Tamil
கேமரா மாட்யூல்களில் ஆட்டோ ஃபோகஸ் மெக்கானிசங்களைப் பின்னணி அறிவியல்
11.10 துருக
In the age of smartphone photography, mirrorless cameras, and industrial imaging, one feature has become indispensable for capturing sharp, clear images: auto focus (AF). Whether you’re snapping a photo of your pet mid-play, documenting a family vacation, or scanning a barcode in a warehouse, the camera module’s ability to quickly and accurately lock onto a subject relies on sophisticated scientific principles. But what exactly happens behind the lens when you tap the screen or press the shutter halfway? This blog dives into the science of auto focus mechanisms, breaking down how optics, electronics, and software work in harmony to deliver crisp results—without requiring you to manually twist a lens.
1. அறிமுகம்: நவீன கேமரா மாட்யூல்களில் ஆட்டோ ஃபோகஸ் முக்கியத்துவம் ஏன்
Before delving into the science, let’s clarify why AF is non-negotiable in today’s camera modules. Manual focus, once the standard for film cameras, demands precise hand-eye coordination and time—luxuries we don’t have in fast-paced scenarios. A smartphone’s camera module, for example, needs to focus in under a second to capture a fleeting moment, while a security camera must track moving objects (like a person or vehicle) without blurring.
அதன் அடிப்படையில், ஆட்டோ ஃபோகஸ் ஒரு அடிப்படையான ஒளியியல் சவால்களை தீர்க்கிறது: குறிப்பிட்ட பொருளிலிருந்து வரும் ஒளி கேமராவின் படத்தை உணர்வாளர் மீது சரியாக மையமாக்கப்படுவதை உறுதி செய்வது. ஒளி ஃபோகஸில் இல்லாத போது, அது உணர்வாளரின் மீது ஒரு மங்கலான "குழு குழப்பம்" உருவாக்குகிறது, இதனால் மென்மையான அல்லது குழப்பமான விவரங்கள் உருவாகின்றன. AF அமைப்புகள் இதனை நீக்குவதற்காக லென்ஸ் (அல்லது உணர்வாளர்) நிலையை நேரத்தில் சரிசெய்து, பொருளுக்கு சரியான தூரத்தை கணக்கிடுகிறது மற்றும் குழு குழப்பம் ஒரு உணர முடியாத அளவுக்கு சுருக்கம் அடையும்வரை ஃபோகஸை மேம்படுத்துகிறது.
ஆனால் அனைத்து AF அமைப்புகளும் ஒரே மாதிரியான முறையில் செயல்படவில்லை. ஆண்டுகளாக, தொழில்நுட்பம் எளிய எதிர்ப்பு அடிப்படையிலான முறைகளிலிருந்து முன்னணி கட்டம் கண்டறிதல் மற்றும் AI-உதவியுள்ள அமைப்புகளுக்கு மாறியுள்ளது - ஒவ்வொன்றும் தனித்துவமான அறிவியல் கோட்பாடுகளை அடிப்படையாகக் கொண்டுள்ளது. அவற்றைப் பிரிக்கலாம்.
2. ஆட்டோ ஃபோகஸின் அடிப்படை அறிவியல்: புரிந்துகொள்ள வேண்டிய முக்கிய சொற்கள்
குறிப்பிட்ட செயல்முறைகளை ஆராய்வதற்கு முன், அனைத்து AF அமைப்புகளையும் அடிப்படையாகக் கொண்ட சில அடிப்படை கருத்துக்களை வரையறுக்கலாம்:
• படம் சென்சார்: ஒளியை மின்சார சிக்னல்களாக மாற்றும் ஒளி-உணர்திறன் கொண்ட சிப் (பொதுவாக CMOS அல்லது CCD). கவனம் செயல்படுவதற்கு, பொருளிலிருந்து வரும் ஒளி சென்சாரின் பிக்சல்களை தெளிவான வடிவத்தில் தாக்க வேண்டும்.
• லென்ஸ் கூறுகள்: பெரும்பாலான கேமரா மாடுல்கள் பல கண்ணாடி அல்லது பிளாஸ்டிக் லென்ஸ்களை பயன்படுத்துகின்றன. இந்த கூறுகளுக்கிடையிலான தூரத்தை சரிசெய்யுதல் (அல்லது முழு லென்ஸ் குழுவை நகர்த்துதல்) “மைய நீளம்” - ஒளி சென்சாரில் ஒருங்கிணைக்கும் தூரத்தை மாற்றுகிறது.
• எதிர்: அருகிலுள்ள பிக்சல்களுக்கிடையிலான பிரகாசத்தில் உள்ள வேறுபாடு (எடுத்துக்காட்டாக, வெள்ளை சுவருக்கு எதிராக ஒரு கருப்பு பூனை அதிக எதிர்ப்பார்ப்பு கொண்டது). பல AF அமைப்புகள் தெளிவை தீர்மானிக்க எதிர்ப்பார்ப்பை பயன்படுத்துகின்றன.
• படிம வேறுபாடு: கண்ணாடியின் வெவ்வேறு பகுதிகளின் வழியாக செல்லும் ஒளி அலைகளில் ஏற்படும் சிறிய மாற்றம். இந்த மாற்றம், கண்ணாடி எவ்வளவு தூரம் நகர வேண்டும் என்பதைக் கணக்கிட உதவுகிறது—மனித கண்கள் இரட்டை பார்வையைப் பயன்படுத்தி தூரத்தை மதிப்பீடு செய்வது போல.
