📚 课程目录第3章 AF算法核心

AF算法核心：对焦窗口选择与爬山策略

这一章，我们聊聊AF算法里最核心的两个东西——对焦窗口（ROI）怎么选，以及爬山算法到底怎么爬。这两个点，说白了就是AF的“眼睛”和“腿”。眼睛看不准，腿再快也没用；腿不会走，眼睛再亮也白搭。

我在高通的几个项目里，见过太多因为ROI选错导致对焦失败的案例。嗯，咱们一个一个来拆。

一、对焦窗口（ROI）选择策略

ROI，Region of Interest，就是告诉ISP：“你只算这一块区域的清晰度，别的地方别管。” 为什么要有ROI？你想想看，如果整帧图像都参与计算，背景的纹理、天空的渐变都会干扰对焦。尤其是拍人像时，背景虚化，背景的对比度反而可能比人脸高，算法就会往背景跑——这就是典型的“拉风箱”。

核心原则：ROI必须覆盖主体，同时排除干扰区域。

1.1 固定中心ROI

最简单粗暴的方式。取画面中心一块矩形区域，比如宽高各占画面的30%。

优点：实现简单，计算量小。
缺点：主体不在中心时，直接翻车。

我记得早期功能机时代，基本都是固定中心ROI。用户得先把主体挪到中间，半按快门锁定，再构图。现在谁还这么干？

1.2 多区域加权ROI

把画面分成3x3或5x5的网格，每个格子给一个权重。中心区域权重高，边缘权重低。这样即使主体稍微偏离中心，也能被覆盖到。

网格位置	权重系数	说明
中心1格	0.4	主体最可能的位置
中间环8格	0.4	次重要区域
边缘16格	0.2	背景干扰，权重压低

这种策略在预览场景下够用，但遇到人脸在边缘、或者主体很小的情况，还是不够。

1.3 人脸/物体检测ROI

这才是现代AF的主流做法。通过Face Detection或Object Detection拿到主体坐标，然后动态生成ROI。

我的经验：人脸ROI不要直接用人脸框的完整尺寸。我习惯把人脸框缩小20%-30%，只取眼睛到鼻子的区域。为什么？因为额头和下巴的纹理往往不够丰富，反而会拉低对比度曲线的信噪比。

具体做法：

从3A统计模块获取人脸坐标 (x, y, w, h)。
计算ROI中心：center_x = x + w/2, center_y = y + h/2。
计算ROI尺寸：roi_w = w * 0.7, roi_h = h * 0.7。
将ROI坐标写入ISP的统计寄存器。

// 伪代码：人脸ROI生成
void generateFaceROI(FaceRect face, ROI *roi) {
    roi->center_x = face.x + face.width / 2;
    roi->center_y = face.y + face.height / 2;
    roi->width    = face.width * 0.7;   // 缩窄20%
    roi->height   = face.height * 0.7;  // 缩窄20%
    // 限制ROI不超出画面边界
    clampROI(roi, sensor_width, sensor_height);
}

1.4 触控对焦ROI

用户点哪里，ROI就放哪里。这个逻辑简单，但有个坑——用户点的位置可能刚好是纯色区域（比如白墙），对比度为零。这时候算法必须做fallback。

避坑：我曾经遇到一个case，用户点了一块纯白墙壁，AF直接卡死。后来加了“ROI有效性检测”：如果当前ROI的对比度统计值低于阈值，自动扩展ROI范围，或者回退到中心加权ROI。

二、爬山算法（Hill Climbing）详解

爬山算法，名字很形象。你想象自己站在一个山谷里，蒙着眼，想走到最高点。你只能靠脚底的感觉——哪边地势高，就往哪边迈一步。AF的爬山算法就是这个逻辑：通过移动镜头，找到对比度最大的位置。

