3. 对比度法 AF 原理：基于图像清晰度评价的被动对焦
3.1 对比度法 AF 核心思想
对比度法（Contrast Detection Auto Focus, CDAF）是嵌入式相机中最常用的被动对焦技术。它不依赖专用测距传感器，而是通过分析图像传感器捕获的像素数据，直接评估当前画面的清晰度，并驱动镜头马达搜索使清晰度最大的位置。
核心逻辑： 清晰度越高 → 图像对比度越大 → 高频分量越强 → 对焦评价函数值越大。AF 算法即寻找该函数的最大值点。
3.2 对比度与高频分量的关系
图像中的“清晰”区域对应着丰富的边缘和纹理细节，这些细节在频域中表现为高频分量。当镜头离焦时，光学系统的低通滤波效应会衰减高频信息，导致图像模糊。因此，高频分量的强度可以直接作为图像清晰度的度量指标。
| 图像状态 | 空间域表现 | 频域特征 | 对比度值 |
|---|---|---|---|
| 严重离焦 | 边缘模糊，细节丢失 | 低频为主，高频极弱 | 低 |
| 接近合焦 | 边缘逐渐锐利 | 高频分量开始增加 | 中等 |
| 精确合焦 | 边缘最锐利，纹理最清晰 | 高频分量达到峰值 | 最高 |
| 越过合焦点 | 边缘再次模糊 | 高频分量下降 | 降低 |
调试提示： 在 RK 平台上，ISP 通常提供经过优化的高通滤波器或带通滤波器来提取高频分量。调试时应关注滤波器系数配置，避免将传感器噪声误判为高频细节。
3.3 理想对焦曲线
理想情况下，当镜头从最近端移动到最远端（或反向），清晰度评价函数值会形成一条单峰曲线。该曲线具有以下特征：
- 单峰性： 全局只有一个最大值，对应最佳对焦位置。
- 单调性： 在峰值两侧，函数值单调递增或递减。
- 对称性： 理想光学系统下，峰值两侧曲线近似对称。
- 信噪比高： 峰值明显，便于算法准确检测。
下图展示了理想对焦曲线与实际噪声曲线的对比：
3.4 常用清晰度评价函数
在 RK 平台 ISP 调试中，常用的清晰度评价函数包括：
| 评价函数 | 计算方式 | 特点 | 适用场景 |
|---|---|---|---|
| Tenengrad | Sobel 梯度平方和 | 对边缘敏感，计算量适中 | 通用场景，RK 默认推荐 |
| Laplacian | 二阶微分绝对值之和 | 对噪声敏感，峰值尖锐 | 高对比度、低噪声场景 |
| Brenner | 相邻像素差平方 | 计算简单，硬件友好 | 实时性要求高的场景 |
| FFT 高频能量 | 频域高频分量能量和 | 精度高，计算量大 | 静态场景、实验室标定 |
调试避坑： 在 RK 平台上，不要直接使用原始像素计算评价函数。应优先使用 ISP 输出的统计信息（如 Histogram、AE 统计窗口内的梯度数据），以降低 CPU 负载并利用硬件加速。
3.5 对比度法 AF 工作流程
下图展示了对比度法 AF 在 RK 平台上的典型工作流程：
3.6 对比度法 AF 的优缺点
| 维度 | 优点 | 缺点 |
|---|---|---|
| 精度 | 理论上可达像素级精度，无相位检测的基线误差 | 受限于图像内容，低纹理区域精度下降 |
| 硬件 | 无需专用相位检测像素，传感器成本低 | 需要反复移动镜头采集多帧图像，功耗较高 |
| 速度 | 在已知深度范围时可快速收敛 | 全局搜索速度慢，存在“拉风箱”现象 |
| 场景适应性 | 对静态场景效果优秀 | 运动场景易失败，低光照下噪声干扰大 |
RK 平台优化建议： 在 RK 平台的 AF 调试中，建议结合 ISP 的 3A 统计模块，利用 AE 窗口内的梯度统计值作为评价函数输入，避免全图计算。同时，合理配置搜索步长和死区阈值，可以有效抑制“拉风箱”现象。