📚 课程目录第2章成像基础

成像基础：数字图像传感器工作原理、曝光三要素及其对图像亮度的影响

自动曝光（AE）算法的本质，是在给定的场景与硬件约束下，求解一组最优的曝光参数组合，使传感器输出的数字图像在亮度、信噪比与动态范围之间达到平衡。要设计出鲁棒的AE策略，首先必须理解图像信号从光子到数字码的完整链路，以及光圈、快门、ISO三个旋钮各自独立的物理作用与耦合关系。本章从传感器工作原理出发，建立曝光三要素的数学模型，并给出它们在AE算法中的实际控制语义。

2.1 数字图像传感器工作原理

数字图像传感器的核心任务是将入射光子转换为可量化的电信号，再经模数转换输出为数字码值。当前主流传感器分为CCD（电荷耦合器件）与CMOS（互补金属氧化物半导体）两大类，其中CMOS因集成度高、功耗低、读出速度快，在手机、相机、车载与安防领域占据主导地位。本节以CMOS传感器为对象，梳理从光子入射到数字码值输出的完整链路。

2.1.1 光电转换与电荷积累

每个像素单元的核心是一个光电二极管（Photodiode）。当光子入射到PN结耗尽区时，若光子能量大于半导体禁带宽度，则激发产生电子-空穴对。光生电子被电场收集并存储在像素的浮置扩散区（FD）或电容中，形成与入射光强和曝光时间成正比的电荷量。这一过程可用公式描述：

Q_e = Φ × QE × A_pixel × t

其中，Φ为光子通量密度（photons/μm²/s），QE为量子效率（通常为50%~80%），A_pixel为像素感光面积，t为曝光时间。QE受波长影响显著，硅基传感器在550nm绿光附近响应最高，在红外与紫外波段衰减明显，这也是RGB Bayer阵列中G像素通常比R/B像素更灵敏的原因。

2.1.2 电荷-电压转换与读出

曝光结束后，像素内的电荷通过行选通逐行读出。电荷首先转移到浮置扩散区，该区域的电容C_FD将电荷转换为电压：

V_signal = Q_e / C_FD

随后，该电压经过源极跟随器（Source Follower）缓冲，再通过列放大器进行可编程增益放大（PGA）。PGA的增益档位即对应ISO设置。最后，模拟电压经ADC量化为数字码值。以12-bit ADC为例，输出范围为0~4095，满量程电压通常对应传感器饱和电平。

  关键参数：满阱容量（Full Well Capacity, FWC）决定了像素能存储的最大电子数，典型值在10,000~80,000 e⁻之间。FWC越大，动态范围越高，但像素尺寸也越大。AE算法必须确保曝光量不超过FWC的90%左右，否则高光区域将产生严重的高光溢出（Blooming）或高光裁切（Clipping）。

2.1.3 噪声模型与暗电流

传感器输出信号中不可避免地叠加多种噪声源：光子散粒噪声（√N，服从泊松分布）、读出噪声（固定模式噪声+随机噪声）、暗电流噪声（温度相关）以及ADC量化噪声。其中散粒噪声是物理极限，无法消除；读出噪声在低照度场景下成为主要限制因素。AE算法在低光环境下应优先延长曝光时间或增大光圈，而非盲目提升ISO，因为ISO增益会同时放大信号与噪声，导致信噪比（SNR）恶化。

噪声类型	来源	与曝光参数关系	AE影响
光子散粒噪声	光子到达的随机性	∝ √(光电子数)	低照度下SNR下降
读出噪声	像素复位、源极跟随器、ADC	与曝光无关，固定值	限制暗部信噪比下限
暗电流噪声	热激发产生电子	∝ 曝光时间 × 温度	长曝光时热像素增多
固定模式噪声	像素工艺失配	与曝光无关	需标定校正

2.2 曝光三要素：光圈、快门、ISO

曝光三要素共同决定传感器接收到的光能量与信号放大程度。三者的物理作用完全不同，AE算法的核心任务就是在这三个自由度中寻找最优组合，使输出图像亮度达到目标值（通常为18%灰对应的码值），同时满足噪声、运动模糊、景深等约束条件。

2.2.1 光圈（Aperture / F-number）

光圈是镜头中控制进光孔径大小的机械或电子结构，用F数（F/#）表示：

F/# = f / D

其中f为镜头焦距，D为入瞳直径。F数越小，光圈开得越大，进光量越多。传感器接收到的辐照度与F数的平方成反比：

E = (π × L × τ) / (4 × (F/#)²)