2.1 基本原理

AF的“地势”就是对比度值（Focus Value, FV）。镜头在不同位置，FV不同。理想情况下，FV曲线是一个单峰函数，峰值对应最清晰的位置。

算法步骤：

初始化：镜头从当前位置开始，设定步长。
采样：移动镜头，采集当前FV。
比较：如果FV上升，继续同方向移动；如果FV下降，反转方向并减小步长。
终止：当步长小于阈值，或者FV变化小于阈值，认为到达峰值。

  关键指标：爬山算法的成败取决于三个参数——步长、采样频率、终止条件。

2.2 步长策略

步长太大，容易越过峰值（overshoot）；步长太小，对焦太慢。我一般用自适应步长：

粗搜索阶段：大步长（比如每次移动镜头行程的10%），快速找到峰值附近区域。
精搜索阶段：小步长（比如每次移动1%-2%），精确锁定峰值。

高通平台里，步长通常映射到DAC Code或者镜头位置。举个例子：

// 自适应步长示例
if (fv_delta > threshold_high) {
    step_size = coarse_step;   // 大步前进
} else if (fv_delta > threshold_low) {
    step_size = fine_step;     // 小步逼近
} else {
    // 到达峰值，停止
    stop_search();
}

2.3 全局搜索 vs 局部搜索

这是面试常问的问题，也是实际项目中必须做的选择。

对比项	全局搜索	局部搜索
搜索范围	整个镜头行程（macro到infinity）	当前焦点附近的小范围
耗时	长，通常200-500ms	短，通常50-100ms
适用场景	开机首次对焦、场景突变	连续AF、追踪AF
风险	可能被局部峰值欺骗	可能丢失主体（跑出范围）

我个人的习惯是：开机或场景切换时，做一次全局搜索，找到全局峰值。之后进入局部搜索模式，只在峰值附近小范围跟踪。如果连续几次局部搜索都找不到峰值（FV持续下降），就触发一次全局搜索重新定位。

一个技巧：全局搜索时，不要均匀采样。我习惯在macro端和infinity端多采几个点，因为这两个位置的FV曲线往往更陡峭。中间区域可以稀疏采样，节省时间。

三、SVG：AF对焦策略与搜索流程

下面这张图，我把ROI选择、全局搜索、局部搜索、爬山算法的关系画了出来。你看一眼就能明白整个AF的决策链路。

四、实战中的坑与对策

讲完理论，说几个我在项目中踩过的坑。

4.1 局部峰值陷阱

爬山算法最大的敌人就是局部峰值。比如你拍一个隔着纱窗的物体，纱窗的纹理可能形成一个局部峰值，算法停在那里，真正的主体反而虚了。

对策：我习惯在爬山过程中记录“历史最高FV”和对应的镜头位置。如果最终停下的位置FV低于历史最高值的90%，就强制跳转到历史最高位置重新确认。

4.2 低对比度场景

晚上拍纯色墙壁，FV曲线几乎是平的。爬山算法会随机游走，找不到峰值。

对策：检测FV的峰均比（Peak-to-Average Ratio）。如果比值小于1.2，说明场景对比度太低，直接切换到固定焦距（比如hyperfocal distance），或者启用激光/ToF辅助对焦。

4.3 运动主体

如果主体在动，爬山算法还没爬到峰值，主体已经跑了。

对策：结合运动检测（Motion Detection）。检测到运动时，增大步长，减少采样次数，用“粗定位+预测”代替精确爬山。高通平台里有专门的Motion Vector统计模块，可以拿来用。

我曾经犯过的错：在一个项目中，我把爬山算法的终止条件设得太严格（FV变化小于0.5%才停止）。结果在弱光下，噪声导致FV抖动，算法永远停不下来。后来改成“连续3次FV变化小于阈值”才终止，问题解决。

五、小结

ROI选择和爬山算法，是AF的两条腿。ROI选对了，爬山才有意义；爬山算法稳健了，ROI才能发挥价值。实际项目中，没有一套策略能打天下。你需要根据场景、硬件、用户行为动态调整。

嗯，这一章的内容就到这里。记住：多测、多调、多踩坑，AF的功力就是这么练出来的。