企业官网建设流程全解析

115、洞察驱动的实战标题——AF的"爬山算法局限性"——为什么纯对比度AF在弱光下会来回拉风箱？用PDAF+反差混合策略破解

昨晚在实验室蹲到凌晨两点，盯着示波器上那根AF驱动电压的波形——它像得了帕金森一样在目标位置附近来回抖了整整四十秒。旁边新来的工程师小周揉着眼睛问：“这镜头是不是坏了？”我没直接回答，让他把走廊灯关掉一半再试，波形抖得更欢了。这不是镜头坏，这是纯对比度AF在弱光下的经典绝症——爬山算法在平坦区域里找不到“山顶”，只能在噪声斜坡上原地打转。

先把这个病根说透。对比度AF的核心逻辑是“边搜索边比较”——驱动镜头从近端往远端走，每走一步抓一帧图，算当前画面的高频能量（通常用拉普拉斯或Sobel响应），然后比较相邻两步的数值。如果这一步比上一步大，说明方向对了，继续走；如果小了，说明过了头，退回去半步再试。这套逻辑在光线充足、纹理丰富的场景下确实好用，因为清晰度曲线是一个单峰函数，峰值位置就是合焦点。但弱光下呢？传感器信噪比掉到20dB以下，暗部噪声本身就能贡献出和真实纹理相当的高频分量。你算出来的“清晰度”里，一半是信号一半是噪声，曲线从光滑的单峰变成了锯齿状的毛刺山脊。爬山算法不知道哪些锯齿是噪声，它只会机械地比较相邻两步的数值——于是它把噪声尖峰当成了山顶，冲过去发现数值掉了，退回来又发现数值涨了，就在那两三个步长之间反复横跳。这就是你看到的拉风箱。

更坑的是，弱光下为了保曝光，自动增益会把ISO拉高，噪声进一步放大，而对比度AF的搜索步长往往是固定的——步长太大，容易跳过真实峰值直接撞进噪声谷；步长太小，又会被噪声毛刺完全淹没。我见过某款安防球机在0.1lux下，AF搜索步长设成5μm，结果镜头在±20μm范围内来回跑了十七次才勉强停下，而