手機(jī)對(duì)比度對(duì)焦，也稱(chēng)為反差對(duì)焦，這種對(duì)焦方法有非常嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)推導(dǎo)的，在下因?yàn)槭枪た粕?，?shù)學(xué)功底不好，只能做非常粗略的介紹，詳細(xì)的內(nèi)容還要依靠更有能力的知友來(lái)實(shí)現(xiàn)。
一般來(lái)說(shuō)基于圖像處理的自動(dòng)對(duì)焦的方法有兩種，第一種是通過(guò)計(jì)算對(duì)焦深度得到的，第二種是通過(guò)計(jì)算離焦深度得到的。
這兩種方法的原理說(shuō)明起來(lái)比較麻煩，簡(jiǎn)單來(lái)說(shuō)，離焦深度方法是從離焦圖像中獲得模糊程度和深度信息，根據(jù)二者加上對(duì)應(yīng)的拍攝參數(shù)來(lái)計(jì)算清晰度評(píng)價(jià)值，并結(jié)合這些所有值，得到需要調(diào)整的具體量，因?yàn)樾枰膱D像較少，所以速度較快。
對(duì)焦深度方法要麻煩一些，首先需要一系列模糊程度不同的圖像，計(jì)算這一系列圖像的清晰度評(píng)價(jià)值，之后對(duì)這一系列值以擬合的方式得到評(píng)價(jià)曲線(xiàn)，根據(jù)評(píng)價(jià)曲線(xiàn)的峰值確定最佳對(duì)焦位置，這種方法精度高，但速度慢。
需要說(shuō)一點(diǎn)題外話(huà)就是，雖然這個(gè)些過(guò)程一樣，但不同的廠(chǎng)商的計(jì)算方法其實(shí)有些不同，所以一樣的對(duì)比度對(duì)焦，有的廠(chǎng)家就收斂就快，有的廠(chǎng)家就則慢。
這兩種方法都不離開(kāi)一個(gè)東西，就是清晰度評(píng)價(jià)值，清晰度評(píng)價(jià)值類(lèi)似一個(gè)統(tǒng)計(jì)量，是根據(jù)一些參數(shù)經(jīng)過(guò)某種處理之后得到的，當(dāng)然清晰度評(píng)價(jià)值還有其他的要求，比如有效性/魯棒性等。
平常計(jì)算清晰度評(píng)價(jià)值的方法一般有這么幾種（不全面，還有其他的很多）：
第一種是頻譜函數(shù)的方法，清晰的圖像對(duì)比相應(yīng)的不清晰圖像在相應(yīng)頻譜分量上含有更多的信息，一種反映出來(lái)就是頻譜函數(shù)的幅值，可以利用這種方法評(píng)價(jià)。
第二種是信息熵，清晰的圖像的信息熵大于相應(yīng)的不清晰圖像，這個(gè)原始證明很繁瑣，所以這里用數(shù)據(jù)處理定理反證：1.清晰的圖像處理后可以得到不清晰的圖像。 2.但不清晰的圖像無(wú)論如何處理都不能單獨(dú)得到清晰的圖像。 3.所以清晰圖像的信息熵大于相應(yīng)的不清晰圖像，如果有方法計(jì)算出信息熵，則可以用熵來(lái)評(píng)價(jià)。
第三種是梯度函數(shù)，在圖像中梯度函數(shù)是一個(gè)可以衡量某變量變換率快慢的函數(shù)，正確對(duì)焦的圖像有較為清晰的邊緣，而在邊緣的地方更為銳利，往往有變化率的最大值，或者說(shuō)變化最不連續(xù)，如此一來(lái)也可以評(píng)價(jià)清晰度。
現(xiàn)在常用的是第三種，也就是梯度，梯度在數(shù)學(xué)上是變換率的表征，在實(shí)際計(jì)算的時(shí)候我們可以用方差、能量梯度或者拉普拉斯算子（等價(jià)于二階微分）或者其他一些方法來(lái)實(shí)現(xiàn)，這些計(jì)算方法本身各自的復(fù)雜度不同，但最影響計(jì)算量的是選取圖像中像素點(diǎn)的多寡，比如一個(gè)對(duì)比度對(duì)焦選款，是取中央一點(diǎn)，還是邊緣四點(diǎn)，還是對(duì)角線(xiàn)五點(diǎn)？這都是各個(gè)相機(jī)廠(chǎng)家考慮的問(wèn)題。
現(xiàn)在來(lái)看看，下圖是那種評(píng)價(jià)方法？