3、图像传感器（Image Sensor）：CMOS vs CCD，像素结构，Bayer阵列与色彩滤波
图像传感器，说白了就是相机的「视网膜」。光进来，能不能变成电信号，全靠它。我这些年经手过的项目，从手机模组到工业相机，传感器选型永远是第一道坎——选对了，后面ISP调起来顺风顺水；选错了，后期怎么救都救不回来。
这一节，我们重点拆解三个核心问题：CMOS和CCD到底差在哪？单个像素里面长什么样？以及，为什么几乎所有的彩色相机都离不开Bayer阵列？
3.1 CMOS vs CCD：两种主流技术路线
先看一张对比表，把底层的差异说清楚。
| 对比维度 | CCD（电荷耦合器件） | CMOS（互补金属氧化物半导体） |
|---|---|---|
| 读出方式 | 逐行电荷转移，统一输出 | 每个像素独立寻址，并行读出 |
| 功耗 | 高（需要多路高压时钟驱动） | 低（单电源，静态功耗极低） |
| 噪声 | 低（读出路径单一，一致性高） | 较高（像素级放大器失配，固定模式噪声） |
| 速度 | 慢（串行读出，帧率受限） | 快（并行读出，轻松上60fps甚至更高） |
| 集成度 | 低（需要外部ADC、驱动芯片） | 高（ADC、时序控制、甚至ISP可集成在同一芯片） |
| 成本 | 高（工艺特殊，良率低） | 低（标准CMOS工艺，量大管饱） |
| 动态范围 | 优秀（典型70-80dB） | 一般（典型60-70dB，但可通过多增益扩展） |
我个人习惯把CCD比作「老派工匠」——画质干净、动态范围宽，但脾气大、功耗高、速度慢。CMOS则是「现代工厂」——灵活、便宜、速度快，但底噪偏大，需要后期算法去补偿。
关键结论： 消费电子领域，CMOS已经全面取代CCD。但在天文、科研、医疗等对极低噪声有变态要求的场景，CCD依然有不可替代的地位。我去年帮一个卫星载荷项目做选型，最后还是选了背照式CCD——没办法，信噪比要求太苛刻了。
避坑指南： 我曾经在一个安防项目中，为了省成本选了低端CMOS，结果夜视模式下满屏的固定模式噪声（FPN），怎么调ISP都压不下去。后来换了带片上降噪的型号，问题才解决。选型时一定要看「暗场噪声」和「读出噪声」两个指标，别只看像素数。
3.2 像素结构：从光电二极管到电压信号
一个像素到底是怎么工作的？我画了一张简化的结构图，帮你理清信号流。
嗯，这张图里最核心的就是「光电二极管（PD）」和「浮置扩散区（FD）」。光子打到PD上产生电子，电子通过传输门（TG）转移到FD，FD把电荷包转换成电压，再经过源极跟随器（SF）缓冲输出。你想想看，这个过程其实非常脆弱——任何一个环节漏电，暗电流就上来了。
注意： 像素尺寸越小，满阱容量（Full Well Capacity）就越小，动态范围就越差。我见过不少手机传感器把像素做到0.8μm以下，白天还行，一到暗光环境，信噪比直接崩盘。这是物理极限，算法救不了。
3.3 Bayer阵列：为什么是RGGB？
单颗像素只能感知光的强度，分辨不出颜色。那彩色图像怎么来的？答案是：在像素表面盖一层彩色滤光片，每个像素只允许特定波长的光通过。
最经典的方案就是Bayer阵列——以2x2为基本单元，排列为R、G、G、B。为什么绿色有两个？因为人眼对绿色最敏感，多采样绿色可以更好地模拟人眼视觉特性。
Bayer阵列的原始数据叫「RAW图」——每个像素只有一种颜色信息。要得到全彩图像，必须经过「去马赛克（Demosaic）」算法，把缺失的另外两个颜色通道插值出来。这部分我们会在ISP章节详细讲。
经验之谈： 我曾经调试过一款传感器，Bayer阵列的绿色滤光片光谱响应和红外截止滤光片（IR-Cut）不匹配，导致绿色通道出现奇怪的偏色。后来查了滤光片的光谱曲线才发现，IR-Cut的截止波长刚好切掉了G通道的一部分响应。嗯，这种坑，不看datasheet根本发现不了。
3.4 色彩滤波的物理限制
彩色滤光片不是完美的。每个通道都有光谱串扰——比如红色滤光片也会让少量绿光通过。这会导致颜色饱和度下降，需要ISP做「颜色校正矩阵（CCM）」来补偿。
另外，滤光片会吸收大约2/3的光能量。你想想看，每个像素只允许一种颜色通过，其他两种颜色的光直接被滤掉了。这就是为什么彩色传感器的灵敏度天生比黑白传感器低——黑白传感器没有滤光片，所有光子都能被利用。
核心矛盾： 彩色滤光片带来了颜色信息，但牺牲了灵敏度和分辨率。为了弥补，现代传感器开始用「四合一（Quad Bayer）」或「非规则阵列」——比如华为的RYYB阵列，用黄色滤光片替代绿色，进光量提升40%，但代价是颜色还原更复杂，需要更强的算法。
3.5 本章小结
图像传感器是整个Camera硬件通路的起点。理解CMOS和CCD的差异、像素的4T结构、Bayer阵列的RGGB布局，是后续所有ISP处理的基础。我个人建议，做ISP算法的人，一定要亲手看过传感器的datasheet和光谱响应曲线——纸上得来终觉浅，绝知此事要躬行。