4. 传感器特性与噪声模型：量子效率、动态范围、信噪比、暗电流、读出噪声、光子散粒噪声
各位好，欢迎来到第四章。这一章我们聊点实在的——传感器本身的“脾气秉性”。
做ISP算法，说白了就是在跟传感器的物理极限做博弈。你算法写得再花哨，如果连传感器底层的噪声特性都没摸透，那调试出来的效果一定是“空中楼阁”。我个人习惯，拿到一颗新Sensor，第一件事不是跑AE/AWB，而是先把它的噪声底摸清楚。
这一章，我们就从几个最核心的指标入手：量子效率、动态范围、信噪比、暗电流、读出噪声、光子散粒噪声。这些概念是ISP 3A算法的地基，也是你后续做传感器调试时绕不开的硬骨头。
4.1 量子效率（QE）：传感器对光的“敏感度”
量子效率，英文叫Quantum Efficiency，简称QE。它描述的是：入射到像素上的光子，有多少比例能转化为光电子。
公式很简单：
QE = (产生的光电子数) / (入射光子数) × 100%举个例子，如果一颗Sensor的QE是50%，意味着每两个光子打进来，只有一个能成功“撞”出电子。剩下的那个光子，要么被反射了，要么被吸收了，反正没干活。
QE跟波长强相关。不同颜色的光，穿透深度不一样。红光穿透深，蓝光穿透浅。所以Sensor的QE曲线通常是一条“驼峰”形状——中间高，两头低。
关键点：QE决定了Sensor的“底子”。QE越高，弱光性能越好。但QE不是越高越好——QE太高，强光下容易饱和，动态范围反而受限。
我在项目中遇到过一颗Sensor，QE标称70%，看着挺漂亮。结果一上暗光场景，画面噪点炸裂。后来一查，QE高是高，但暗电流也大，读出噪声也大。所以，QE不能单独看，得跟噪声指标一起看。
4.2 动态范围（DR）：能同时看清亮部和暗部的能力
动态范围，Dynamic Range，简称DR。它描述的是：传感器能同时记录的最亮信号与最暗信号的比值。
单位是dB（分贝）。公式：
DR = 20 × log10(满阱容量 / 噪声底)满阱容量（Full Well Capacity）是像素能容纳的最大电子数。噪声底是传感器在无光条件下的总噪声。
举个例子：
- 满阱容量 = 100,000 e⁻
- 噪声底 = 10 e⁻
- DR = 20 × log10(100,000 / 10) = 20 × log10(10,000) = 80 dB
80dB的动态范围，大概能区分10档光圈（1档≈6dB）。
实战经验：我调试过一款安防摄像头，Sensor标称DR 72dB。但在逆光场景下，人脸一片死黑，天空一片死白。后来发现，Sensor的DR是“理论值”，实际ISP处理时，如果tone mapping没做好，有效DR会大打折扣。所以，Sensor的DR是上限，ISP的tone mapping决定你能用多少。
4.3 信噪比（SNR）：信号与噪声的“较量”
信噪比，Signal-to-Noise Ratio，简称SNR。它描述的是：有效信号强度与噪声强度的比值。
公式：
SNR = 20 × log10(信号强度 / 噪声强度)单位也是dB。SNR越高，画面越干净。
SNR跟光照强度直接相关。光照越强，信号越强，SNR越高。光照越弱，信号弱，噪声不变，SNR就低。
这里有个关键点：SNR不是线性增长的。因为光子散粒噪声（后面会讲）跟信号的平方根成正比。信号翻倍，散粒噪声只增加√2倍。所以，光照越强，SNR提升越快。
注意：SNR和DR是两个不同的概念。DR描述的是“能容纳多少”，SNR描述的是“当前信号有多干净”。别搞混了。我见过有人把DR当SNR用，结果调试出来的AE曲线一塌糊涂。
4.4 暗电流（Dark Current）：没有光也有“鬼影”
暗电流，Dark Current。它描述的是：在没有光照的情况下，像素内部仍然产生的电子。
这些电子是“非法”的，它们来自热激发、晶格缺陷、杂质等。温度越高，暗电流越大。每升高6-8°C，暗电流大约翻一倍。
暗电流的单位通常是：e⁻/s/pixel（每秒每个像素产生的电子数）。
暗电流的影响：
- 增加噪声底：暗电流本身是噪声，会降低SNR。
- 产生固定模式噪声（FPN）：不同像素的暗电流不一致，导致画面出现“条纹”或“斑点”。
