3、自动对焦（AF）算法原理

自动对焦，说白了就是让镜头自己找到最清晰的那个位置。你想想看，手机拍照时那一瞬间的“咔哒”声背后，其实是一套复杂的物理测量和搜索逻辑在跑。我刚开始做ISP时，总觉得AF不就是找个最大值嘛，后来被各种场景虐过才知道，这里面的坑比想象中多得多。

3.1 AF的物理基础：对比度与相位

要理解AF，得先知道相机怎么判断“清晰”。目前主流方案就两种：对比度检测和相位检测。它们俩的物理原理完全不同，适用场景也各有侧重。

检测方式	物理原理	典型应用	我的评价
对比度检测（CDAF）	图像边缘越锐利，相邻像素灰度差越大	早期手机、微单、监控	精度高，但慢得像蜗牛
相位检测（PDAF）	通过微透镜分光，测量左右像点的偏移量	主流旗舰手机、单反	快准狠，但硬件成本高
混合对焦（Hybrid AF）	PDAF粗定位 + CDAF精调	几乎所有中高端机型	这才是工程上的最优解

我在项目中遇到过一个问题：纯CDAF在拍纯色墙壁时，对比度曲线几乎是一条平线，镜头会来回拉风箱。后来加了PDAF辅助，才解决了这个“无纹理死锁”的尴尬。

3.2 对焦窗口选择

AF算法不是对整张图算清晰度的，那样太慢了。我们需要选一个或几个“窗口”，只在这些区域里计算。窗口选得好不好，直接决定对焦成败。

常见的窗口策略有这几种：

• 中心固定窗口：最简单，但主体不在中心时就废了。我记得早期功能机时代，拍人必须把人放正中间，否则背景清晰人脸糊——就是这玩意的锅。
• 多区域网格窗口：把画面分成9宫格或25宫格，分别算清晰度，取最大值或加权融合。适合风景、多人场景。
• 人脸/主体跟踪窗口：结合检测算法，窗口跟着目标走。这是现在的主流做法，但算力开销大。
• 自适应窗口：根据场景亮度、运动状态动态调整窗口大小和位置。嗯，这个是我个人比较推崇的方案。

3.3 爬山算法与全局搜索

有了清晰度评价函数（比如对比度值），接下来就是怎么找到那个“最清晰”的镜头位置。这本质上是一个一维极值搜索问题。

爬山算法（Hill Climbing）是AF领域最经典的搜索策略。它的逻辑很简单：

1. 朝一个方向移动镜头，计算当前帧的清晰度值。
2. 如果清晰度在上升，继续同方向移动。
3. 如果清晰度开始下降，说明越过了峰值，回退到上一个位置。
4. 如果清晰度变化小于阈值，认为已经收敛。

但爬山算法有个致命弱点——容易陷入局部极值。你想想看，如果画面里有栅栏、树叶这些高频纹理，清晰度曲线可能有好几个峰，爬山爬到半山腰就停了。

全局搜索（Full Search）就是让镜头从近端走到远端，每走一步算一次清晰度，最后取最大值对应的位置。优点是能找到全局最优，缺点是——慢。一个典型的全局搜索可能需要30~50步，每步一帧，对焦时间轻松超过1秒。

工程上常用的折中方案是三步搜索法：

• 第一步：大步长（比如32步进）粗扫，定位峰值区域。
• 第二步：中步长（8步进）在峰值区域细扫。
• 第三步：小步长（2步进）精调，找到最终位置。

这样总步数可以从50步降到15步左右，对焦时间控制在300ms以内。

3.4 知识结构图：AF算法核心流程

下面这张图把AF的完整链路串起来了，从物理信号到最终对焦完成，每一步都绕不开。

3.5 工程实战要点

最后聊几个我在调优AF时反复踩过的坑，希望能帮你少走弯路：

• 死区处理：镜头在微距端和无穷远端的边界位置，清晰度曲线可能不单调。我建议在边界处加软限位，不要硬顶。
• 运动场景：如果画面在动，爬山算法会误判。可以加运动检测，运动时切到PDAF或冻结对焦。
• 低照度：噪声会严重干扰对比度计算。先做降噪再算清晰度，或者用更大窗口平均。
• 回差补偿：齿轮和弹簧有机械间隙，正反方向走到同一位置可能清晰度不同。我习惯在最终位置做一次“微抖”确认。