3. மூன்று பெரியவர்கள்: முக்கிய ஆட்டோ மையக் கருவிகள் விளக்கப்படுத்தப்பட்டன
கேமரா மாடுல்கள் மூன்று முதன்மை AF தொழில்நுட்பங்களை நம்பிக்கையுடன் கொண்டுள்ளன, ஒவ்வொன்றும் தனித்துவமான அறிவியல் பலவீனங்கள் மற்றும் பயன்பாட்டு வழிகளுடன். ஒவ்வொன்றும் எப்படி செயல்படுகிறது, அவற்றின் நன்மைகள் மற்றும் தீமைகள் என்ன, மற்றும் நீங்கள் அவற்றைப் புலனாய்வு சாதனங்களில் எங்கு காணலாம் என்பதைப் பார்ப்போம்.
3.1 மாறுபாடு கண்டறிதல் ஆட்டோ ஃபோகஸ் (CDAF): “கட்டுப்பாடு சரிபார்ப்பாளர்”
கான்ட்ராஸ்ட் கண்டறிதல் AF (CDAF) என்பது பழமையான மற்றும் பரவலாக பயன்படுத்தப்படும் AF முறைகளில் ஒன்றாகும், இது நுழைவு நிலை கேமராக்கள், ஸ்மார்ட்போன்கள் மற்றும் வெப் கேமரங்களில் காணப்படுகிறது. இதன் அறிவியல் எளிது: இது ஒரு படத்தின் மாறுபாட்டை அளக்கிறது மற்றும் மாறுபாடு அதிகரிக்கும்வரை லென்ஸை சரிசெய்கிறது.
எப்படி வேலை செய்கிறது (படி-by-படி):
1. ஆரம்ப ஸ்கேன்: லென்ஸ் ஒரு நடுநிலை நிலைமையில் தொடங்குகிறது (எடுத்துக்காட்டாக, "இன்ஃபினிட்டி" அல்லது மத்திய தூரத்தில் அமைக்கப்பட்டுள்ளது).
2. எதிர் அளவீடு: கேமராவின் சென்சார் முன்னணி படத்தை எடுத்து, தேர்ந்தெடுக்கப்பட்ட கவனம் உள்ள பகுதியில் (எடுத்துக்காட்டாக, கட்டத்தின் மையம் அல்லது நீங்கள் தொலைபேசி திரையில் தொடும் இடம்) எதிரியை பகுப்பாய்வு செய்கிறது. எதிரி அண்டை பிக்சல்களின் பிரகாசத்தை ஒப்பிடும் ஆல்கொரிதம்களைப் பயன்படுத்தி கணக்கிடப்படுகிறது - கூர்மையான படங்களில் திடமான பிரகாச மாற்றங்கள் உள்ளன (எடுத்துக்காட்டாக, ஒரு புத்தகத்தின் எல்லைகள்), ஆனால் மங்கிய படங்களில் மெதுவாக மாறுபாடுகள் உள்ளன.
3. லென்ஸ் சரிசெய்தல்: லென்ஸ் சிறிது நகர்கிறது (அல்லது சென்சாருக்கு அருகில் அல்லது தொலைவில்) மற்றும் மற்றொரு முன்னோட்டத்தை எடுக்கிறது. அமைப்பு இரண்டு முன்னோட்டங்களின் மாறுபாட்டைப் ஒப்பிடுகிறது.
4. சிறந்த அமைப்பு: இந்த “ஸ்கேன்-மொழி” செயல்முறை எதிர்ப்பாடு உச்சத்தை அடையும்வரை மீண்டும் மீண்டும் நடைபெறும். அதிகபட்ச எதிர்ப்பாடு கண்டறியப்பட்டவுடன், லென்ஸ் நிறுத்தப்படுகிறது—இது கவனத்தில் உள்ள நிலை.
அறிவியல் பின்னணி:
CDAF-இன் மிகப்பெரிய நன்மை துல்லியம் ஆகும். இது சென்சாரில் கூர்மையை நேரடியாக அளவீடு செய்கிறது, எனவே இது கவனத்தை தவறவிடுவதில்லை (முந்தைய கட்டத்தில் கண்டறிதல் முறைமைகளைப் போல அல்ல). இது கூடுதல் உபகரணங்களை தேவையில்லை—மட்டும் மென்பொருள் மற்றும் ஒரு நிலையான சென்சார்—இதனால் இது குறைந்த செலவுள்ள கேமரா மாட்யூல்களில் (எ.கா., குறைந்த செலவுள்ள ஆண்ட்ராய்டு சாதனங்கள் அல்லது செயல்பாட்டு கேமராக்கள்) ஒருங்கிணைக்க எளிதாக உள்ளது.
கட்டுப்பாடுகள் (மற்றும் அவை ஏன் நிகழ்கின்றன):
• வேகம்: பின்னும் முன்னும் ஸ்கேன் செய்வதில் நேரம் எடுக்கிறது (பொதுவாக 0.5–1 விநாடி). இது நகரும் பொருட்களுக்கு CDAF-ஐ மெதுவாக மாற்றுகிறது (எடுத்துக்காட்டாக, ஓடுகிற குழந்தை அல்லது பறக்கும் பறவை).
