1. 低光照AF概述:为什么低光照对焦难?

各位同学,咱们直接进入正题。低光照自动对焦,说白了就是相机在光线不足的时候,怎么才能又快又准地合焦。这个问题,我做了这么多年影像系统,可以说它是整个相机系统里最难啃的骨头之一。

你想想看,光线充足的时候,对焦算法跑得飞快,指哪打哪。可一旦环境暗下来,问题就全来了。为什么会这样?我给大家拆开揉碎了讲。

1.1 对比度下降:图像没了“棱角”

传统反差式对焦(CDAF)依赖什么?依赖图像中边缘的明暗变化。亮的地方和暗的地方差异越大,对比度越高,算法就越容易找到焦点的峰值位置。

但在低光照下,场景的照明不足,物体表面的反射光很弱。这就导致图像中原本清晰的边缘变得模糊,亮部和暗部的差异急剧缩小。说白了,图像就像蒙了一层灰,失去了“棱角”。

核心问题:对比度下降直接导致反差式对焦的“爬山算法”失效。算法找不到明显的峰值,只能在平坦的曲线上来回震荡,最终要么对焦缓慢,要么直接拉风箱。

我记得有一次调试一个室内监控摄像头,环境照度只有 5 lux。画面里人物的轮廓几乎和背景融为一体。算法在搜索对焦位置时,评价函数曲线就像一条平缓的波浪线,根本找不到最高点。最后我不得不引入主动式红外辅助,才勉强解决问题。

1.2 信噪比恶化:噪声淹没了信号

低光照下,为了获得足够的亮度,相机通常会做两件事:提高模拟增益(ISO)和延长曝光时间。但这两件事都有副作用。

  • 提高增益: 信号被放大的同时,噪声也被同比例放大。热噪声、读出噪声、光子散粒噪声……全都冒出来了。
  • 延长曝光: 手持拍摄容易模糊,而且长时间曝光本身也会引入更多暗电流噪声。

结果就是,图像的信噪比(SNR)严重恶化。对焦算法需要从图像中提取有效的边缘信息来做判断,但现在这些信息被噪声淹没了。算法看到的不是真实的场景边缘,而是大量的随机噪点。

光照条件 典型照度 (lux) 信噪比 (SNR) 表现 对焦难度
晴天户外 10,000 - 100,000 极高 (>40dB) 极低
室内灯光 100 - 500 良好 (30-40dB) 低
黄昏/阴天 10 - 50 中等 (20-30dB) 中等
月光/星光 0.1 - 1 差 (<20dB) 极高

避坑指南: 我曾经在调试一款手机摄像头时,发现低光照下对焦总是偏后。排查了很久,最后发现是图像信号处理器(ISP)的降噪算法过于激进,把真实的高频边缘信息也当成噪声滤掉了。所以,低光照AF调优,不能只看AF模块,还要和ISP的降噪策略协同优化。

1.3 传统算法失效的根本原因

我们常用的传统对焦算法,比如前面提到的反差式对焦(CDAF)和相位检测对焦(PDAF),在低光照下都有各自的“死穴”。

  • CDAF(反差式): 依赖图像对比度。低光照下对比度曲线平坦,算法容易陷入局部极值或无法收敛。说白了,就是“看不清,对不准”。
  • PDAF(相位式): 依赖专用像素接收的光线进行相位计算。低光照下,这些像素的感光能力下降,相位检测信号的信噪比极低,导致计算结果不可靠,甚至出现“伪合焦”。

我给大家画个图,看看传统算法在低光照下的困境。

低光照下传统AF算法失效原因 低光照场景 对比度下降 信噪比恶化 CDAF:爬山算法失效 PDAF:相位计算不可靠 对焦失败 / 拉风箱 / 伪合焦 传统算法在低光照下,从信号源头就开始“失真”,后续处理再精妙也难以弥补。

1.4 低光照AF的挑战总结

好了,我们把低光照对焦难的原因总结一下。其实核心就三点:

  1. 信号源质量差: 对比度低、信噪比差,这是物理层面的硬伤。
  2. 传统算法不适应: CDAF和PDAF的设计前提都是“充足光照”,在低光照下它们的假设不成立。
  3. 系统噪声干扰大: 增益、曝光、降噪等环节的噪声会进一步污染对焦信号。

个人经验: 我建议大家在开始调优之前,先花点时间分析你的图像传感器在低光照下的噪声特性。是读出噪声主导?还是光子散粒噪声主导?不同的噪声类型,后续的滤波和算法策略完全不同。这一步做扎实了,后面能少走很多弯路。