其中L为场景亮度，τ为镜头透过率。F数每减小一档（如从F2.8到F2.0），进光量翻倍。光圈还影响景深：F数越小，景深越浅，背景虚化越明显；F数越大，景深越深，远近物体都清晰。在AE算法中，光圈通常由用户或场景模式预设，算法仅在必要时（如光照剧烈变化）才调整光圈。

2.2.2 快门（Shutter / Exposure Time）

快门控制传感器感光的时间长度。在CMOS传感器中，通常采用电子滚动快门（Electronic Rolling Shutter）或全局快门（Global Shutter）。曝光时间t直接线性控制光电子积累量：

Q_e(t) = Φ × QE × A_pixel × t

曝光时间加倍，信号电荷量加倍，图像亮度线性提升。但曝光时间过长会引入两个问题：一是运动物体产生拖影（Motion Blur），二是手持拍摄时手抖导致图像模糊。此外，在50Hz/60Hz交流电照明环境下，过长的曝光时间会捕捉到灯光闪烁（Flicker）的明暗条纹。AE算法需要根据场景运动状态与光源频率，将曝光时间限制在安全范围内。

2.2.3 ISO（模拟增益与数字增益）

ISO在数字相机中代表信号放大的增益系数。它分为模拟增益（PGA）与数字增益两部分。模拟增益在ADC之前对电压信号进行放大，数字增益在ADC之后对数字码值进行乘法运算。ISO的标称值通常遵循：

Gain = 10^(ISO / 20)

例如ISO 100对应增益1x，ISO 200对应增益1.41x（即+3dB），ISO 400对应增益2x。ISO提升的本质是放大信号幅度，但噪声也被同等放大。更关键的是，模拟增益放大后的信号在ADC量化时能更充分地利用量化位数，减少量化噪声；而数字增益只是对已量化的码值做乘法，无法恢复被量化丢失的信息。因此，AE算法应优先使用模拟增益，仅在模拟增益达到上限后才使用数字增益。

重要误区：ISO并不改变传感器实际收集的光子数，它只是电信号的放大倍数。高ISO不会让传感器"更敏感"，只是让信号更容易被读取和量化。真正决定信噪比的是光子收集量（由光圈、快门、场景亮度决定），ISO越高，噪声越明显。

2.3 曝光三要素对图像亮度的综合影响

图像亮度（以数字码值DN表示）与三要素的关系可统一为曝光方程：

DN = (L × τ × QE × A_pixel × t × G_iso) / (4 × (F/#)² × K_adc)

其中K_adc为ADC转换系数（V/LSB）。该公式揭示了AE算法的核心：给定目标亮度DN_target，在已知场景亮度L的条件下，求解满足约束的(F/#, t, G_iso)组合。由于三个参数对亮度的影响是乘性的，AE算法通常采用对数域运算，将乘法转化为加法，便于线性控制。

2.3.1 EV（曝光值）与亮度映射

摄影中常用EV（Exposure Value）表示曝光量组合：

EV = log₂(F² / t) - log₂(ISO/100)

EV每增加1，表示曝光量减半（图像变暗一档）。AE算法内部通常维护一个目标EV值，根据场景亮度实时调整。例如，在晴天户外（亮度约10,000 cd/m²），目标EV约为15；在室内（亮度约100 cd/m²），目标EV约为8；在夜晚（亮度约1 cd/m²），目标EV约为3。

2.3.2 三要素的调节优先级

实际AE算法中，三要素的调节并非等权。通常遵循以下优先级策略：

先调ISO（低增益优先）：在亮度充足时保持ISO最低（如ISO 100），确保最佳画质。
再调快门：在保证不产生运动模糊的前提下，优先延长曝光时间以增加进光量。
最后调光圈：光圈影响景深，通常由用户控制或场景模式决定，AE仅在必要时调整。
亮度不足时：先提升ISO至可接受噪声上限（如ISO 1600），再考虑降低快门速度或开大光圈。

工程经验：在手机摄像头中，由于光圈固定（如F1.8），AE算法实际只有快门和ISO两个自由度。此时算法通常采用"ISO-快门联合搜索"策略：先固定ISO，搜索最优快门；若快门达到安全下限（如1/30s）仍亮度不足，则提升ISO并重新搜索。

2.4 实战场景：低照度室内场景的曝光参数求解

考虑一个典型的室内会议场景：环境亮度约50 cd/m²，使用手机摄像头（光圈F1.8，传感器QE=60%，像素面积1.4μm²，满阱容量约30,000 e⁻，ADC为12-bit）。目标是将18%灰卡映射到码值DN=512（满量程的12.5%）。

初始参数与约束：

场景亮度L = 50 cd/m²
光圈F = 1.8（固定）
安全快门下限：1/30s（手持防抖）
可接受ISO上限：1600（噪声容忍度）
目标亮度：DN_target = 512

计算过程：

首先计算传感器接收到的辐照度。镜头透过率τ取0.8，则：

E = (π × 50 × 0.8) / (4 × 1.8²) ≈ 9.7 W/m²（等效光功率）

转换为光子通量（550nm波长，光子能量约3.6×10⁻¹⁹ J）：

Φ ≈ 9.7 / 3.6×10⁻¹⁹ ≈ 2.7×10¹⁹ photons/m²/s

像素面积A_pixel = 1.4μm² = 1.4×10⁻¹² m²，QE=0.6，则每秒产生的光电子数：

N_e/s = 2.7×10¹⁹ × 1.4×10⁻¹² × 0.6 ≈ 22,680 e⁻/s

若曝光时间t=1/30s，则积累电荷：

Q_e = 22,680 × (1/30) ≈ 756 e⁻

此时信号电压（C_FD取10fF）：

V_signal = 756 × 1.6×10⁻¹⁹ / 10×10⁻¹⁵ ≈ 12.1 mV

若ADC满量程对应1V，则12-bit ADC的LSB为0.244mV。不加增益时DN = 12.1/0.244 ≈ 50，远低于目标512。需要增益：

Gain_needed = 512 / 50 ≈ 10.2x

对应ISO = 20 × log₁₀(10.2) × 10 ≈ 20 × 10.1 ≈ 202，取ISO 200（增益1.41x）不够，需ISO 400（增益2x）或更高。但ISO 400时噪声明显增加。更好的方案是延长曝光时间至1/15s（若场景无运动物体），则Q_e = 1512 e⁻，DN≈100，所需增益约5.1x，对应ISO约200，画质更优。

最终决策：AE算法选择曝光时间1/15s，ISO 200，光圈F1.8。此时DN≈512，满足目标亮度。若场景中存在运动物体，则需权衡：要么接受ISO 800（增益4x）配合1/30s快门，要么接受轻微运动模糊。

方案	快门	ISO	DN	SNR（估算）	风险
方案A（画质优先）	1/15s	200	512	约38dB	运动模糊
方案B（防抖优先）	1/30s	400	512	约32dB	噪声略高
方案C（极限防抖）	1/60s	800	512	约26dB	噪声明显

复盘经验：AE算法不应只追求亮度达标，还需考虑场景语义。若检测到画面中有运动主体（如人、车），应优先保证快门速度；若场景为静态（如文档拍摄），则优先低ISO。现代AE算法常结合运动检测与场景分类，动态调整三要素的优先级权重。

2.5 常见误区与总结

误区一：ISO越高，传感器越敏感。实际上ISO只是增益放大，不改变光子收集效率。高ISO必然带来更高噪声，AE算法应尽量在低ISO下工作。

误区二：曝光时间越长越好。长曝光虽能增加亮度，但会引入运动模糊、暗电流噪声和闪烁条纹。AE算法必须设置曝光时间的上限，通常为1/30s（手持）或1/120s（运动场景）。

误区三：光圈越大越好。大光圈（小F数）虽然进光多，但景深变浅，边缘画质下降，且镜头衍射效应在F数小于F2.0时开始显现。AE算法不应盲目开大光圈。

本章核心要点：

传感器输出DN值与场景亮度、光圈、快门、ISO呈乘性关系，AE算法本质是对数域上的线性优化问题。
光圈控制进光面积（∝1/F²），快门控制积分时间（∝t），ISO控制信号放大倍数（∝G）。三者对亮度的影响可互相补偿，但噪声、模糊、景深代价不同。
AE算法的调节优先级通常为：先低ISO，再调快门，最后调光圈；亮度不足时按"ISO→快门→光圈"的顺序逐步放宽约束。
实际工程中需结合满阱容量、读出噪声、安全快门、闪烁频率等硬件约束，建立曝光参数查找表（LUT）或在线搜索策略。