• குறைந்த ஒளி சிரமங்கள்: மங்கலான சூழல்களில் எதிரொலி குறைகிறது (பிக்சல்களுக்கிடையில் ஒளி மாறுபாட்டில் குறைவாக இருப்பதால்). CDAF முடிவில்லாமல் கவனம் தேடலாம் அல்லது தவறான பகுதியை (எடுத்துக்காட்டாக, ஒரு மனிதனின் முகம் பதிலாக ஒரு இருண்ட சுவரை) பிடிக்கலாம்.
பொதுவான பயன்பாடுகள்:
• நுழைவு நிலை ஸ்மார்ட்போன்கள் (எடுத்துக்காட்டாக, பட்ஜெட் ஆண்ட்ராய்டு சாதனங்கள்)
• வெப்கேம்கள் மற்றும் லேப்டாப் கேமர்கள்
• புள்ளி மற்றும் எடுக்க камеры
• தொழில்துறை கேமராக்கள் நிலையான பொருட்களுக்கு (எடுத்துக்காட்டாக, ஆவணங்களை ஸ்கேன் செய்வது)
3.2 கட்டம் கண்டறிதல் ஆட்டோ ஃபோக்கஸ் (PDAF): “தூரக் கணக்கீட்டாளர்”
பரிமாண கண்டறிதல் AF (PDAF) CDAF இன் வேகப் பிரச்சினையை தீர்க்கிறது, இது லென்ஸ் நிலையை கணிக்க இயற்பியலைப் பயன்படுத்துகிறது—மீண்டும் மீண்டும் ஸ்கேன் செய்ய தேவையில்லை. இது வேகமாக கவனம் செலுத்தும் மிரர் இல்லாத கேமரா, உயர் தர ஸ்மார்ட்போன்கள் மற்றும் DSLR க்கான தொழில்நுட்பம்.
பரிமாண வேறுபாட்டின் அறிவியல்:
PDAF-ஐ புரிந்துகொள்ள, இரண்டு சிறிய குழாய்களுடன் ஒரு ஜன்னலின் வழியாகப் பார்க்கிறதைக் கற்பனை செய்யுங்கள். நீங்கள் ஒரு கண் மூடினால், வெளியில் உள்ள ஒரு மரம் எவ்வளவு தொலைவில் உள்ளது என்பதை மதிப்பீடு செய்வது கடினம் - ஆனால் இரண்டு கண்களும் திறந்தவுடன், உங்கள் மூளை “பரிமாண வேறுபாடு” (ஒவ்வொரு கணக்கும் இடையே மரத்தின் நிலைமையில் உள்ள சிறிய மாற்றம்) பயன்படுத்தி தொலைவை கணக்கிடுகிறது. PDAF இதேபோல் வேலை செய்கிறது, ஆனால் ஒளி மற்றும் சென்சார்களுடன்.
ஒரு கேமரா மொட்யூலில், PDAF ஒரு கதிர் பிரிக்கையைக் (ஒரு சிறிய பிரிஸம் அல்லது கண்ணாடி) பயன்படுத்தி வரும் ஒளியை இரண்டு தனித்த கதிர்களாகப் பிரிக்கிறது. இந்த கதிர்கள் இரண்டு சிறிய, குறிப்பிட்ட சென்சார்கள் (என்று அழைக்கப்படும் "படிம-கண்டுபிடிப்பு பிக்சல்கள்") மீது விழுந்து, ஒளி எவ்வளவு மாறிவிட்டது என்பதை அளவிடுகின்றன - இது படிம வேறுபாடு.
கேமராவின் செயலி ஒரு எளிய சூத்திரத்தை பயன்படுத்தி கட்டம் வேறுபாட்டை “மையம் தூரம்” ஆக மாற்றுகிறது:
Lens Movement = (படிம வேறுபாடு × மைய நீளம்) / வெளிப்படைத்திறன் அளவு
சுருக்கமாக: கட்டம் மாறுபாடு அதிகமாக இருந்தால், கவனத்தை மையமாக்க lens மேலும் தூரம் நகர வேண்டும்.
மாடர்ன் கேமரா மாட்யூல்களில் PDAF எப்படி செயல்படுகிறது:
முந்தைய DSLR கமெராக்கள் கமெரா உடலில் தனித்த “பரிமாண-கண்டறிதல் சென்சார்” ஐப் பயன்படுத்தின, ஆனால் நவீன கமெரா மாட்யூல்கள் (ஸ்மார்ட்போன்களில் உள்ளவைகள் போன்றவை) பிரதான படத்தை சென்சாரில் நேரடியாக பரிமாண-கண்டறிதல் பிக்சல்களை ஒருங்கிணைக்கின்றன. இதனை “ஹைபிரிட் AF” என அழைக்கின்றனர் (அதற்கான மேலும் விவரங்கள் பின்னர்), ஆனால் மைய பரிமாண-கண்டறிதல் அறிவியல் அதேபோலவே உள்ளது:
1. ஒளி பிளவுதல்: நீங்கள் ஷட்டரை அரை அழுத்தினால் அல்லது திரையைத் தொடினால், லென்ஸ் ஒளியை சென்சாரில் உள்ள கட்டம் பிக்சல்களுக்கு yönிக்கிறது. இந்த பிக்சல்கள் ஜோடிகளில் குழுவாக உள்ளன—ஒவ்வொரு ஜோடியும் பொருளின் மாறுபட்ட காட்சியைப் பிடிக்கிறது.
