1. AF系统概述：自动对焦技术发展史、AF在手机/相机中的应用、核心性能指标
大家好，我是你们这堂课的讲师。在影像系统里摸爬滚打了十几年，我最大的感触就是——自动对焦（AF）这东西，看着简单，做起来全是坑。今天咱们先聊聊AF的“前世今生”，把基础打牢。
1.1 自动对焦技术发展史：从手动拧到“无感”秒对
自动对焦不是一天建成的。我刚开始入行那会儿，用的还是胶片机，全靠手拧对焦环。后来AF技术出现，简直是解放了摄影师的左手。
第一阶段：被动式AF的萌芽（1970s-1980s）
最早商用的AF系统，比如1977年柯尼卡C35 AF，用的是“三角测距”原理。说白了，就是两个小窗口看同一个物体，算视差。这玩意儿精度还行，但速度慢，光线一暗就抓瞎。
第二阶段：相位检测与反差检测之争（1990s-2000s）
单反相机上，相位检测（PDAF）成了主流。它通过微透镜把光线分成两路，比较图像偏移量，一步到位算出焦点位置。速度快，但需要专用传感器。
而卡片机、早期手机上，反差检测（CDAF）更常见。它像“爬山”一样，来回移动镜头，找到对比度最高的点。精度高，但速度慢，还会“拉风箱”。
我记得当年做一款手机，CDAF对焦要花1.5秒，用户拍个小孩，脸都糊了。那会儿我就想，这玩意儿必须得改。
第三阶段：混合对焦与深度学习时代（2010s至今）
现在手机和微单普遍用“PDAF+CDAF”混合方案。PDAF快速粗调，CDAF精细微调，取长补短。
再后来，AI加入战场。通过深度学习识别场景（人脸、猫狗、花朵），直接预测对焦区域。你想想看，相机还没动，算法已经知道该对哪儿了。
核心观点：AF技术演进，本质是“速度”与“精度”的博弈。从机械到电子，从硬件到算法，最终目标是“无感对焦”——用户按下快门，焦点已经到位。
1.2 AF在手机/相机中的应用：场景决定策略
手机和相机，虽然都用AF，但侧重点完全不同。我做过手机，也调过相机，这里面的门道，我简单说说。
手机AF：
- 传感器集成：手机空间寸土寸金，PDAF像素直接集成在CMOS上（比如2x2 OCL、Dual Pixel）。
- 场景多样性：拍文档、拍美食、拍夜景、拍运动……每个场景对AF的要求都不一样。
- 功耗限制：AF马达不能一直转，否则手机发烫、掉电快。
相机AF：
- 专用传感器：单反有独立的AF模块，微单则用CMOS上的相位点。
- 追焦性能：拍体育、拍飞鸟，需要连续AF（AF-C）能死死咬住运动物体。
- 镜头协同：不同镜头（定焦、变焦、微距）的AF驱动方式不同，需要机身和镜头通信。
避坑指南：我曾经在手机项目上，为了省成本，用了低性能的VCM马达。结果拍视频时，对焦来回“呼吸”，用户投诉不断。后来换了闭环马达，才解决问题。所以，AF硬件选型，千万别只看参数，要实测。
1.3 核心性能指标：速度、精度、稳定性
评价一套AF系统好不好，就看三个指标。这三个指标互相制约，很难同时做到极致。
| 指标 | 定义 | 典型值（手机） | 我的经验 |
|---|---|---|---|
| 对焦速度 | 从启动AF到合焦所需时间 | 100ms - 300ms | 速度越快越好，但太快容易过冲，导致来回震荡。 |
| 对焦精度 | 实际焦点与理想焦点的偏差 | 小于1个景深 | 精度不够，照片放大看就是糊的。尤其是大光圈镜头，景深极浅，对精度要求极高。 |
| 对焦稳定性 | 连续多次对焦，焦点是否一致 | 偏差小于0.5个景深 | 稳定性差，拍视频时画面会“抽搐”。我见过一个项目，因为AF算法没处理好，每次对焦位置都不一样，最后只能加滤波。 |
为什么会这样？我举个例子。你开车，想快速停到车位里（对焦速度）。一脚急刹，车是停住了，但停歪了（精度差）。你慢慢挪，停得正，但花的时间长（速度慢）。如果每次停车位置都不一样（稳定性差），那这司机肯定有问题。
注意：这三个指标，在算法里是“不可能三角”。优化速度，可能牺牲精度；追求精度，可能降低稳定性。实际项目中，要根据产品定位做取舍。比如，拍静态人像，精度优先；拍运动物体，速度优先。
1.4 本章知识体系：AF系统全景图
下面这张图，是我自己画的。它把AF系统的核心模块和流程串起来了。你仔细看，后面所有章节，都是围绕这张图展开的。
嗯，这张图你看懂了吗？从场景输入开始，经过AF算法计算，驱动马达移动镜头，最后通过反馈闭环，不断优化。而速度、精度、稳定性，就是衡量这个闭环好坏的尺子。后面的课程，我们会一步步拆解每个模块。
一句话总结：AF系统，就是一个“感知-决策-执行-反馈”的闭环。我们做优化的，就是让这个闭环跑得更快、更准、更稳。
公众号:蓝海资料掘金营，微信deep3321