AF调优实战：对焦区域选择、对焦灵敏度调节、对焦马达校准、运动场景对焦策略
自动对焦（AF）是相机体验的基石。用户按下快门，最怕的就是拍糊了。我做了这么多年相机系统，可以说AF调优是最考验耐心和细节的活。今天咱们就聊聊AF调优的几个核心维度：区域怎么选、灵敏度怎么调、马达怎么校准、运动场景怎么应对。
核心观点：AF调优不是单一参数的调整，而是对焦区域、灵敏度、马达特性、场景策略四者的协同优化。任何一个环节掉链子，最终成像都会出问题。
1. 对焦区域选择：不是越大越好
很多人觉得对焦区域越大越好，其实不然。我见过不少项目，默认把对焦区域设成整个画面，结果在复杂场景下对焦来回跳。你想想看，画面里同时有近处的花和远处的山，AF该听谁的？
实际项目中，我一般建议这样配置：
- 中心权重模式：默认场景，用户点击屏幕前先用中心区域快速锁定
- 多点对焦：适合风景、集体照，AF会在多个区域中选最近的主体
- 跟踪对焦：适合拍娃、拍宠物，一旦锁定就持续跟踪
我的经验：在调试多点对焦时，注意区域之间的权重分配。我曾经遇到一个case，左右区域权重太高，导致拍集体照时总是对焦到边缘的人身上，中间的人反而虚了。后来把中心区域权重提升到1.5倍，问题解决。
2. 对焦灵敏度调节：快不等于好
灵敏度这个参数，说白了就是AF响应变化的快慢。调得太灵敏，画面稍微动一下就重新对焦，拍视频时你会看到画面一直在「呼吸」。调得太迟钝，主体移动了半秒AF还没反应。
我个人习惯把灵敏度分为三个等级：
| 场景 | 灵敏度等级 | 典型参数 |
|---|---|---|
| 静态拍照 | 低 | AF搜索步长 8，对比度阈值 0.3 |
| 日常视频 | 中 | AF搜索步长 12，对比度阈值 0.2 |
| 运动抓拍 | 高 | AF搜索步长 20，对比度阈值 0.1 |
这里有个坑要注意。AF搜索步长越大，对焦速度越快，但精度会下降。我见过有人把步长调到30，结果对焦总是在目标附近来回震荡，永远停不下来。嗯，这就是典型的「过冲」问题。
警告：不要为了追求速度而盲目提高灵敏度。过高的灵敏度会导致对焦环反复调整，不仅影响用户体验，还会增加功耗和马达磨损。
3. 对焦马达校准：硬件是基础
软件调得再好，马达不准也是白搭。对焦马达校准，说白了就是让软件知道「马达走到这个位置，镜头到底对焦在多少米」。我遇到过最头疼的问题，就是同一批次的马达，个体差异能达到10%以上。
校准流程一般包括：
- 无限远校准：让马达走到物理极限，记录此时的对焦值
- 近端校准：让马达走到最近对焦距离，记录对焦值
- 线性度测试：在中间取5-10个点，验证马达行程是否线性
- 温度补偿：不同温度下马达特性会漂移，需要建立补偿表
// 马达校准示例代码（简化版）
typedef struct {
int32_t far_end_code; // 无限远对应的DAC值
int32_t near_end_code; // 近端对应的DAC值
int32_t linearity_error; // 线性度误差（单位：um）
int32_t temp_coeff; // 温度补偿系数
} MotorCalibration_t;
MotorCalibration_t g_motor_cal;
void motor_calibrate(void) {
// 1. 驱动马达到无限远物理限位
motor_drive_to_limit(MOTOR_DIR_FAR);
g_motor_cal.far_end_code = motor_get_current_code();
// 2. 驱动马达到近端物理限位
motor_drive_to_limit(MOTOR_DIR_NEAR);
g_motor_cal.near_end_code = motor_get_current_code();
// 3. 验证线性度
int32_t step = (g_motor_cal.near_end_code - g_motor_cal.far_end_code) / 10;
for (int i = 0; i <= 10; i++) {
int32_t target = g_motor_cal.far_end_code + step * i;
motor_move_to(target);
// 用激光测距仪验证实际位移
int32_t actual = laser_measure_distance();
// 记录误差
}
}关键点：温度补偿表一定要做。我有个血的教训——某款手机在夏天户外拍视频，AF越来越不准，最后发现是马达温度从25°C升到45°C后，行程偏移了将近15%。从那以后，我坚持每款新马达都要做-10°C到60°C的全温区标定。
4. 运动场景对焦策略：预测比反应更重要
拍运动物体，最忌讳的就是「等对焦好了再拍」。等你对好了，主体早跑出画面了。运动场景的核心策略是预测——根据主体过去的运动轨迹，提前算出它下一步会出现在哪里。
我常用的运动对焦策略分三步：
- 锁定阶段：用户点击屏幕或检测到人脸时，快速锁定主体
- 跟踪阶段：持续计算主体的位置和速度，用卡尔曼滤波预测下一帧的位置
- 补偿阶段：考虑快门延迟，在按下快门前提前调整对焦位置
举个例子，如果检测到主体以2m/s的速度靠近相机，而快门延迟是100ms，那么AF需要在按下快门前就把对焦位置往近端调整20cm。这个补偿量看起来不大，但对于大光圈镜头来说，20cm可能就是虚焦和清晰的区别。
一个小技巧：运动场景下，我建议把AF的「死区」设小一点。死区是指主体移动多少距离AF才重新触发。静态场景死区可以设大（比如50cm），避免频繁对焦。运动场景死区要设小（比如10cm），保证及时响应。
5. 实战中的避坑指南
最后分享几个我踩过的坑，希望能帮你少走弯路：
- 不要忽略马达的「回程差」：VCM马达从远到近和从近到远，同一个DAC值对应的位置可能差几十微米。校准时要分别做正向和反向的映射表。
- 注意场景切换时的AF策略：从拍近景切换到拍远景，如果直接让马达从近端跳到远端，用户会看到画面「刷」一下模糊再清晰。我习惯加一个平滑过渡，让马达在200ms内匀速移动过去。
- 低光场景要降速：光线不足时，对比度检测的噪声会变大。这时候如果AF还按正常速度搜索，很容易误判。我一般会在亮度低于50lux时，把AF搜索速度降低30%。
AF调优没有银弹。每个项目都有自己的脾气，关键是要理解原理，然后根据实际场景去试、去调、去验证。希望今天的分享能给你一些启发。
公众号:蓝海资料掘金营，微信deep3321