图像传感器基础：CMOS vs CCD、像素与分辨率、帧率与曝光控制、Bayer阵列原理
图像传感器，说白了就是相机的「视网膜」。光信号进来，它负责转成电信号。我入行那会儿，CCD还是主流，CMOS被嫌弃噪声大。现在嘛，风水轮流转，CMOS几乎一统天下。但两种技术的内核，你都得吃透。
CMOS vs CCD：两种架构的博弈
先看一张对比表，把核心差异说清楚：
| 对比维度 | CCD（电荷耦合器件） | CMOS（互补金属氧化物半导体） |
|---|---|---|
| 读出方式 | 逐行转移，统一输出 | 每个像素独立寻址读出 |
| 功耗 | 较高（需要多路高压时钟） | 低（单电源，静态功耗几乎为零） |
| 噪声 | 低（读出路径单一，一致性高） | 较高（像素级放大器失配导致固定模式噪声） |
| 速度 | 慢（串行读出，帧率受限） | 快（并行读出，轻松上百帧） |
| 集成度 | 低（需要外部驱动芯片） | 高（ADC、DSP、接口可集成在同一晶圆） |
| 成本 | 高（特殊工艺，良率低） | 低（标准CMOS工艺，量大管饱） |
我个人习惯，选型时先看应用场景。工业检测、天文摄影这些对噪声极度敏感的场景，老款CCD仍有优势。但消费电子、安防监控、车载视觉，CMOS是唯一选择。为什么？因为CMOS能跑高帧率，能集成ISP，能省电。我做过一个无人机项目，用CCD的话，电池撑不过10分钟，换成CMOS直接翻倍。
像素与分辨率：不是越大越好
分辨率 = 水平像素数 × 垂直像素数。比如1920×1080，约200万像素。但像素数量只是故事的一半。
真正决定图像质量的是像素尺寸。单个像素越大，感光面积越大，信噪比越高。我见过不少新手，一味追求高像素，结果暗光下全是噪点。
举个例子：
- 索尼IMX586：4800万像素，单像素0.8μm。白天细节丰富，晚上……嗯，需要像素合并。
- 豪威OV64B：6400万像素，单像素0.7μm。更小，但支持4合1输出1600万像素，等效1.4μm。
这里有个关键概念——像素合并（Binning）。把相邻2×2的像素当成一个用，分辨率降为1/4，但感光面积增大4倍，信噪比提升约6dB。我调试车载摄像头时，夜间模式就靠这个。
帧率与曝光控制：时间维度的博弈
帧率（FPS）和曝光时间（Shutter Speed）是一对冤家。帧率决定时间分辨率，曝光时间决定亮度。两者乘积不能超过1——这是硬约束。
公式很简单：
最大帧率 ≤ 1 / (曝光时间 + 读出时间 + 消隐时间)举个例子：你要拍60fps的视频，每帧可用时间约16.67ms。如果曝光时间设为10ms，剩下6.67ms给读出和消隐。如果传感器读出速度不够，帧率就上不去。
曝光控制有两种模式：
- 卷帘快门（Rolling Shutter）：逐行曝光，逐行读出。成本低，但拍快速运动物体会出现「果冻效应」。我调试过一台高速贴片机视觉系统，用卷帘快门拍芯片，图像歪得像面条——后来果断换了全局快门。
- 全局快门（Global Shutter）：所有像素同时曝光，同时读出。没有果冻效应，但像素内需要额外存储单元，填充率降低，暗光性能略差。
Bayer阵列原理：彩色世界的起点
单像素只能感知亮度，分不清颜色。怎么办？在像素表面覆盖彩色滤光片，让每个像素只响应一种颜色。最常见的模式就是Bayer阵列——RGGB。
为什么是RGGB，不是RGBG？因为人眼对绿色最敏感，所以绿色像素数量是红蓝的两倍。这样能更好地模拟人眼视觉特性。
看一张Bayer阵列的结构图：
Bayer原始数据是灰度的——每个像素只有一个颜色通道的值。要得到全彩图像，必须做去马赛克（Demosaicing），也叫插值。最简单的办法是双线性插值：缺失的绿色值用周围四个绿色像素平均，红蓝值用对角邻居平均。
但实际工程中没人用这么糙的方法。我常用的算法是：
- 边缘导向插值：先检测边缘方向，沿边缘方向插值，避免锯齿。
- 自适应插值：根据局部梯度调整插值权重，保留更多细节。
- 基于机器学习的插值：训练一个轻量CNN，直接从Bayer数据恢复全彩。效果最好，但算力要求高。
从传感器到图像：完整的数据流
把上面几个知识点串起来，看看一张照片从传感器到内存的完整路径：
嗯，到这里，图像传感器的基础知识就铺完了。CMOS和CCD的选型、像素与分辨率的权衡、帧率与曝光的博弈、Bayer阵列的原理——这些是后续所有图像处理算法的地基。地基不稳，上层建筑再漂亮也是空中楼阁。