116、洞察驱动的实战标题——PDAF像素的"盲区"——横向纹理场景下PDAF失效的物理原因与补偿，如何用相位差方向检测规避
从一台量产机的投诉说起
去年Q3，我们一款主打人像的旗舰机在客诉端突然涌进来一批"对焦抽搐"的反馈，场景高度一致：用户站在商场中庭，头顶是密集的横向格栅灯带，手机竖拍人像，画面在远近之间反复拉风箱。实验室复测时，用标准SFR图卡、暗光人脸、低对比度墙面全都没问题，唯独把手机横过来对着百叶窗，PDAF输出置信度直接崩到地板。当时团队里有人第一反应是"算法没调好"，有人怀疑"镜头马达回程差"，但真正把问题钉死，是在我们抓出PDAF像素的原始相位差波形之后——那波形不是噪声，是干净利落的"零"，像被人一刀切平了。
横向纹理为什么让PDAF"瞎"了
PDAF的原理，说穿了就是在一颗像素上做左右分光，左边感光区和右边感光区各自独立读出，通过比较左右两半的亮度分布来推算相位差。这个设计天然假设了场景在水平方向上有可辨识的灰度变化——也就是说，边缘是竖着的，或者至少斜得不太厉害。一旦场景变成横向纹理，比如百叶窗、楼梯台阶、水面波纹、横条纹毛衣，问题就来了：左右两半像素看到的灰度分布几乎完全一致，相位差信号趋近于零，而且这个零不是"合焦"的零，是"无信息"的零。
这里有个特别容易踩的坑：很多工程师看到相位差为零，第一反应是"对上了"，直接输出合焦信号。但真正的合焦零和盲区零在物理上是两回事——合焦零是左右两半图像完全重合，盲区零是左右两半图像压根没有可区分的特征。前者是信号收敛，后者是信号缺失。如果算法不做区分，就会在横向纹理场景下反复横跳：一会儿判定