- 限制长曝光：曝光时间越长，暗电流积累越多，画面越“脏”。
避坑指南：我曾经调试一款工业相机，客户要求长曝光10秒。结果画面全是“雪花”。一查，Sensor的暗电流在室温下是50 e⁻/s/pixel，10秒就是500 e⁻，噪声底直接炸了。后来只能强制客户加散热，或者缩短曝光时间。所以，做长曝光应用，一定要先看暗电流指标。
4.5 读出噪声（Read Noise）：读出电路带来的“杂质”
读出噪声，Read Noise。它描述的是：在将像素中的电荷转换为电压、并读出到ADC的过程中，引入的噪声。
读出噪声的来源：
- 复位噪声（KTC噪声）：像素复位时，电容上的热噪声。
- 源跟随器噪声：像素内放大器的噪声。
- ADC量化噪声：模数转换时的量化误差。
- 列放大器噪声：列并行读出时的噪声。
读出噪声的单位是：e⁻ rms（均方根电子数）。
读出噪声是Sensor的“硬伤”。它跟曝光时间无关，跟温度关系也不大（相比暗电流）。所以，在弱光下，读出噪声是主要的噪声源。
我的习惯：拿到一颗新Sensor，我会先测它的读出噪声。方法很简单：盖上镜头盖，用最短曝光时间拍一张全黑图，然后计算像素值的标准差。这个值，基本就是读出噪声的“底”。如果这个底太高，那这颗Sensor的弱光性能基本没救了。
4.6 光子散粒噪声（Photon Shot Noise）：光的“量子本性”
光子散粒噪声，Photon Shot Noise。它描述的是：光子到达的随机性带来的噪声。
光子的到达是随机的，服从泊松分布。所以，即使光照完全均匀，每个像素接收到的光子数也会有波动。这个波动，就是散粒噪声。
散粒噪声的特性：
- 跟信号的平方根成正比：信号强度为S，散粒噪声 = √S。
- 是白噪声：频谱平坦，没有固定模式。
- 无法消除：这是光的量子本性决定的，任何传感器都无法避免。
举个例子：
- 信号 = 100 e⁻，散粒噪声 = √100 = 10 e⁻，SNR = 20 dB
- 信号 = 10,000 e⁻，散粒噪声 = √10,000 = 100 e⁻，SNR = 40 dB
你看，信号越强，散粒噪声虽然值变大，但相对值变小，SNR反而提升。
重要：散粒噪声是“好噪声”——它跟信号绑定，信号强时它相对小。而读出噪声是“坏噪声”——它跟信号无关，信号弱时它占主导。所以，弱光下，读出噪声是瓶颈；强光下，散粒噪声是天花板。
4.7 知识结构图：传感器噪声模型全景
下面这张图，把本章的核心概念串起来了。你可以看到，从光子入射到数字输出，每一步都有噪声“掺和”。
4.8 实战：如何用这些指标指导传感器调试
理论说完了，咱们聊聊怎么用。我总结了一个“三步走”的调试思路：
- 先测噪声底：盖上镜头盖，拍全黑图。分析读出噪声和暗电流。如果暗电流大，考虑降温或缩短曝光。如果读出噪声大，考虑换Sensor或优化PCB布局。
- 再测QE曲线：用单色光源，从400nm到1000nm扫一遍。看QE峰值在哪，跟Sensor datasheet是否一致。如果偏差大，可能是微透镜或滤光片有问题。
- 最后算DR和SNR：根据满阱容量和噪声底，算理论DR。再根据实际场景光照，算SNR。如果SNR不够，要么增加曝光（但小心过曝），要么做多帧融合。
核心原则：传感器调试，本质上是“在噪声和信号之间找平衡”。你不可能消除所有噪声，但你可以让噪声“藏”在信号看不见的地方。比如，把读出噪声压到散粒噪声以下，这样弱光下主要就是散粒噪声——它跟信号绑定，看起来更自然。
4.9 本章小结
这一章，我们聊了传感器最核心的6个指标：
| 指标 | 描述 | 对ISP的影响 |
|---|---|---|
| 量子效率 (QE) | 光子转电子的效率 | 决定弱光灵敏度 |
| 动态范围 (DR) | 最亮与最暗信号的比值 | 决定HDR需求 |
| 信噪比 (SNR) | 信号与噪声的比值 | 决定降噪强度 |
| 暗电流 | 无光时的电子产生 | 限制长曝光 |
| 读出噪声 | 读出电路的噪声 | 弱光性能瓶颈 |
| 光子散粒噪声 | 光子的量子随机性 | 无法消除，只能接受 |
这些指标，是ISP 3A算法的“输入参数”。你理解了它们，才能理解AE为什么要那样算，AWB为什么要那样调，AF为什么要那样跑。