1. 图像传感器概述：从胶片到CMOS的演进史
做图像处理这些年，我经常被问到同一个问题：「图像传感器到底是怎么工作的？」 说实话，这个问题看似简单，但真要讲清楚，得从一百多年前说起。
嗯，咱们先不急着讲技术细节。我想先带你回顾一下，图像传感器是怎么从笨重的胶片相机，一步步进化到今天手机里那个指甲盖大小的CMOS芯片的。
1.1 从胶片到数字：一场静悄悄的革命
你想想看，在座各位可能都没用过胶片相机吧？我刚开始做这行时，实验室里还堆着一堆老旧的CCD相机，那玩意儿又大又重，功耗高得吓人。
胶片时代的逻辑很简单：光线照到卤化银颗粒上，发生化学反应，然后通过显影液「洗」出图像。说白了，就是化学记录光信号。
但数字时代的逻辑完全不同——我们要把光信号转成电信号，再量化成数字。这个转变，就是图像传感器的核心使命。
关键转折点：1969年，贝尔实验室的Willard Boyle和George Smith发明了CCD（电荷耦合器件）。他们当时绝对想不到，这个发明会在40年后改变整个影像行业。
我个人习惯把传感器演进分成三个阶段：
- 第一阶段（1970s-1990s）：CCD称霸。画质好，但功耗高、成本高、速度慢。
- 第二阶段（1990s-2010s）：CMOS崛起。功耗低、集成度高、速度快，但早期画质被CCD吊打。
- 第三阶段（2010s至今）：CMOS全面超越。背照式、堆叠式、全局快门……CMOS在几乎所有指标上反超CCD。
我在项目中遇到过最典型的例子：2015年做一款工业检测相机，客户非要指定CCD，说「CCD画质好」。结果呢？同样的分辨率，CMOS方案功耗只有CCD的1/5，帧率却是3倍。最后我们用实测数据说服了客户。
1.2 主流传感器类型：CCD vs CMOS
好，咱们来聊聊这两种传感器到底有什么区别。说白了，就是「怎么把像素里的电荷读出来」这件事上，走了两条完全不同的路。
| 对比维度 | CCD | CMOS |
|---|---|---|
| 读出方式 | 逐行转移，统一读出 | 每个像素独立读出 |
| 功耗 | 高（需要多路高压时钟） | 低（仅需单电源） |
| 噪声 | 低（读出电路简单） | 高（每个像素都有放大器） |
| 速度 | 慢（串行读出） | 快（并行读出） |
| 集成度 | 低（需要外部驱动芯片） | 高（可集成ADC、ISP等） |
| 成本 | 高（特殊工艺） | 低（标准CMOS工艺） |
| 典型应用 | 天文、科研、高端医疗 | 手机、安防、汽车、工业 |
我的经验之谈：如果你在做消费级产品，闭眼选CMOS。但如果是做科学级成像（比如天文望远镜），CCD的低噪声优势仍然不可替代。我去年帮一个天文台选型，最后还是用了背照式CCD——没办法，暗电流要求太苛刻了。
为什么会这样？我简单解释一下原理：
- CCD 像一条流水线：每个像素的电荷包被依次传递到输出端，统一放大。好处是放大器只有一个，一致性极好；坏处是传输过程中容易引入噪声，而且速度受限。
- CMOS 像每个工位独立作业：每个像素都有自己的放大器，可以同时读出。好处是速度快、功耗低；坏处是每个放大器的增益不一致，导致固定模式噪声（FPN）。
嗯，这里要注意：早期CMOS的FPN确实是个大问题。但现在的CMOS通过相关双采样（CDS）和数字校正技术，已经把FPN压到了几乎不可见的水平。
1.3 关键性能指标：怎么才算「好」传感器？
做图像传感器选型，我一般只看四个指标：分辨率、帧率、动态范围、信噪比。其他什么量子效率、暗电流、满阱容量……都是锦上添花。
1.3.1 分辨率
分辨率就是像素数量。200万像素（1920×1080）和4800万像素（8000×6000），差距一目了然。
但我要泼盆冷水：像素不是越多越好。你想想看，同样大小的传感器，像素越多，每个像素的感光面积就越小。结果呢？进光量减少，信噪比下降，暗光下全是噪点。
避坑指南：我曾经帮一个客户选手机摄像头传感器，对方非要上1亿像素。我劝他说：「你日常拍照用4800万像素足矣，1亿像素在暗光下根本没法看。」他不听，结果产品上市后被用户骂「白天还行，晚上全是噪点」。后来他偷偷改回了4800万像素方案。
1.3.2 帧率
帧率就是每秒能拍多少张。30fps是视频标准，60fps算流畅，240fps以上才能拍慢动作。
帧率受限于两个因素：
- 像素读出速度：CMOS的并行读出结构天然占优
- ADC转换速度：高分辨率+高帧率需要高速ADC
我建议你在选型时，先算一下数据带宽：分辨率 × 帧率 × 位深。比如1920×1080@30fps@10bit，带宽就是1920×1080×30×10 ≈ 622Mbps。这个带宽你的接口（MIPI、LVDS等）能不能扛住？
1.3.3 动态范围
动态范围（DR）是传感器能同时记录的最亮和最暗区域的比值。单位是dB。
公式很简单：DR = 20 × log10(满阱容量 / 读出噪声)
举个例子：满阱容量100000e-，读出噪声5e-，那么DR = 20×log10(20000) ≈ 86dB。这个数值在工业相机里算中等偏上。
我在项目中遇到过最头疼的问题：做车载摄像头，大太阳底下拍隧道入口。隧道外亮度100000lux，隧道内只有10lux。动态范围不够的话，要么隧道外过曝一片白，要么隧道内死黑一片。最后我们用了多帧HDR方案，才勉强搞定。
1.3.4 信噪比
信噪比（SNR）决定了图像的干净程度。单位也是dB。
主要噪声来源有三个：
- 散粒噪声：光子到达的随机性，服从泊松分布。信号越强，散粒噪声越大（但信噪比反而提高）。
- 读出噪声：读出电路引入的噪声，CMOS比CCD大。
- 暗电流噪声：热激发产生的电子，温度越高越严重。
你想想看，为什么手机夜景模式要拍好几张合成？就是为了通过多帧平均来降低随机噪声。但代价是——动态场景会糊。
核心结论：信噪比 ≈ 信号 / 噪声。想提高信噪比，要么增大信号（更大的像素、更长的曝光时间），要么降低噪声（更好的工艺、更低的温度）。没有捷径。
1.4 知识体系总览
下面这张图，是我自己整理的本章知识结构。你可以把它当作一个「导航图」，后面再看到具体技术细节时，能快速定位它在整个体系中的位置。
这张图把本章的核心内容串起来了。你看，从演进史到类型对比，再到性能指标和应用场景，其实就一个逻辑：理解过去（演进史）→ 看清现在（CCD vs CMOS）→ 掌握关键指标（选型依据）→ 落地到应用（场景匹配）。
好了，第一章的内容就到这里。后面我们会深入每个技术细节，比如像素结构、读出电路、噪声模型……到时候你会发现，今天讲的这些基础概念，会反复用到。
公众号:蓝海资料掘金营，微信deep3321