2. பரிமாண அளவீடு: செயலி ஒவ்வொரு பிக்சல் ஜோடியிலிருந்து இரண்டு காட்சிகளை ஒப்பிடுகிறது. பொருள் கவனத்தில் இல்லாவிட்டால், காட்சிகள் நகரும் (இரு மாறுபட்ட கண்களிலிருந்து ஒரு மரத்தைப் பார்க்கும் போல்).
3. ஒரே முறையில் சரிசெய்தல்: கட்டம் வேறுபாட்டைப் பயன்படுத்தி, செயலி லென்ஸ் எவ்வளவு தொலைவில் மற்றும் எந்த திசையில் நகர வேண்டும் என்பதைக் கணக்கிடுகிறது. லென்ஸ் சரியான இடத்திற்கு ஒருமுறை நகர்கிறது—ஸ்கேன் செய்ய தேவையில்லை.
4. உறுதிப்படுத்தல்: சில PDAF அமைப்புகள் கவனத்தை மேம்படுத்த ஒரு விரைவு ஒப்பீட்டு சோதனை பயன்படுத்துகின்றன (இது “ஹைபிரிட்” வரும் இடம்), ஆனால் முக்கியமான வேலை ஒரு படியில் செய்யப்படுகிறது.
அறிவியல் பலத்திற்கான அடிப்படைகள்:
• வேகம்: PDAF 0.1–0.3 விநாடிகளில் கவனம் செலுத்தலாம்—இயங்கும் பொருட்களை (எடுத்துக்காட்டாக, விளையாட்டு புகைப்படம் அல்லது வீடியோ) கண்காணிக்க போதுமான வேகம்.
• குறைந்த ஒளி செயல்திறன்: மங்கலான ஒளியில் கட்டுப்பாட்டை அளவிடுவது மாறுபாட்டை அளவிடுவதற்கு எளிதாக உள்ளது. குறைந்த ஒளியுடன் இருந்தாலும், அமைப்பு இன்னும் கவனம் தூரத்தை கணிக்க முடியும், ஆனால் துல்லியம் சிறிது குறையலாம்.
• தொடர்ச்சி AF (AF-C): PDAF நகரும் பொருட்களை பின்தொடர்வதில் சிறந்தது. இது 30–60 முறை ஒரு விநாடிக்கு கட்டமைப்பு வேறுபாடு அளவீடுகளை புதுப்பிக்கிறது, பொருளை தெளிவாக வைத்திருக்க லென்ஸை நேரத்தில் சரிசெய்கிறது.
கட்டுப்பாடுகள்:
• உருப்படியின் செலவு: சென்சாரில் உள்ள கட்டுப்பாட்டு பிக்சல்கள் சென்சாரில் இடத்தை எடுத்துக்கொள்கின்றன, இது படத்தை பிடிக்க கிடைக்கும் பிக்சல்களின் எண்ணிக்கையை குறைக்கிறது (இது நவீன சென்சார்களில் குறைவாகவே உள்ளது).
• அபர்ச்சர் சார்பு: PDAF பரந்த அபர்ச்சர் லென்ஸ்களுடன் (எடுத்துக்காட்டாக, f/1.8 அல்லது f/2.0) சிறந்த முறையில் செயல்படுகிறது. குறுகிய அபர்ச்சர்களுடன் (எடுத்துக்காட்டாக, f/8), கட்டம் வேறுபாடு அளவிடுவதற்கு மிகவும் சிறியது—எனவே, அமைப்பு CDAF க்கு மாறலாம்.
பொதுவான பயன்பாடுகள்:
• உயர்தர ஸ்மார்ட்போன்கள் (எடுத்துக்காட்டாக, iPhone 15 Pro, Samsung Galaxy S24 Ultra)
• மிரர் இல்லாத கேமராக்கள் (எடுத்துக்காட்டாக, Sony Alpha தொடர், Fujifilm X-T5)
• DSLRகள் (எடுத்துக்காட்டாக, Canon EOS R5, Nikon Z6)
• செயல் கேமரா (எடுத்துக்காட்டாக, GoPro Hero 12)
3.3 லேசர் ஆட்டோ ஃபோக்கஸ் (LAF): “தூர ஸ்கேனர்”
லேசர் ஆட்டோ ஃபோக்கஸ் (LAF) என்பது புதிய தொழில்நுட்பமாகும், இது முக்கியமாக ஸ்மார்ட்போன்கள் மற்றும் கம்பக்ட் கேமராக்களில் AF வேகம் மற்றும் துல்லியத்தை அதிகரிக்க பயன்படுத்தப்படுகிறது—முக்கியமாக குறைந்த ஒளியில். CDAF மற்றும் PDAF களைப் போல, இது பொருளிலிருந்து ஒளியைப் பயன்படுத்துவதற்குப் பதிலாக, LAF தூரத்தை அளவிட தனது சொந்த லேசரை வெளியிடுகிறது.
