暗电流与固定模式噪声：从物理根源到校准实战
做图像传感器这些年，我花在暗电流和固定模式噪声上的时间，比任何其他模块都多。你想想看，一个传感器在完全无光的环境下，居然还能读出信号——这本身就是个让人头疼的事。更麻烦的是，每个像素的“漏电”程度还不一样，拍出来的画面就像一块脏玻璃。
这一节，我们就来拆解这两个问题。我会从物理机制讲起，再给出我实际项目中验证过的校准方法。
暗电流是怎么来的？
暗电流，说白了就是像素在没有光照时产生的电荷。它不是凭空冒出来的，根源在半导体物理里。
硅材料里的电子，正常情况下被束缚在价带里。但温度给了它们能量，一些电子就能跳到导带，形成自由电子-空穴对。这些自由电子被光电二极管的势阱收集，就成了暗电流。
我习惯把暗电流的来源分成三类：
- 扩散电流：中性区产生的少数载流子扩散到耗尽区被收集。这是暗电流的主要成分。
- 产生-复合电流：耗尽区内的缺陷能级充当了“跳板”，帮助电子从价带跃迁到导带。缺陷越多，电流越大。
- 表面漏电流：硅-二氧化硅界面处的悬挂键和界面态，也是产生暗电流的重灾区。
关键指标：暗电流密度通常用 nA/cm² 表示。一颗好的 CIS 传感器，室温下暗电流密度应该在 10-100 pA/cm² 量级。超过这个范围，你就得检查工艺或设计问题了。
温度：暗电流的放大器
温度对暗电流的影响，可以用一个经验公式来估算：
I_dark(T) = I_dark(T_ref) × 2^((T - T_ref) / ΔT)其中 ΔT 通常在 6-8°C 之间。什么意思呢？温度每升高 6-8°C，暗电流就翻一倍。
我在项目中遇到过一件印象深刻的事。有一款安防相机，在实验室 25°C 环境下测试，暗电流表现很好。结果客户装到中东的户外，环境温度到了 55°C。你猜怎么着？暗电流翻了 8 倍，画面全是噪点。后来我们不得不重新设计散热方案，并在固件里加入了温度补偿。
| 温度 (°C) | 暗电流 (相对值) | 典型表现 |
|---|---|---|
| 25 | 1× | 基准值，实验室条件 |
| 35 | 2-3× | 轻微噪点，长曝光可见 |
| 45 | 6-10× | 明显亮度偏移，短曝光也受影响 |
| 55 | 20-40× | 画面严重发白，动态范围大幅下降 |
注意：温度补偿不是万能的。当暗电流大到接近饱和电荷量时，校准算法也无能为力。这时候必须从热设计入手——散热片、热电制冷器(TEC)，该上就得上。
固定模式噪声(FPN)：每个像素都有自己的“个性”
暗电流是整体问题，FPN 是像素间的差异问题。同一个传感器，在完全均匀的光照下，每个像素的输出值却不相同。这就是固定模式噪声。
FPN 的来源主要有两个：
- 像素级 FPN：每个像素的暗电流大小不同，光电二极管面积有微小差异，晶体管阈值电压也不一致。这些因素叠加，导致每个像素的“暗底”不同。
- 列级 FPN：读出电路里，每一列共用一个放大器。列放大器之间的增益和偏置差异，会在图像上形成竖条纹。
我个人习惯把 FPN 分成两部分来处理：暗信号非均匀性(DSNU)和光响应非均匀性(PRNU)。DSNU 是零光照下的差异，PRNU 是均匀光照下的响应差异。
FPN 校准方法：我踩过的坑和总结的经验
校准 FPN，核心思路就是“减背景，除增益”。但具体怎么做，有很多细节。
方法一：两点校正法
这是最经典的方法，也是我最早学会的方法。步骤很简单：
- 采集暗帧：盖上镜头盖，拍一张全黑图像。这张图记录了每个像素的暗电流偏移。
- 采集亮帧：用均匀光源照射，拍一张中等亮度的图像。这张图包含了像素的响应差异。
- 计算校正系数：对每个像素，计算增益和偏移量。
- 应用校正：对每一帧原始图像，逐像素减去偏移，再除以增益。
// 两点校正的伪代码
// dark_frame: 暗帧平均值
// bright_frame: 亮帧平均值
// target: 目标值（亮帧的全局均值）
for each pixel (i, j):
offset[i][j] = dark_frame[i][j]
gain[i][j] = (bright_frame[i][j] - offset[i][j]) / target
// 校正
for each pixel (i, j):
corrected[i][j] = (raw[i][j] - offset[i][j]) / gain[i][j]我的经验：采集暗帧时，曝光时间要和实际使用一致。我曾经偷懒，用短曝光采集暗帧，然后用在长曝光场景下。结果暗电流差异没被完全消除，画面边缘出现了奇怪的色块。记住：暗电流和曝光时间成正比，校准条件必须匹配使用条件。
方法二：动态暗帧更新
两点校正法有个问题：暗电流随温度变化。校准时的温度和使用时的温度不一样，校正效果就会打折扣。
我后来在项目中用了一个改进方案：
- 在传感器上集成温度传感器，实时读取芯片温度。
- 预存多组不同温度下的暗帧和校正系数。
- 运行时根据当前温度，插值计算对应的校正参数。
这样做的好处是，温度变化 20°C 以内，FPN 残留可以控制在 1 LSB 以内。
方法三：列级 FPN 的专门处理
列级 FPN 在图像上表现为竖条纹，人眼对竖条纹特别敏感。我建议单独处理：
- 对每一列像素，计算该列所有像素的均值。
- 计算所有列均值的全局均值。
- 每列减去自己的均值，再加上全局均值。
这个方法简单有效，但要注意：如果场景里有垂直的亮边（比如窗户框），会被误当成列 FPN 消除掉。我一般会在检测到图像边缘时，降低列校正的强度。
知识结构图：暗电流与 FPN 的完整链路
下面这张图，是我自己整理的知识框架。它把暗电流的产生、温度影响、FPN 分类和校准方法串在了一起。
校准流程中的避坑指南
做 FPN 校准这么多年，我踩过不少坑。挑几个典型的说说：
- 暗帧采集时漏光：我曾经用黑色胶带贴镜头，以为万无一失。结果胶带边缘漏光，暗帧里出现了奇怪的渐变。后来我改用金属镜头盖，问题才解决。
- 均匀光源不均匀：采集亮帧时，光源的均匀性至关重要。我用积分球做光源，均匀性可以做到 99% 以上。如果只用两个灯泡对着照，校正出来的图像会有明暗斑块。
- 增益和偏移的耦合：两点校正法假设增益和偏移是独立的。实际上，有些像素的偏移会随增益变化。遇到这种情况，我建议做多点校正，或者用分段线性模型。
- 校准系数的存储：校准系数要存到非易失存储器里。我习惯用 16 位精度存储，避免量化误差引入新的噪声。
一个小技巧：在校准完成后，拍一张全黑图像，用伪彩色显示残差。如果残差图像里还有明显的结构（比如竖条纹或斑点），说明校准没到位。这时候别急着量产，回头检查校准流程。
暗电流和 FPN 的校准，说难不难，说简单也不简单。关键是把物理机制理解透，再根据实际场景选择合适的校准策略。温度、曝光时间、增益——这三个参数只要有一个变了，校准效果就可能打折扣。我的建议是：在设计阶段就把校准方案想清楚，别等到量产了才发现问题。