第1章 AF概述与基础

一、AF概述与基础：自动对焦，到底在干什么？

大家好，我是老张。做嵌入式图像这行十几年了，今天咱们聊聊自动对焦。说白了，AF就是让摄像头自己找到最清晰的那个位置。你想想看，手机拍照时“咔”一下就对上了，背后其实是一套精密的控制逻辑在跑。

我个人习惯把AF比作“调眼镜”。近视的人转眼镜旋钮，直到看清为止。摄像头也一样——它得移动镜头，找到那个让图像最锐利的点。嗯，这里要注意，这个“最锐利”可不是人眼判断的，是算法算出来的。

自动对焦，英文叫Auto Focus，简称AF。它的核心任务只有一个：调整镜头位置，使被摄物体清晰成像在传感器上。

我在项目中遇到过不少新手，以为AF就是“按一下快门”。其实没那么简单。AF系统包含三个环节：

这三个环节缺一不可。我曾经调试一个模组，检测环节没问题，但马达响应慢了一拍，结果画面一直在“拉风箱”——来回对焦就是定不住。后来换了驱动芯片才解决。

核心要点：AF不是“一次到位”的，它是一个闭环反馈过程。每次对焦都是“检测→计算→执行→再检测”的循环。

AF的工作原理，其实就一句话：找到图像对比度最高的位置。

为什么会这样？因为镜头在焦点位置时，图像边缘最锐利，相邻像素的亮度差异最大。这个差异，我们叫它“对比度”。

我举个例子。你拍一张黑白条纹的照片：

AF算法就是通过计算这种“跳变”的剧烈程度，来判断当前是否合焦。

我的经验：实际调试时，别只看峰值。我习惯同时看“峰值宽度”——也就是清晰度曲线的陡峭程度。曲线越陡，对焦精度越高，但稳定性也越差。这是个trade-off。

市面上常见的AF方案有三种。我按出现时间顺序给你捋一捋。

这是最传统的方式。说白了就是“爬山法”——镜头从一端走到另一端，每走一步算一次对比度，找到最大值就停下。

我记得刚入行时调一个CDAF模组，在低对比度场景下，对比度曲线几乎是一条平线。算法根本找不到峰值，镜头就在那来回晃。后来我加了一个“死区检测”——如果连续几步对比度变化小于阈值，就认为已经合焦了。

避坑指南：我曾经遇到过一个坑——CDAF在拍摄纯色墙壁时，对比度始终很低，算法会误判为“已经合焦”。实际上镜头还在远端。解决方案是：在AF开始前，先做一个“预扫描”，确认当前场景是否有足够的纹理信息。

PDAF是现在的主流。它在传感器上埋了一部分“相位检测像素”，这些像素成对出现，能直接算出离焦的方向和距离。

你想想看，CDAF需要“走一遍”才能知道哪里最清晰，而PDAF看一眼就知道“该往哪走”。这就是速度差异的来源。

我在调试PDAF时发现一个问题：相位检测像素会牺牲一部分成像质量。因为那些像素被遮挡了一半，导致最终图像上出现“暗点”。后来通过软件插值算法才把这个问题压下去。

激光对焦是个“暴力”方案。它直接发射红外激光，测量反射回来的时间，算出距离。然后根据距离直接驱动镜头到对应位置。

这个方案在暗光下特别强。因为CDAF和PDAF都依赖图像信息，暗光下信噪比低，容易出错。激光对焦完全不受光照影响。

但要注意，激光对焦的有效距离一般只有几米。拍远处的山？激光对焦就歇菜了。所以很多手机是“激光+相位”混合使用。

说AF不重要的人，八成没吃过“跑焦”的苦。我调过一款安防摄像头，客户投诉说“白天清楚晚上模糊”。查了一周，发现是AF算法在低照度下收敛到了错误位置。

AF的重要性体现在三个方面：

总结一下：AF不是“有就行”，而是“快、准、稳”。快——对焦时间短；准——合焦位置精确；稳——不来回抖动。这三个指标，是衡量AF系统好坏的黄金标准。

好了，这一章就聊到这。下一章我们深入讲讲AF的硬件架构——马达、驱动芯片、镜头，这些东西怎么选、怎么配。到时候我会分享一些我踩过的硬件坑，保证实用。