📚 课程目录第2章图像传感器基础

2. 图像传感器基础

做嵌入式视觉这些年，我摸过的传感器少说也有几十款。从早期的CCD到现在的CMOS，从几十万像素到上亿像素，核心原理其实没变——把光子变成电子，再把电子变成数字。今天咱们就把这层窗户纸捅破。

先说CCD。它的全称是电荷耦合器件，名字挺绕口，工作原理其实很直白：每个像素收集到的光生电荷，像接力赛一样，一个像素一个像素地传递到输出端，统一转换成电压。

我刚开始做工业相机时，用的就是CCD传感器。那时候CCD的优势很明显——噪声低、动态范围大、图像均匀性好。为什么？因为所有像素共用同一个放大器，一致性自然好。

但CCD有个致命弱点：慢。电荷传递需要时间，而且功耗高。我记得有个项目要做高速检测，CCD帧率死活上不去，最后只能换方案。

CMOS传感器就不一样了。每个像素自带放大器，可以独立读出。说白了就是「各扫门前雪」，不需要像CCD那样排队传递电荷。这样做的好处是速度快、功耗低、成本也低。

核心差异一句话总结：CCD是「集体传送，统一放大」；CMOS是「各自放大，独立读出」。

现在工业相机领域，CMOS已经占了主流。但CCD在一些对噪声极其敏感的应用里还有一席之地，比如天文摄影、高端显微镜。

这个知识点，我建议你刻在脑子里。选错快门类型，项目直接翻车。

全局快门：所有像素在同一时刻曝光，同时开始、同时结束。就像全班同学一起拍照，咔嚓一声，全部定格。

卷帘快门：像素逐行曝光，第一行先开始，最后一行后结束。就像扫描仪一样，从上到下慢慢扫过去。

为什么会这样？因为卷帘快门是CMOS传感器的「原生」工作方式。每个像素的复位和读出是逐行进行的，所以曝光起始时间天然有差异。

我曾经踩过的坑：有个项目要拍高速运动的螺丝，用的卷帘快门CMOS。结果拍出来的螺丝是歪的，像被PS扭曲过一样。后来才意识到，这就是卷帘快门特有的「果冻效应」——物体在曝光期间移动了，不同行的成像位置不同。

那什么时候用全局快门？

什么时候用卷帘快门？

小技巧：如果你不确定选哪种，先问自己三个问题：物体动不动的？帧率要求高不高？预算够不够？三个问题问完，答案基本就出来了。

你想想看，图像传感器本身是「色盲」的。它只能感知光的强度，分不清红绿蓝。那彩色照片是怎么来的？

答案就是Bayer阵列。在每个像素前面盖一层彩色滤光片，只让特定波长的光通过。最常见的排列是RGGB——一个红色、两个绿色、一个蓝色，排成2x2的方块。

为什么绿色有两个？因为人眼对绿色最敏感。这个设计不是拍脑袋想出来的，而是基于人类视觉系统的特性。

// 典型的Bayer阵列排列（RGGB）
// 第一行：R G R G R G ...
// 第二行：G B G B G B ...
// 第三行：R G R G R G ...
// 第四行：G B G B G B ...
// 以此类推

每个像素只记录一种颜色，那其他颜色怎么办？这就需要「去马赛克」算法（也叫插值算法）。用周围像素的颜色信息，推算当前像素缺失的颜色。

举个例子：一个红色像素，它没有绿色和蓝色信息。算法会看它周围的绿色像素和蓝色像素，通过加权平均算出这个位置应该是什么绿、什么蓝。

关键理解：Bayer阵列的本质是「用空间分辨率换色彩分辨率」。每个像素只记录1/3的颜色信息，另外2/3靠算法猜出来。所以原始Bayer数据的分辨率，其实比最终图像低。

我在项目中遇到过一个问题：用Bayer传感器拍黑白条纹，结果出现了彩色伪影。这是因为插值算法在边缘处「猜错了」。后来换了更好的去马赛克算法，问题才解决。

除了Bayer，还有其他色彩滤波阵列：

但工业相机领域，Bayer还是主流。原因很简单：成熟、稳定、算法库丰富。

下面这张图，把本章的核心知识点串起来了。建议你保存下来，以后做传感器选型时对照着看。

传感器是相机的「眼睛」，选对了事半功倍，选错了从头再来。记住三个核心点：