கால அளவீட்டின் அறிவியல் (ToF):
மிகவும் LAF அமைப்புகள் நேரம்-ஓஃப்-ஃபிளைட் (ToF) தொழில்நுட்பத்தை நம்புகின்றன - இது ஒரு இயற்பியல் கோட்பாடு, இதில் ஒரு சிக்னல் (இந்த சந்தர்ப்பத்தில், ஒரு லேசர்) ஒரு பொருளுக்கு செல்லவும், திரும்பவும் எவ்வளவு நேரம் எடுத்துக்கொள்கிறது என்பதை அளக்கிறதன் மூலம் தொலைவை கணக்கிடப்படுகிறது. சூத்திரம் எளிது:
தூரம் = (ஒளியின் வேகம் × பறக்கும் நேரம்) / 2
(நாம் 2 மூலம் வகுக்கிறோம், ஏனெனில் லேசர் பொருளுக்கு சென்று திரும்புகிறது.)
ஒரு கேமரா மாடுலில், LAF அமைப்பு மூன்று முக்கிய கூறுகளை உள்ளடக்கியது:
• லேசர் வெளியீட்டாளர்: மனித கண்களுக்கு தெரியாத சிறிய, குறைந்த சக்தி கொண்ட இன்ஃபிராரெட் (IR) லேசர், இது குறுகிய ஒளி அலைகளை வெளியிடுகிறது.
• ஒளி சென்சார்: பொருளின் மீது தட்டிய பிறகு லேசர் அலைகளை பிடிக்கும் கண்டுபிடிப்பான்.
• Timer: ஒரு துல்லியமான கடிகாரம், இது லேசர் வெளியிடப்படும் நேரம் மற்றும் அது கண்டறியப்படும் நேரம் இடையிலான நேரத்தை அளிக்கிறது.
LAF எப்படி வேலை செய்கிறது:
1. லேசர் புல்ஸ்: நீங்கள் கவனம் செலுத்தும் போது, வெளியீட்டாளர் பொருளின் மீது IR லேசர் புல்ஸ்களின் ஒரு வெடிப்பு அனுப்புகிறது.
2. பரிசீலனை மற்றும் கண்டறிதல்: அலைகள் பொருளை அடித்து, கேமரா மாட்யூலின் ஒளி சென்சாருக்கு திரும்ப отражிக்கின்றன.
3. தூரக் கணிப்பு: டைமர், அலைகள் திரும்ப வருவதற்கான நேரத்தை அளிக்கிறது. ToF சூத்திரத்தை பயன்படுத்தி, செயலி, பொருளுக்கு சரியான தூரத்தை கணிக்கிறது.
4. லென்ஸ் சரிசெய்தல்: லென்ஸ் கணக்கிடப்பட்ட தூரத்திற்கு தொடர்பான இடத்திற்கு நேரடியாக நகர்கிறது—எந்த ஸ்கானிங், எந்த கட்டம் ஒப்பீடு இல்லை.
வலிமைகளின் பின்னணி அறிவியல்:
• அதிக வேகமான கவனம்: ToF அளவீடுகள் நானோசெகண்டுகளில் (1 பில்லியன் வினாடி) நடைபெறுகின்றன, எனவே LAF 0.1 வினாடிக்குள் கவனம் செலுத்த முடிகிறது—பல PDAF அமைப்புகளை விட வேகமாக.
• குறைந்த ஒளி சூப்பர் ஸ்டார்: LAF தனது சொந்த லேசரை (சுற்றுப்புற ஒளி அல்ல) பயன்படுத்துவதால், இது இருண்ட சூழ்நிலைகளில் (எடுத்துக்காட்டாக, ஒரு மங்கலான உணவகத்தில் அல்லது இரவு நேரத்தில்) சிறப்பாக செயல்படுகிறது. இது நேரடியாக தூரத்தை அளவிடுவதால் "கேந்திரம் தேடுதல்" தவிர்க்கப்படுகிறது.
• Close-Up ஷாட்டுகளுக்கான துல்லியம்: LAF என்பது மாக்ரோ புகைப்படக்கலைக்கு (எடுத்துக்காட்டாக, மலர்கள் அல்லது சிறிய பொருட்களின் புகைப்படங்களை எடுப்பது) மிகவும் உகந்தது, ஏனெனில் இது 2–5 செ.மீ. அளவுக்குள் உள்ள தூரங்களை அளக்க முடிகிறது—இது CDAF பெரும்பாலும் சிரமப்படுகிற விஷயம்.
கட்டுப்பாடுகள்:
• குறுகிய தூரம்: பெரும்பாலான ஸ்மார்ட்போன் LAF அமைப்புகள் 2–5 மீட்டர்கள் வரை மட்டுமே செயல்படுகின்றன. அதற்கு அப்பால், லேசர் அலைபேசி மிகவும் பலவீனமாகிறது, எனவே கேமரா PDAF அல்லது CDAF க்கு மாறுகிறது.
• பரிசீலனையாளர் பொருட்கள்: மின்னொளி (எடுத்துக்காட்டாக, கண்ணாடி, உலோகம், அல்லது நீர்) சென்சாரிலிருந்து லேசரை பிரதிபலிக்கின்றன, இதனால் பறக்கும் நேரத்தை அளவிடுவது கடினமாகிறது. LAF இவை மீது கவனம் செலுத்த முடியாது.
• காலநிலை இடையூறு: மழை, மங்கலோடு, அல்லது தூசி லேசர் அலைகளை பரவச் செய்யலாம், துல்லியத்தை குறைக்கிறது. கடுமையான மழையில், LAF PDAF க்கும் விட குறைவாக நம்பகமானதாக இருக்கலாம்.
