2. 图像传感器校准基础
要理解量产校准，必须先看清一颗像素从“接收光子”到“输出数字码”究竟经历了什么。图像传感器的校准之所以复杂，是因为最终输出的每一个DN（Digital Number，数字码）都不是单一物理量的直接映射，而是光子、电荷、电压、增益、量化等多级转换叠加的结果。校准的本质，就是把这些混叠在一起的误差源逐一分离、量化并补偿。
一、光子到数字码的转换链路
以典型的CMOS有源像素（4T结构）为例，一次完整的信号转换包含以下环节：
- 光电转换：光子穿过微透镜、彩色滤光片进入硅体，在光电二极管耗尽区激发电子—空穴对，产生光生电荷。此阶段的核心参数是量子效率QE(λ)与积分时间t_int。
- 电荷—电压转换：传输栅TX将电荷转移到浮空扩散节点FD，FD电容C_FD将电荷Q转换为电压变化ΔV = Q / C_FD。转换增益CG（单位μV/e⁻）由此决定。
- 源极跟随器缓冲：像素内SF管将FD电压缓冲输出，存在阈值失配、体效应和有限增益带来的非线性。
- 模拟增益与CDS：列级模拟前端对复位电平与信号电平做相关双采样（CDS），相减得到净信号，再乘以模拟增益A_analog。
- ADC量化：列并行ADC将模拟电压量化为数字码，输出DN = (V_sig − V_black) × A_analog × K_ADC，其中K_ADC为ADC增益（DN/V）。
整条链路的输入是光子数N_ph，输出是DN。理想情况下DN与N_ph成正比，但每一级都会引入偏移、增益误差和噪声。校准要做的，就是确定这条链路的实际传递函数，并对其中的非理想项进行修正。
二、固定模式噪声（FPN）
固定模式噪声是指在同一光照、同一温度下，每次读出都重复出现的空间图案噪声。它与时间噪声（如散粒噪声、读出噪声）不同，不会因多次平均而减小。FPN的根源在于像素之间、列之间的物理失配：
- 像素级FPN：主要来自FD节点电容C_FD的随机波动、传输栅阈值失配、光电二极管面积差异。表现为图像上固定的“麻点”图案。
- 列级FPN：来自列放大器失调、列ADC参考电压偏差、列走线寄生电容差异。表现为竖直条纹，是CMOS传感器最典型的FPN形式。
FPN的量化通常用“暗场空间标准差”或“亮场空间标准差”表示。例如，某传感器在暗场下全图DN标准差为2.1 DN，其中列方向标准差为1.8 DN，说明列FPN占主导。校准方法是在暗场下采集多帧平均图，计算每个像素（或每列）的偏移量，存入片上或系统端的校正表，实时读出时逐像素减去。
三、暗电流
暗电流是硅晶格热激发产生的载流子，即使没有光子入射也会积累电荷。它随温度呈指数增长，经验规律是温度每升高约6～8°C，暗电流翻倍。暗电流有两个关键特征：
- 平均暗电流：全图平均的暗信号水平，决定黑电平偏移。校准方式是暗场下测量平均DN，作为黑电平扣除基准。
- 暗电流FPN（DSNU）：暗电流在像素间的随机差异，形成暗场下的固定图案。DSNU通常比亮场FPN更显著，因为暗电流对缺陷和工艺波动极其敏感。
实际校准中，暗电流补偿需要结合温度传感器读数。例如，在25°C下测得平均暗电流为12 e⁻/s，在45°C下可能升至约48 e⁻/s。若积分时间为10 ms，则暗电荷从0.12 e⁻变为0.48 e⁻，对应DN变化需通过暗电流温度模型进行预测和补偿。
四、坏点
坏点是指响应严重偏离正常像素的个体。常见分类：
| 类型 | 表现 | 常见成因 | 校准策略 |
|---|---|---|---|
| 暗坏点（黑点） | 暗场下DN异常低或饱和 | FD短路、传输栅失效 | 邻域插值替换 |
| 亮坏点（白点） | 暗场下DN异常高 | 缺陷导致漏电、暗电流尖峰 | 阈值检测+替换 |
| 闪烁坏点 | 时好时坏，随机出现 | 亚稳态缺陷、RTS噪声 | 多帧统计检测 |
| 列坏点 | 整列异常 | 列驱动器或列ADC故障 | 整列屏蔽或增益补偿 |
坏点检测通常在暗场和亮场各采集多帧，统计每个像素的均值和方差。若暗场均值超过全局均值+5σ，或亮场响应低于全局均值−5σ，则标记为坏点。量产中坏点数量是良率的关键指标，通常要求坏点率低于千分之一甚至万分之一。
五、列固定模式噪声
列FPN值得单独强调，因为它是CMOS传感器校准中最常见、最难彻底消除的问题。其根源是每一列都有独立的模拟前端（列放大器、CDS电路、ADC），这些电路之间的失调和增益差异直接叠加在信号上。列FPN表现为图像上的竖直条纹，在低照度下尤为明显。
列FPN的校准分两步：
- 列偏移校正：暗场下采集多帧，计算每列的平均DN，得到列偏移向量offset_col[j]。读出时逐列减去。
- 列增益校正：均匀亮场下采集，计算每列的平均响应，归一化到全局平均，得到增益向量gain_col[j]。读出时逐列除以gain_col[j]。
经过两步校正后，列FPN通常可从几个DN降到0.5 DN以下。但要注意，列增益校正会放大列内的时间噪声，因此需要在FPN抑制和噪声放大之间做权衡。
六、校准与测试的区别与联系
校准和测试在量产中经常被混为一谈，但它们的目的是不同的：
- 校准（Calibration）：目的是“修正”。通过测量已知输入下的输出，建立补偿模型或查找表，使传感器输出逼近理想响应。校准是“做减法/做除法”的过程。
- 测试（Test）：目的是“判定”。通过测量传感器在特定条件下的输出，与规格限比较，判断合格或不合格。测试是“做比较”的过程。
两者的联系在于：校准是测试的前提。如果传感器未经校准，其输出偏差可能掩盖真实性能，导致测试误判。例如，未做黑电平扣除时，暗电流偏移可能使暗场噪声测试结果虚高；未做列FPN校正时，列条纹可能被误判为坏列。因此，标准量产流程通常是“先校准、后测试”，且校准数据本身也需要通过测试来验证其有效性。
总结来说，从光子到数字码的链路中，每一级都注入了可预测或可统计的误差。校准的任务是识别这些误差的结构（偏移、增益、空间图案、温度依赖），并用最小的计算代价将其补偿。测试则负责确认补偿后的传感器是否满足应用规格。理解这条链路，是后续所有校准算法和量产流程设计的根基。