第三章 AF算法基础：CDAF、PDAF与Hybrid AF原理

各位好，我是老张。今天咱们聊聊AF算法的三大基石——对比度检测、相位检测和混合对焦。说实话，这章内容我调了七八年才真正吃透。你想想看，手机摄像头从“能拍”到“秒拍”，核心就是这三套算法在背后较劲。

我个人习惯把AF算法比作三种不同的“找焦点”方式：CDAF像瞎子摸象，PDAF像狙击手测距，Hybrid AF则是两者合体。嗯，这个比喻虽然糙，但道理不糙。

3.1 对比度检测（CDAF）——最朴素的“爬山”算法

CDAF的原理说白了就一句话：找图像最清晰的位置。怎么判断清晰？看相邻像素的亮度差异。差异越大，对比度越高，图像越锐利。

Contrast = Σ |I(x,y) - I(x+1,y)| + Σ |I(x,y) - I(x,y+1)|

算法流程其实就三步：

1. 扫描：马达从近端向远端移动，每步采集一帧图像
2. 计算：对每帧计算对比度值
3. 定位：找到对比度峰值对应的马达位置

我在项目中遇到过一个问题：当场景里有大面积纯色区域（比如白墙），对比度曲线会变得非常平坦。这时候算法就像在沙漠里找路标——根本找不到峰值。我曾经因为这个bug被客户追着骂了三天，后来加了边缘检测预处理才解决。

3.2 相位检测（PDAF）——给镜头装上“测距仪”

PDAF的原理就高级多了。它利用微透镜和成对像素，直接测量光线的相位差。你想想看，这就像用两只眼睛看东西——天生就知道距离。

具体来说，传感器上每隔几个像素就埋一对“相位检测像素”：

• 左像素只接收光线左侧部分
• 右像素只接收光线右侧部分
• 当合焦时，左右像素信号完全重合
• 当离焦时，左右信号产生偏移——偏移量直接对应离焦方向和距离

PDAF的优势很明显：

• 一次计算就能知道方向和距离，不需要来回扫描
• 速度极快，通常10-50ms就能完成
• 适合追焦——能预测运动物体的轨迹

但缺点也扎心：

• 需要专用像素，占用成像面积（早期损失画质）
• 对光线角度敏感，大光圈镜头边缘容易“串扰”
• 在极暗环境下（<1 lux），相位信号基本消失

3.3 混合对焦（Hybrid AF）——取长补短的“最优解”

既然CDAF和PDAF各有短板，那把它们结合起来不就行了？嗯，这就是Hybrid AF的核心理念。

我参与的第一个旗舰机项目，用的就是Hybrid AF方案。当时团队争论了很久：到底该让PDAF主导还是CDAF兜底？最后我们定了个规则：

1. 粗调阶段：PDAF快速计算离焦量，马达一步到位（约30ms）
2. 精调阶段：CDAF在小范围内微调，找到对比度峰值（约50ms）
3. 锁定阶段：持续用PDAF跟踪，如果置信度下降，再触发CDAF校准

1. PDAF计算相位差 → 得到离焦方向+粗估距离
2. 马达跳到粗估位置（开环步进）
3. CDAF在±10步范围内扫描 → 找到精确峰值
4. 锁定焦点，进入跟踪模式
5. 每帧检查PDAF置信度，低于阈值则重复步骤3

这里有个坑，我曾经踩过：PDAF和CDAF的“信任权重”怎么分配？如果太信任PDAF，在暗光下会跑焦；如果太信任CDAF，速度又上不去。后来我们搞了个动态权重表：

这个表看着简单，但实际调起来要命。每个场景的阈值、权重系数、切换平滑度，都得一帧一帧地调。我记得有一次为了优化暗光下的切换逻辑，连续熬了三个通宵——最后发现是PDAF像素的增益没对齐，跟算法半毛钱关系没有。

3.4 三种算法的对比总结

咱们用一张表把三者的差异说清楚：

你可能会问：既然Hybrid AF这么好，为什么不全用？原因很简单——成本。Hybrid AF需要专用的PD像素、更复杂的ISP管线、更大的算法算力。在百元机上，老老实实用CDAF反而更靠谱。

3.5 知识结构图：三种AF算法的关系

下面这张图展示了CDAF、PDAF和Hybrid AF的核心逻辑与协作关系：

3.6 实战中的选择建议

说了这么多理论，最后给点实在的。如果你正在做AF选型，我的建议是：

• 入门级产品（百元机、IoT摄像头）：纯CDAF就够了，省成本，调起来也简单
• 中端产品（千元机、行车记录仪）：上PDAF，速度提升明显，注意暗光场景要加补光
• 旗舰产品（高端手机、专业相机）：必须Hybrid AF，而且要把动态权重调精细——这是拉开体验差距的关键