பொதுவான பயன்பாடுகள்:
• தலைமைச் செல்போன்கள் (எடுத்துக்காட்டாக, iPhone 15, Google Pixel 8 Pro)
• மெக்ரோ புகைப்படத்திற்கான சுருக்கமான கேமராக்கள்
• சிறு அளவிலான பாகங்களின் 3D மாதிரியாக்கம் போன்ற குறுகிய தூர ஸ்கேனிங்கிற்கான தொழில்துறை கேமரா.
4. ஹைபிரிட் ஆட்டோ ஃபோக்கஸ்: அனைத்து உலகங்களின் சிறந்தவற்றை இணைத்தல்
ஒரு தனி AF முறைமை முழுமையாக சிறந்தது அல்ல—எனவே நவீன கேமரா மாடுல்கள் (சிறப்பாக ஸ்மார்ட்போன்கள் மற்றும் மிரர்லெஸ் கேமராக்கள்) ஹைபிரிட் AF முறைமைகளை பயன்படுத்துகின்றன, இது CDAF, PDAF மற்றும் சில சமயம் LAF ஐ கலக்கி தனித்தன்மை குறைகளை மீறுகிறது.
Hybrid AF இன் அறிவியல் "ஒற்றுமை" பற்றி தான்:
• PDAF for Speed: அமைப்பு PDAF உடன் தொடங்குகிறது, இது பொருளை விரைவாக பூட்டுகிறது (அடுத்த கட்டத்தில் மாறுபாட்டைப் பயன்படுத்தி மிதமான லென்ஸ் நிலையை கணக்கிடுகிறது).
• CDAF துல்லியத்திற்கு: PDAF அருகில் வந்தவுடன், CDAF கவனத்தை சரிசெய்ய கான்ட்ராஸ்டை அதிகரிக்கிறது—இது PDAF இல் இருந்து எந்த சிறிய தவறுகளையும் நீக்குகிறது (எடுத்துக்காட்டாக, குறைந்த ஒளி அல்லது குறுகிய அப்பர்ச்சர்களால்).
• LAF குறைந்த ஒளி/நெருக்கமான படங்களுக்கு: இருண்ட சூழ்நிலைகளில் அல்லது மாக்ரோ ஷாட்களுக்கு, LAF PDAF மற்றும் CDAF-ஐ வழிநடத்துவதற்கான துல்லியமான தூர அளவீட்டை வழங்குகிறது, கவனம் செலுத்தும் நேரம் மற்றும் பிழைகளை குறைக்கிறது.
உதாரணமாக, iPhone 15 Pro-இன் கேமரா மாட்யூல் “Dual-Pixel PDAF” அமைப்பைப் பயன்படுத்துகிறது (ஒவ்வொரு பிக்சலும் ஒரு கட்டம்-கண்டுபிடிப்பு பிக்சலாக செயல்படுகிறது) மற்றும் நுணுக்கத்திற்காக CDAF மற்றும் குறைந்த ஒளி மையமாக்கலுக்காக ToF சென்சாருடன் இணைக்கப்பட்டுள்ளது. இந்த கலவையான அணுகுமுறை, ஒளி நிறைந்த பகுதியிலிருந்து மங்கலான இசை நிகழ்ச்சிகளுக்குப் போதுமான வேகமான, துல்லியமான மையமாக்கலை உறுதி செய்கிறது.
5. ஆட்டோ ஃபோகஸ் செயல்திறனை பாதிக்கும் முக்கிய காரணிகள்
எவ்வளவுதான் சிறந்த AF முறைமையும் இருந்தாலும், கேமரா தொகுப்பின் மற்ற கூறுகள் சரியாகச் செயல்படவில்லை என்றால், அது சரியாக செயல்படாது. AF முறைமையின் செயல்திறனை பாதிக்கும் அறிவியல் காரணிகள் இங்கே உள்ளன:
5.1 சென்சார் அளவு மற்றும் பிக்சல் அடர்த்தி
பெரிய படத்தைப் பிடிக்கும் சென்சார்கள் (எடுத்துக்காட்டாக, முழு-ஃபிரேம் மற்றும் ஸ்மார்ட்போன் சென்சார்கள்) அதிக ஒளியைப் பிடிக்கின்றன, இது கான்ட்ராஸ்ட் மற்றும் கட்டம்-கண்டுபிடிப்பு துல்லியத்தை மேம்படுத்துகிறது—குறைந்த ஒளியில் குறிப்பாக. சிறிய சென்சார்கள் (பட்ஜெட் ஸ்மார்ட்போன்களில் உள்ளவைகள் போன்றவை) வேலை செய்ய குறைவான ஒளியைப் பெற்றுள்ளன, எனவே AF மெதுவாக அல்லது குறைவாக நம்பகமாக இருக்கலாம்.
பிக்சல் அடர்த்தி (சதுர அங்குலத்திற்கு பிக்சல்களின் எண்ணிக்கை) முக்கியமாகும். உயர் அடர்த்தி சென்சார்கள் (எடுத்துக்காட்டாக, 108MP ஸ்மார்ட்போன் சென்சார்கள்) அதிகமான கட்டம்-கண்டுபிடிப்பு பிக்சல்களை கொண்டிருக்கலாம், ஆனால் ஒரு சிறிய சென்சருக்குள் அதிகமான பிக்சல்களை அடுக்குவது ஒளி உணர்வை குறைக்கலாம்—இதனால் தீர்மானம் மற்றும் AF செயல்திறனைப் பற்றிய ஒரு பரிமாற்றத்தை உருவாக்குகிறது.
