4. 自动对焦（AF）原理：对比度对焦（CDAF）与相位对焦（PDAF）基础

自动对焦，说白了就是让镜头动起来，把画面拍清楚。我刚开始接触3A时，觉得AF不就是调调马达嘛，后来才发现这里面的门道深着呢。今天咱们就把两种最核心的对焦方式——对比度对焦（CDAF）和相位对焦（PDAF）掰开揉碎了讲清楚。

4.1 对比度对焦（CDAF）—— 老黄牛式的靠谱

CDAF的原理特别直观：画面越清晰，相邻像素的亮度差异就越大。你想想看，一张对焦准确的照片，边缘锐利，黑白分明；而对焦不准的照片，糊成一片，灰度值都差不多。

算法流程其实就三步：

1. 计算对比度值：对当前帧图像计算一个“清晰度得分”
2. 判断方向：对比前后两帧的得分，决定镜头往哪边转
3. 搜索峰值：反复移动镜头，直到找到得分最高的位置

常用的对比度评价函数有这么几种：

评价函数	计算方式	特点
Tenengrad	Sobel算子提取梯度，求和	抗噪性好，计算量适中
Laplacian	二阶微分算子	对边缘敏感，易受噪声影响
Brenner	相邻像素差值的平方和	实现简单，硬件友好
SMD（灰度方差）	相邻像素差值和	计算量最小，精度一般

我在项目中遇到过一个问题：用Tenengrad函数时，画面中有大面积天空或白墙，对比度值几乎不变，镜头就在那里来回扫，就是找不到峰值。后来加了一个区域权重掩膜，只对画面中央和边缘纹理丰富的区域计算对比度，问题就解决了。

4.2 相位对焦（PDAF）—— 快准狠的现代方案

PDAF的原理跟人眼有点像。人眼通过左右眼看到的视差来判断距离，PDAF则是通过传感器上特殊的相位检测像素来直接算出对焦方向。

具体来说，传感器上每隔几行就有一对“遮挡像素”：

• 左像素：只接收光线从右侧来的部分
• 右像素：只接收光线从左侧来的部分

当镜头准确对焦时，左右像素接收到的光强一致，相位差为0。当镜头靠前或靠后时，左右像素的信号会出现偏移，这个偏移量就是相位差。

相位差到镜头移动量的换算公式：

// 相位差 -> 镜头步数
// pd_value: 相位差值（像素单位）
// lens_gain: 镜头灵敏度（步数/像素）
// direction: 对焦方向（+1 或 -1）

int pd_to_lens_step(int pd_value, float lens_gain, int direction) {
    int step = (int)(pd_value * lens_gain + 0.5f);
    return step * direction;
}

4.3 CDAF vs PDAF —— 谁更胜一筹？

这两种方案各有各的脾气，我整理了一个对比表：

对比维度	CDAF	PDAF
对焦速度	慢（需要反复搜索）	快（一次计算到位）
精度	高（直接基于图像内容）	中等（受像素间距限制）
低光性能	差（噪声干扰大）	好（相位信号更稳定）
硬件成本	低（纯软件算法）	高（需要专用像素）
适用场景	静态场景、高精度需求	运动场景、视频录制

4.4 混合对焦（Hybrid AF）—— 取长补短

现在主流的高通平台都用的是混合对焦：PDAF快速粗调 + CDAF精细微调。流程大概是这样的：

1. PDAF粗调：计算相位差，一步把镜头移到大致位置
2. CDAF精调：在小范围内搜索对比度峰值
3. 锁定：确认对焦完成，进入跟踪模式

这样做的好处很明显：既有了PDAF的速度，又保留了CDAF的精度。我参与的一个项目中，纯PDAF的对焦成功率只有85%左右，加上CDAF精调后，成功率提升到了98%以上。

4.5 实战中的关键参数

不管用哪种方案，有几个参数是绕不开的：

• 搜索步长：CDAF中每次移动的步进值。步长太大容易跳过峰值，步长太小对焦太慢。我一般设成镜头全行程的1%~3%。
• 死区阈值：当对比度变化小于这个值时，认为已经到峰值了。设得太小容易误判，设得太大又不够精准。
• 超时时间：防止镜头卡死或来回震荡。超过这个时间还没锁定，就强制退出或回退到安全位置。
• 置信度阈值：PDAF的相位差计算是否可靠。低光或纹理不足时，置信度会下降，这时候应该回退到CDAF。