携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第24天，点击查看活动详情
如果图像没有噪声，也没有其他的干扰统计模块的因素，比如高反射率，低contrast等，那么左右视图可以精确地算出来PD，然后可以通过标定PD与镜头合焦位移的关系，算法就可以轻松实现对焦。
然而理想丰满，现实残酷。PD经常是有误差的，所以PDAF的统计模块除了要做各种抗干扰的设计，还要输出reliability，告知软件算法，当前得到的PD有多可靠，软件算法会根据reliability去决策，是不是采用以及如何采用当前的PD统计值，去结合CDAF或者主动对焦设备去做hybird AF。
PD 相差的计算：
从光学来说，左右序列可以看作左右两个光学系统的响应。
S代表场景，h代表点扩散函数，L代表系统响应
那么离焦下的左右序列可以用如下数学模型表示：
ΔX的大小和符号就表示着PD与离焦方向。
ΔX 可以通过不同的方法计算，工程应用上使用的方法会比较简化以便实现，学界一般都是用phase correlation来计算。
L和R各自代表𝑙(𝑥, 𝑦)与𝑟(𝑥, 𝑦)的二位傅里叶变换，correlation matrix 𝑝（ 𝑥, 𝑦）的计算如下：
ℱ-1 代表二位傅里叶反变换，o代表点乘，上划线，代表共轭。
如下图：相关运算后得到蓝色的‘相关对PD’曲线，理想情况，曲线是单峰的，峰值的位置代表了PD值。可以看到，由于噪声的影响，曲线并不光滑。所以当噪声大的时候，可能会出现假峰值的情况。红色曲线代表经过高斯滤波后的曲线，曲线平滑很多，这样会更能容易算出准确的峰值。