5.2 லென்ஸ் தரம் மற்றும் அப்பர்ச்சர்
கண்ணாடி என்பது கேமரா மாடுலின் “கண்” ஆகும், மற்றும் அதன் வடிவமைப்பு நேரடியாக AF-ஐ பாதிக்கிறது. பரந்த-துளை கண்ணாடிகள் (எ.கா., f/1.4) அதிக வெளிச்சத்தை அனுமதிக்கின்றன, இது எதிரொலியை (CDAF க்காக) மற்றும் கட்டம் வேறுபாட்டை (PDAF க்காக) அதிகரிக்கிறது. அவை மேலும் ஒரு குறுகிய “குறுக்குத் தளம்” (படத்தில் கவனம் செலுத்தப்படும் பகுதி) உருவாக்குகின்றன, இது AF அமைப்புக்கு குறிப்பிட்ட பொருளை (எ.கா., ஒரு நபரின் முகம் மற்றும் பின்னணி) அடையாளம் காண எளிதாக்குகிறது.
சிறந்த, குறைந்த தரமான லென்சுகள் "கேந்திர மூச்சு" (கேந்திரமிடும்போது படம் மாறுகிறது) அல்லது "வண்ண மாறுபாடு" (வண்ணம் மாறுதல்) ஆகியவற்றைக் கொண்டிருக்கலாம், இது AF ஆல்காரிதங்களை குழப்பி, துல்லியத்தை குறைக்கலாம்.
5.3 செயலி வேகம் மற்றும் மென்பொருள் அல்காரிதங்கள்
AF என்பது மென்பொருளுக்கானது மட்டுமல்ல, உலோகத்திற்கும் ஆகும். கேமராவின் செயலி (எடுத்துக்காட்டாக, ஆப்பிளின் A17 Pro, க்வால்காம் ஸ்னாப்டிராகன் 8 ஜெனரேஷன் 3) நேரத்தில் கட்டம் மாறுபாடு, மாறுபாடு மற்றும் லேசர் தரவுகளை செயலாக்க வேண்டும். ஒரு வேகமான செயலி AF கணக்கீடுகளை ஒரு விநாடிக்கு 60+ முறை புதுப்பிக்க முடியும் (இது நகரும் பொருட்களை கண்காணிக்க முக்கியமாகும்).
மென்பொருள் அல்காரிதங்கள் ஒரு பங்கு வகிக்கின்றன. AI-ஆधாரित AF (நவீன ஸ்மார்ட்போன்களில் காணப்படும்) இயந்திரக் கற்றலைக் கொண்டு பொருட்களை (எடுத்துக்காட்டாக, முகங்கள், விலங்குகள், கார்கள்) அடையாளம் காண்கிறது மற்றும் அவற்றுக்கு முன்னுரிமை அளிக்கிறது—எனவே, அமைப்பு தவறான பகுதியை (எடுத்துக்காட்டாக, நாய்க்கு பதிலாக ஒரு மரம்) கவனிக்க நேரத்தை வீணாக்காது. எடுத்துக்காட்டாக, Google-இன் Pixel 8 Pro “Real Tone AF” ஐ மனித தோல் நிறங்களை கண்டறிந்து முகங்களில் பூட்டுவதற்காக, கூடுதல் காட்சிகளில் கூட பயன்படுத்துகிறது.
5.4 சுற்றுப்புற ஒளி நிலைகள்
ஒளி AF இன் உயிரின் ஆதாரம். பிரகாசமான ஒளியில்:
• CDAF நன்கு செயல்படுகிறது (பிக்சல்களுக்கிடையில் உயர் மாறுபாடு).
• PDAF கட்டம் மாறுபாட்டை சரியாக அளவிடுகிறது.
• LAF மிகவும் தேவையானது அல்ல, ஆனால் அருகிலுள்ள படங்களுக்கு இன்னும் பயனுள்ளதாக உள்ளது.
குறைந்த வெளிச்சத்தில்:
• எதிர்ப்பு குறைகிறது, இதனால் CDAF மெதுவாகிறது.
• பரிமாண வேறுபாடு அளவிட மிகவும் கடினமாகிறது, எனவே PDAF குறைவான துல்லியமாக இருக்கலாம்.
• LAF (அல்லது ToF சென்சார்) முக்கியமாக மாறுகிறது, ஏனெனில் இது சுற்றுப்புற ஒளியை சாரவில்லை.
