2. 成像链路关键性能指标定义
成像链路从光子进入镜头到最终输出数字图像，中间经历光学、光电转换、电荷传输、模拟放大、模数转换等多个环节。每个环节都会对最终图像质量产生影响，而这些影响最终会体现在一组可量化的性能指标上。理解这些指标的含义、测量方法和工程意义，是进行成像链路优化的前提。本节将逐一拆解这些核心指标，并说明它们之间的关联与权衡。
MTF：调制传递函数
MTF（Modulation Transfer Function，调制传递函数）描述成像系统对不同空间频率信号的对比度保持能力。通俗地说，它回答的是“多细的条纹还能被分辨出来，且对比度还剩多少”。
MTF的测量通常使用刀口法或正弦光栅法。刀口法通过拍摄一个黑白分明的刀口边缘，得到边缘扩散函数（ESF），对其求导得到线扩散函数（LSF），再做傅里叶变换并取模，即可得到MTF曲线。工程上常用“MTF50”表示对比度下降到50%时对应的空间频率，单位是lp/mm（线对每毫米）或cycles/pixel。
MTF的工程意义在于：它直接决定系统的空间分辨率极限。如果MTF在关键频率处过低，图像会显得“肉”、细节模糊。在链路优化中，镜头、传感器像素尺寸、微透镜、滤光片、甚至图像处理算法都会影响MTF。例如，像素尺寸越小，理论上MTF截止频率越高，但受衍射极限和工艺限制，实际MTF可能反而下降。
SNR：信噪比
SNR（Signal-to-Noise Ratio，信噪比）是信号功率与噪声功率的比值，通常用分贝（dB）表示。在成像中，它衡量的是“有用信号”相对于“随机波动”的强度。
测量SNR的常用方法：在均匀照明下拍摄多帧图像，计算某区域像素值的均值作为信号，计算该区域像素值的标准差作为噪声，SNR = 均值 / 标准差。若用dB表示，则SNR(dB) = 20 × log10(均值 / 标准差)。
SNR的工程意义非常直接：它决定了图像的“干净程度”。SNR低时，图像会出现明显颗粒感，暗部细节被噪声淹没。在链路中，SNR受光子散粒噪声、暗噪声、读出噪声、量化噪声等共同影响。提高SNR的手段包括增加曝光时间、增大像素面积、降低读出噪声、采用制冷降低暗电流等。但需注意，SNR与动态范围、帧率之间存在权衡。
动态范围
动态范围（Dynamic Range，DR）定义为系统能同时记录的最亮信号与最暗可分辨信号之比，通常用dB表示。它描述的是系统“包容明暗差异”的能力。
测量动态范围时，通常先确定饱和曝光量（像素达到满阱容量时的曝光量），再确定噪声等效曝光量（即SNR=1时的曝光量），两者之比即为动态范围。工程上也可用满阱容量除以读出噪声来估算。
动态范围的工程意义在于：它决定了图像中高光与阴影能否同时保留细节。在强逆光、高对比度场景中，动态范围不足会导致高光过曝或暗部死黑。优化动态范围需要从提高满阱容量、降低读出噪声、优化曝光策略等多方面入手。例如，采用双增益转换或多次曝光合成技术，可以在不牺牲帧率的前提下扩展有效动态范围。
量子效率
量子效率（Quantum Efficiency，QE）定义为入射光子转化为可收集电子的比例，通常以百分比表示。它衡量的是传感器将光转换为电信号的能力。
QE的测量需要已知波长的单色光、精确的光功率计和校准过的参考探测器。通过测量传感器输出电流与入射光子数之比，即可得到QE。QE通常随波长变化，因此会给出QE曲线。
QE的工程意义在于：它直接影响系统的灵敏度。QE越高，相同光照下获得的信号越强，SNR越好，或可在更低照度下工作。在链路优化中，提高QE的手段包括使用背照式结构、减薄氧化层、优化微透镜和抗反射涂层等。但QE提升往往伴随暗电流增加或工艺复杂度上升，需要综合权衡。
暗噪声与读出噪声
暗噪声（Dark Noise）是暗电流引起的噪声，通常用电子数（e-）表示。暗电流是热激发产生的电荷，即使没有光照也会存在。暗噪声的测量方法：在完全无光条件下，拍摄多帧图像，计算像素值的标准差，再转换为电子数。
读出噪声（Read Noise）是读出电路引入的噪声，包括复位噪声、源跟随器噪声、量化噪声等。测量时同样在无光条件下，但需扣除暗电流贡献，通常用均方根电子数表示。
两者的工程意义不同：暗噪声决定长曝光时的噪声底，读出噪声决定短曝光或高速读出时的噪声底。在低照度应用中，读出噪声往往是限制SNR的主要因素；在长曝光天文观测中，暗噪声则成为关键。优化手段包括制冷降低暗电流、采用相关双采样（CDS）降低复位噪声、使用低噪声读出电路等。
坏点率与均匀性
坏点率（Defective Pixel Rate）是指传感器中失效像素（如始终亮、始终暗或响应异常）占总像素的比例。测量方法：在均匀光照和全暗条件下分别拍摄，统计偏离均值超过若干倍标准差的像素数量。
均匀性（Uniformity）描述的是传感器不同区域对相同光照响应的一致性，通常用响应率的变异系数（标准差/均值）表示。测量时需使用均匀面光源，计算各区域响应率的偏差。
坏点率和均匀性的工程意义在于：它们直接影响图像的视觉质量和后续处理。坏点会在图像中形成固定亮点或暗点，均匀性差会导致图像出现明暗不均的“暗角”或“色斑”。在链路优化中，可通过坏点校正、平场校正等算法进行补偿，但根本改善仍需从传感器工艺和光学设计入手。
指标之间的关联与权衡
上述指标并非孤立存在，它们之间存在深刻的物理关联和工程权衡。例如，像素尺寸缩小可以提升MTF，但会减少满阱容量，从而降低动态范围；同时像素面积减小导致QE下降，SNR也会变差。再如，提高增益可以降低读出噪声的相对影响，但会压缩动态范围。制冷可以显著降低暗噪声，但会增加功耗、体积和成本。
因此，成像链路优化的核心不是追求单一指标最优，而是在具体应用场景下找到多指标的最佳平衡点。例如，天文观测优先考虑QE和暗噪声，工业检测优先考虑MTF和均匀性，安防监控则更关注SNR和动态范围。理解每个指标的物理本质和测量方法，才能在实际工程中做出合理的取舍与优化决策。