直接告诉你：镜头应该往哪个方向转，转多少。
它的原理，说白了就是模仿人眼的“双眼视差”。在传感器上，我们通过微透镜和遮光层，制造出“左眼像素”和“右眼像素”。这两个像素看到的图像会有微小的偏移——这个偏移量，就是相位差。
- 相位差 = 0： 对焦准确，画面清晰。
- 相位差 > 0： 镜头需要往一个方向移动。
- 相位差 < 0： 镜头需要往反方向移动。
而且，相位差的大小直接告诉了你需要移动多少距离。所以，PDAF 通常只需要一次计算、一次移动，就能完成对焦。速度比 CDAF 快了一个数量级。
个人经验：我在做一款旗舰手机摄像头时，用了“全像素双核”PDAF。说白了，就是每个像素都拆成两个光电二极管，一个看左，一个看右。这样整个传感器都是相位检测点，对焦又快又准。但代价是——每个像素的感光面积减半，暗光下噪点会多一些。嗯，这就是工程上的取舍。
1.5 两种方法的对比与融合
| 特性 | 对比度检测 (CDAF) | 相位检测 (PDAF) |
|---|---|---|
| 速度 | 慢（需要搜索） | 快（一次计算） |
| 精度 | 高（像素级） | 中等（受限于像素间距） |
| 低光表现 | 差（对比度低） | 较好（但暗光下相位差噪声大） |
| 低对比度场景 | 差（找不到边缘） | 好（只要有纹理就能检测） |
| 成本 | 低 | 高（需要额外硬件） |
现在的主流方案，基本都是混合对焦。先用 PDAF 快速逼近目标位置，再用 CDAF 做一次精细微调。这样既保证了速度，又保证了精度。
1.6 本章知识体系图
下面这张图，帮你把这一章的核心逻辑串起来：
好了，这一章的内容就到这里。对焦是影像系统的第一步，也是最重要的一步。后面的章节，我们会深入到具体的算法实现、硬件驱动、以及各种场景下的调优技巧。咱们一步一步来。