6. ஆட்டோ ஃபோகஸ் தொழில்நுட்பத்தில் எதிர்கால நெறிகள்
கேமரா மாடுல்கள் சிறியதாக, சக்திவாய்ந்ததாக மற்றும் மேலும் சாதனங்களில் (எடுத்துக்காட்டாக, ஸ்மார்ட் கண்ணாடிகள், ட்ரோன்கள், மருத்துவ ஸ்கேனர்கள்) ஒருங்கிணைக்கப்படுவதற்கான வளர்ச்சியுடன், AF தொழில்நுட்பம் புதிய தேவைகளை பூர்த்தி செய்ய வளர்ந்து வருகிறது. கவனிக்க வேண்டிய அறிவியல் முன்னேற்றங்கள் இங்கே உள்ளன:
6.1 AI-ஐ அடிப்படையாகக் கொண்ட முன்னறிவிப்பு AF
எதிர்கால AF அமைப்புகள், ஒரு பொருள் எங்கு அடுத்ததாக நகரும் என்பதை "முன்கணிக்க" AI-ஐ பயன்படுத்தும் - அதன் தற்போதைய நிலைக்கு மட்டும் எதிர்வினை அளிக்காமல். எடுத்துக்காட்டாக, ஒரு விளையாட்டு கேமரா ஒரு கால்பந்து பந்தின் பாதையை கற்றுக்கொண்டு, பந்து இலக்கை அடையும்முன் கவனத்தை சரிசெய்யலாம், இது மங்கலுக்கு பூஜ்யமாக உறுதி செய்கிறது. இது, மில்லியனுக்கு மேற்பட்ட நகரும் பொருட்களைப் பயன்படுத்தி பயிற்சி பெற்ற இயந்திரக் கற்றல் மாதிரிகளை நம்புகிறது, இது அமைப்புக்கு இயக்கத்தின் மாதிரிகளை முன்னறிவிக்க உதவுகிறது.
6.2 பல-லேசர் ToF அமைப்புகள்
தற்போதைய LAF அமைப்புகள் ஒரு ஒற்றை லேசரை பயன்படுத்துகின்றன, ஆனால் அடுத்த தலைமுறை மாடுல்களில் பல லேசர்கள் (அல்லது “லேசர் வரிசை,” இது பரந்த காட்சி துறையை மூடுகிறது) உள்ளடக்கப்படலாம், இது பரந்த பகுதியின் தூரத்தை அளிக்க உதவும். இது பெரிய பொருட்களுக்கு (எடுத்துக்காட்டாக, ஒரு குழு மக்கள்) AF துல்லியத்தை மேம்படுத்தும் மற்றும் பிரதிபலிக்கும் மேற்பரப்புகளில் பிழைகளை குறைக்கும் (பல லேசர் புல்ஸ்கள் பயன்படுத்தக்கூடிய பிரதிபலிப்பு கிடைக்கும் வாய்ப்பை அதிகரிக்கின்றன).
6.3 உல்ட்ரா-கம்பக்ட் PDAF அணிகலன்களுக்கு
ஸ்மார்ட் கண்ணாடிகள் மற்றும் ஸ்மார்ட் வாட்சுகள் சிறிய கேமரா மாட்யூல்களை கொண்டுள்ளன, எனவே பொறியாளர்கள் மில்லிமீட்டர் அளவிலான சென்சார்களில் பொருந்தக்கூடிய "மைக்ரோ-PDAF" அமைப்புகளை உருவாக்குகிறார்கள். இந்த அமைப்புகள் சிறிய அளவிலான கட்டமைப்பு கண்டறிதல் பிக்சல்களை மற்றும் மடிக்கூடிய லென்ஸ்களை பயன்படுத்தி, இடம் குறைவான சாதனங்களில் விரைவான கவனம் செலுத்துகின்றன.
7. முடிவு: தெளிவான படங்களை உருவாக்கும் மறைந்த அறிவியல்
ஆட்டோ ஃபோகஸ் ஒரு “மாயாஜாலம்” அம்சமாக தோன்றலாம், ஆனால் இது அடிப்படையான இயற்பியலில்—ஒளியியல், கட்டம் மாறுபாடு, மற்றும் காலம்-ஃப்ளைட்—அதிகாரமான மின்சாரங்கள் மற்றும் மென்பொருளுடன் இணைக்கப்பட்டுள்ளது. குறைந்த விலையுள்ள தொலைபேசிகளில் உள்ள எதிர்ப்பு கண்டறிதல் முறைமைகள் முதல் முன்னணி கேமராவில் உள்ள ஹைபிரிட் PDAF/LAF அமைப்புகள் வரை, ஒவ்வொரு AF முறைமையும் ஒரு குறிப்பிட்ட சிக்கல்களை தீர்க்க வடிவமைக்கப்பட்டுள்ளது: வேகம், துல்லியம், அல்லது குறைந்த ஒளி செயல்திறன்.
அடுத்த முறையில் நீங்கள் உங்கள் தொலைபேசி திரையில் ஒரு பொருளை மையமாக்கத் தொடுகிறீர்கள், அப்போது வேலை செய்யும் அறிவியலை நினைவில் கொள்ளுங்கள்: ஒளி கதிர்களாகப் பிரிகிறது, லேசர்கள் மேற்பரப்புகளில் தட்டிக்கொண்டு செல்கின்றன, மற்றும் செயலி nanoseconds-ல் தூரங்களை கணக்கிடுகிறது—உங்கள் புகைப்படம் தெளிவாக இருக்க உறுதி செய்ய அனைத்தும். கேமரா மாடுல்கள் தொடர்ந்து வளர்ந்துவரும் போது, AF மேலும் வேகமாக, மேலும் துல்லியமாக, மேலும் பொருந்தக்கூடியதாக மாறும்—எந்த சூழ்நிலையிலும் சரியான புகைப்படத்தை பிடிக்க எளிதாக்குகிறது.
உங்கள் கேமரா அல்லது ஸ்மார்ட்போனில் ஆட்டோ ஃபோக்கஸ் எப்படி வேலை செய்கிறது என்பதில் கேள்விகள் உள்ளதா? கருத்துகளில் எங்களுக்கு தெரியப்படுத்துங்கள்!
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat