3. onsemi传感器噪声测试环境搭建

噪声测试与坏点治理的第一步不是写算法，而是把"可控的光、可控的温度、可控的采集链路"搭起来。onsemi 的图像传感器（如 AR/ARX 系列、PYTHON 系列、Hyperlux 系列）在数据手册中给出的暗电流、读出噪声、DSNU、PRNU 等指标，都建立在明确的测试条件之上：光照均匀度、色温、积分时间、结温、增益、模拟前端带宽。如果环境不可控，测出来的"噪声"里混着光源纹波、温漂和采集链路噪声，后续坏点判定就失去意义。本节围绕暗室、积分球、光源、温控平台、采集卡与评估板选型，以及 onsemi 评估套件的连接与配置展开。

一、测试环境各环节的作用与选型要点

暗室用于暗电流、暗噪声、暗坏点测试，核心指标是杂散光抑制能力。工程上通常要求暗室内部在传感器工作波段（可见光 400–700 nm，近红外可到 850–940 nm）的漏光低于传感器暗信号等效照度的 1/10。实操中可用黑绒布 + 遮光罩 + 传感器镜头盖三重遮蔽，并在盖镜头盖后采集 100 帧，观察平均 DN 是否随积分时间线性增长——若线性增长，说明是真实暗电流；若出现与积分时间无关的固定偏置，多为读出链路失调。

积分球用于平场（PRNU、DSNU、坏点）与线性度测试，关键参数是出光口均匀度（一般要求中心 80% 区域优于 98%）、开口直径与传感器视场匹配。球内光源经多次漫反射后到达出光口，因此积分球同时起到"匀光"和"去偏振"作用。测试时传感器应贴近出光口，避免环境光从侧面进入。

光源需覆盖两类需求：可调亮度的宽谱白光（如卤素灯 + 中性密度滤光片，或高显色 LED）用于平场与响应测试；单色/窄带光源（LED + 窄带滤光片或单色仪）用于量子效率与光谱响应。光源稳定性直接影响 PRNU 测量重复性，建议光源驱动采用恒流源，并在积分球内加监测光电二极管做闭环反馈。

温控平台是噪声测试中最容易被忽视的一环。onsemi 传感器的暗电流大约每升高 6–8 ℃ 翻一倍，因此暗电流测试必须锁定结温。常用方案是 TEC 半导体制冷片 + 热敏电阻/PT1000 反馈 + PID 控制器，把传感器封装背面或评估板铜箔区控制在设定温度（如 25 ℃、60 ℃、85 ℃）。测试前需等待热平衡（通常 5–10 分钟），并记录实际结温而非平台温度。

采集卡与评估板决定数据链路的噪声底。onsemi 评估套件通常由传感器子板（如 AR0234CS 子板）+ 接口/处理底板（如 APTINA 或 DevWare 兼容底板）+ USB 3.0/千兆以太网采集通道组成。选型时要关注：MIPI/LVDS 通道数与传感器输出匹配、位深（10/12 bit）、帧率是否满足多帧平均需求、是否支持 RAW 输出而非 ISP 处理后的 YUV。若采集卡自带压缩或自动增益，会掩盖真实噪声，必须关闭。

二、onsemi 评估套件的连接与配置

以典型的 onsemi DevWare 评估链路为例，连接顺序为：传感器子板通过板对板连接器插到底板 → 底板通过 USB 3.0 或千兆以太网连到 PC → 安装 DevWare 与对应传感器 XML 寄存器配置 → 上电后识别设备。上电前务必确认子板供电电压（常见 1.8 V/2.8 V/3.3 V 多域）与底板跳线一致，反接或电压错配会直接损坏传感器。

配置阶段的核心是寄存器初始化。DevWare 通过 XML 文件描述传感器的寄存器序列，包括 PLL 配置、MIPI 时序、曝光/增益、测试图案等。噪声测试时建议：

• 关闭所有自动算法（自动曝光、自动白平衡、自动增益、镜头阴影校正、坏点校正），否则测到的是"处理后的噪声"。
• 输出格式设为 RAW10 或 RAW12，位深与后续统计脚本一致。
• 固定模拟增益与数字增益（如模拟增益 1×、数字增益 1×），避免增益切换引入额外噪声。
• 固定积分时间，暗场测试时先盖镜头盖，再设置曝光。

采集端建议使用 onsemi 提供的 SDK 或直接调用 DevWare 的抓帧接口，把连续 N 帧（如 100 帧）保存为无压缩 RAW 文件。上位机统计脚本按以下方式计算：

# 示例：暗场 100 帧统计（伪代码，参数为教学示例）
frames = load_raw("dark_100f.raw", width=1920, height=1200, bit=12)
mean_frame = mean(frames, axis=0)          # 每像素时间平均
temporal_noise = std(frames, axis=0)       # 时间噪声（读出噪声+暗噪声）
dsnu = std(mean_frame)                     # 空间噪声（暗信号非均匀性）
hot_pixels = count(mean_frame > mean(mean_frame) + 5*std(mean_frame))
print("temporal_noise(DN) =", mean(temporal_noise))
print("DSNU(DN) =", dsnu)
print("hot_pixels =", hot_pixels)

平场测试则把积分球亮度调到传感器满阱的 50% 左右，采集 100 帧，用同样方式计算 PRNU：先对每帧做去暗场，再求时间平均，最后计算空间标准差与均值的比值。若 PRNU 明显高于数据手册典型值，应检查积分球均匀度、光源纹波和镜头阴影。

三、环境搭建的检查清单

完成上述搭建后，才能进入下一步的噪声分解与坏点判定。环境本身的可重复性，决定了后续所有算法结论是否可信。