双摄虚化原理：双目视差、深度图生成、虚化强度控制

人像模式的核心，说白了就是让手机拍出单反大光圈的效果。背景虚化，主体清晰。但手机镜头物理光圈就那么小，怎么做到的？

答案是双摄。用两颗摄像头模拟人眼，通过计算来“猜”出场景的深度信息。我最早接触这个模块是在高通骁龙845平台，那时候算法还比较粗糙，抠图经常翻车。现在好多了，但核心原理没变。

2.1 双目视差：人眼怎么判断远近

你想想看，为什么你闭上一只眼，就很难判断距离？因为人眼靠左右眼看到的图像差异来感知深度。这个差异，就叫视差。

双摄虚化也是这个道理。主摄和副摄之间有一定距离（基线），它们同时拍下同一场景。近处的物体，在两颗摄像头画面中的位置偏移大；远处的物体，偏移小。

我在项目中遇到过一个问题：基线太短，近处和远处的视差区别很小，深度图就糊成一片。后来我们通过算法插值勉强补救，但物理限制摆在那里。

物体距离	视差值	深度估计精度
近（0.3m）	大（几十像素）	高
中（1m）	中等	中等
远（5m+）	小（几个像素）	低

嗯，这里要注意：视差计算依赖特征匹配。如果场景是纯色墙壁，没有纹理，算法就抓瞎了。所以有些手机在暗光下虚化效果差，不全是噪声问题，纹理丢失也是原因。

2.2 深度图生成：从视差到灰度图

有了左右眼的视差数据，下一步就是生成深度图。深度图是一张灰度图，每个像素的灰度值代表该点的深度。越亮表示越近，越暗表示越远。

生成流程大致如下：

1. 图像校正：把左右图对齐到同一平面，消除镜头畸变和安装误差。
2. 立体匹配：在左图上选一个像素，到右图同一行上找最相似的点。这个搜索范围叫“视差搜索范围”。
3. 代价计算：用SAD（差和）或SSD（平方差和）衡量两个像素块的相似度。
4. 视差优化：用全局或半全局匹配算法（如SGM）平滑视差图，去除噪点。
5. 深度映射：把视差值转换成深度值，输出8位或16位深度图。

深度图的质量直接决定虚化效果。如果深度图边缘模糊，虚化后的主体边缘就会有一圈“光晕”。我曾经调试过一个案子，人像头发边缘总是虚化不干净，最后发现是立体匹配的窗口大小设得太大了，导致深度图在边缘处平滑过度。

// 伪代码：立体匹配核心逻辑
for each pixel (x, y) in left_image:
    min_cost = INF
    best_disparity = 0
    for d in disparity_range:
        cost = SAD(left_image[x][y], right_image[x-d][y])
        if cost < min_cost:
            min_cost = cost
            best_disparity = d
    disparity_map[x][y] = best_disparity

这段代码看着简单，实际工程里要考虑的东西多得多。比如遮挡处理、亚像素插值、一致性检查。高通平台提供了完整的Depth API，但理解底层原理对调试很有帮助。

2.3 虚化强度控制：从f/1.4到f/16的模拟

深度图有了，怎么控制虚化程度？

虚化强度本质上是一个模糊半径。模糊半径越大，背景越糊。但模糊半径不是随便设的，它要跟深度值挂钩。

我习惯的做法是：

• 设定一个“焦平面”深度值。在这个深度上的物体保持清晰。
• 偏离焦平面越远，模糊半径越大。
• 模糊半径的增长曲线可以是线性的，也可以是非线性的（模拟真实镜头的光学特性）。

高通平台上的虚化强度控制通常通过以下几个参数调节：

参数名	作用	典型值范围
focal_distance	焦平面深度	0.5m - 5.0m
blur_strength	整体虚化强度	0.0 - 1.0
bokeh_shape	光斑形状（圆形/六边形）	0 / 1
transition_smooth	焦平面过渡平滑度	0.0 - 1.0

我个人习惯把transition_smooth设得高一些，这样主体到背景的过渡更自然，不会出现明显的“一刀切”感。

还有一个容易被忽略的点：前景虚化。真实镜头在焦平面前面的物体也会虚化，但很多手机算法只做背景虚化。高通平台支持前景虚化，但需要更精确的深度图。我建议在实现时至少保留这个选项，用户体验会好很多。

最后说一句，虚化强度控制不是单纯调一个滑块。它跟场景内容、光照条件、人脸检测结果都有关系。我建议你在实现时做一个自适应策略：人脸区域强制清晰，背景按深度渐变模糊，过渡区用高斯金字塔做多尺度融合。这样出来的效果才自然。