传感器与RAW数据：CMOS vs CCD传感器特性，Bayer阵列与RAW图格式，黑电平校正原理与实战

各位同学，咱们今天聊点实在的。传感器选型，说白了就是给相机挑“眼睛”。我见过不少项目，算法调得再好，传感器选错了，一切白搭。这一节，咱们就把CMOS和CCD那点事儿、Bayer阵列的排列逻辑、RAW数据的原始模样，以及黑电平校正这个“第一道工序”彻底讲透。

CMOS vs CCD：两种“眼睛”的较量

先问个问题：为什么现在工业相机几乎全是CMOS？CCD是不是被淘汰了？嗯，这个问题我十年前也纠结过。

简单说，CCD是“全局快门”的鼻祖，电荷逐行转移，图像均匀性好。但它的致命伤是功耗高、帧率低、成本贵。CMOS呢，每个像素自带放大器，可以做到“卷帘快门”或“全局快门”，速度快、功耗低、集成度高。但早期CMOS的噪声大、动态范围窄，被CCD压着打。

转折点在哪？我记得2015年左右，索尼的Pregius系列CMOS传感器出来，全局快门性能直接对标CCD，噪声控制得也漂亮。从那以后，工业相机市场就变天了。

但别急着下结论。如果你做的是天文观测、高端显微镜这种对噪声极度敏感的应用，CCD依然有它的位置。工业缺陷检测嘛，我建议优先选全局快门CMOS，性价比最高。

Bayer阵列：RAW数据的“马赛克”密码

传感器本身是色盲的，它只能感知光的强度，分不清颜色。那彩色图像怎么来的？靠的是传感器表面的滤光片阵列——最常见的就是Bayer阵列。

Bayer阵列的排列规律是：RGGB。为什么绿色占一半？因为人眼对绿色最敏感。你想想看，自然界里绿色信息最多，所以传感器多采点绿光，视觉上更自然。

每个像素只记录一种颜色，那其他两种颜色怎么办？这就靠“去马赛克”（Demosaic）算法来插值。比如一个红色像素，它缺绿色和蓝色，就从周围像素“借”数据。

RAW图格式：最原始的“底片”

RAW图就是传感器输出的原始数据，没经过任何处理。它包含的信息量最大，但也最“难看”——灰蒙蒙的，动态范围很宽。

常见的RAW格式有：

• Bayer RAW：每个像素一个值，排列就是Bayer模式。
• RGB RAW：有些传感器用RGBW或RCCC阵列，但工业上还是Bayer为主。
• 单色RAW：黑白传感器，没有滤光片，每个像素就是灰度值。

RAW图的位深通常是10bit、12bit或14bit。注意，不是8bit。8bit只能表示0-255，12bit能表示0-4095。动态范围差了多少？4倍。所以，做高精度检测，12bit RAW是底线。

黑电平校正：ISP的第一道工序

传感器在完全无光的情况下，输出值不是0。为什么？因为像素本身有暗电流，读出电路也有偏置。这个非零的“底噪”就是黑电平（Black Level）。

黑电平校正的目的很简单：把暗场下的输出值拉到0。否则，整个图像的亮度会偏亮，对比度也会受影响。

校正公式也很直白：

校正后像素值 = 原始像素值 - 黑电平值

但黑电平值怎么取？通常有两种方法：

1. OB（Optical Black）像素：传感器边缘有一圈被遮挡的像素，它们永远接收不到光，它们的平均值就是黑电平。
2. 暗场标定：盖上镜头盖，拍一张全黑图，统计全图均值。

我个人习惯用OB像素，因为它实时更新，能跟踪温度变化。暗电流随温度升高而增大，OB像素能自动补偿。

import cv2
import numpy as np

# 假设raw_data是12bit Bayer RAW，shape=(H, W)
# OB像素位于图像左侧前64列
ob_region = raw_data[:, :64]  # 取OB区域
black_level = np.mean(ob_region)  # 计算黑电平

# 校正
corrected = raw_data.astype(np.float32) - black_level
corrected = np.clip(corrected, 0, 4095)  # 12bit范围
corrected = corrected.astype(np.uint16)

注意，校正后可能会出现负值，必须截断到0。另外，黑电平值可能随增益变化，所以自动增益控制（AGC）开启时，黑电平也要动态调整。

知识体系总览

下面这张图，把传感器、RAW数据、黑电平校正的流程串起来了。你仔细看，每一步都有坑，每一步都影响最终图像质量。

从传感器选型开始，到Bayer阵列的排列，再到RAW数据的输出，最后到黑电平校正——每一步都决定了后续ISP处理的上限。你想想看，如果黑电平没校正好，后面的白平衡、伽马校正都会带着偏差，图像质量能好吗？

实战中的黑电平校正陷阱

最后分享一个我踩过的坑。有一次做玻璃划痕检测，图像总是有固定的竖条纹。我查了传感器数据手册，发现黑电平校正用的是固定值，没有用OB像素。但那个项目环境温度变化大，固定黑电平跟不上暗电流漂移，导致行噪声残留。

解决方案：改用OB像素实时校正，同时做行噪声滤波。从那以后，我再也不敢偷懒用固定黑电平了。