CMOS图像传感器的参数和评价标准

图1 图像传感器CMOS

摄像头的种类和应用场景非常之多，例如手机摄像头、安防摄像头、车载摄像头、工业相机等等。针对每种应用，摄像头的CMOS（图像传感器）、镜头、ISP（图像信号处理）都有不同的参数和性能，以适配不同的使用场景。

例如手机摄像头一般有较高的像素数量（1千万到1亿像素），需要较为高端的ISP芯片进行图像处理，还原色彩，优化白平衡、边缘锐度等参数。而安防摄像头的像素一般较低（1百万-5百万像素），但是需要稳定可靠、防水防尘，通常还需要感应红外波段的光谱。

车载摄像头一般用在自动驾驶或辅助驾驶（ADAS），自动驾驶的感知系统利用图像数据进行物体识别，计算距离、速度等信息，再传递给控制系统进行操作。在这个过程中，摄像头采集的图像并不会直接传递到使用者的眼前，而是交给处理芯片，通过算法（例如机器学习）进行处理，提取其中的特征。

图2 自动驾驶的图像处理流程示意

由于车载摄像头的图像并不是直接提供给人眼观测，而是给机器视觉使用，因此评价其图像质量的时候，需要关注的维度会有所不同。例如车载摄像头更关注由于温度上升导致的暗噪声变化、高动态范围（HDR）、对抗LED闪烁等功能，其成像效果倾向于体现更高的对比度，而不是呈现更高的亮度等等。

基于以上分析，本文着重探讨在车载摄像头的应用场景下，我们应该关注图像传感器的哪些指标参数，以及这些指标对于成像质量的影响，最后我们给出一些常见的机器视觉的图像传感器的评测数据作为参考。

---

指标1：量子效率QE（Quantum Efficiency）

‘

图3 量子效率QE示意图

光线通过相机的镜头聚焦在图像传感器（CMOS）上，CMOS由阵列式的光电二极管（PD）组成，光电二极管负责将光信号转化为电子信号。假落在光电二极管上的光子数量为Qp，依据光电效应，转化为Qe个电子，即：Qe=η*Qp。

这里的η是光电转化效率，需要注意的是，这个转化率并不是100%（即1光子转化为1个电子），而是有一定的损失。我们将转化率称为量子效率（Quantum Efficiency），越高的量子效率，意味着图像传感器的灵敏度越高。

量子效率主要取决于光电二极管p-n结的结构和尺寸，通常在10%-80%之间，并且跟波长有较大的关系。硅基半导体的禁带宽度（Band Gap）决定了其对绿光（波长550nm）的量子效率最高，而对红外波段的感应效果最差，量子效率跟波长的关系大致如图4所示。

 

图4 量子效率随波长的变化

指标2：暗噪声DN（Dark Noise）

当没有任何光信号输入的时候，CMOS传感器依然会产生一些电信号，这些电信号被称为暗噪声。暗噪声在图像上的呈现出随机噪点般的分布（图5），强度都比较弱，一般是2-5个电子[e-]的幅度。暗噪声跟温度的相关性较大，温度低的时候，暗噪声小，温度升高，暗噪声随之升高。由于汽车的工作温度范围较大，车载图像传感器一般要适应-40℃-80℃的工作温度，对暗噪声要求较高。

 

图5 图像传感器的暗噪声随温度变化

指标3：灵敏度阈值AST（Absolute Sensitivity Threshold）

灵敏度阈值指的是最小可检测的信号强度，以光子数[γ]为单位。如图6所示，最小可检测信号受制于噪声水平的大小。如果噪声水平较高，那么AST的值就会相应地提高，对微弱信号的检测能力就会下降。例如夜晚暗光下的场景，如果要看清物体，就需要有更低的灵敏度阈值。

图6 灵敏度阈值示意图

指标4：饱和值（Saturation Capacity）

饱和值代表了最大可检测的信号强度。光电二极管收到光照而产生的电子，需要临时存储在内置电容里，等待被读取。图7是电容饱和的示意图，电容不断累积光电子，随着光电子数量的增加，电容逐渐饱和，无法再接收更多的光。电容的大小限制了最多能接收的光强度。饱和值越大，可检测的场景亮度越高，更适合在室外强光环境下工作。

图7 光电二极管饱和示意图

当其中某个像素的光电二极管饱和之后，多余的电子容易溢出，影响其他的像素，从而产生拖尾效应，特别是对着太阳拍摄的时候，容易出现图8的情况。

图8 过曝导致的拖尾效果

指标5：信噪比（SNR）

信噪比的定义是信号除以噪声，通常用分贝（dB）作为单位。更高的信噪比，意味着图像的对比度更清晰，在暗光环境下的性能更好（如图9所示），通常的CMOS信噪比大约在40dB左右。分贝和比例是对数关系，每增加10分贝，信号与噪声的比例增加10倍。一般车载CMOS会比手机CMOS的信噪比大，因为车载CMOS有更大的像素尺寸。

图9 信噪比对图像质量的影响（从左到右信噪比逐渐增高）

指标6：动态范围（Dynamic Range）

动态范围指的是CMOS传感器能接收的最强光和最弱光之间的比例。越高的动态范围意味着相机越能同时适应暗光以及亮光的场景。例如在车载的应用上，汽车从阴暗的隧道中驶出时，如果动态范围太小，就会看不清隧道外的场景，容易发生安全隐患。如图10所示，左边是低动态范围的CMOS，无法看清隧道外的场景，右图是高动态范围的CMOS，可清楚地看到外部的场景。

图·10 高动态范围（右）和低动态范围（左）的对比

指标7：增益（Gain）

增益指的是信号放大的倍率。增益通常分为数字增益和模拟增益，大部分CMOS同时具有这两种增益，每种增益可以独立调节倍数，例如4×的模拟增益和2×的数字增益，最终效果是两个相乘。由于增益放大信号的同时，也会放大噪声，因此并不是越高的增益越好，需要综合场景进行考虑，特别是机器视觉的使用场景下，高噪声容易带来误报，反而影响效果。

---

总结：

图11 常见机器视觉CMOS的性能参数 

想了解更多信息，请点击阅读原文。

阅读原文https://mp.weixin.qq.com/s?__biz=Mzg5MTczNzE3OA==&mid=2247483696&idx=1&sn=fd4d82342bef1effca9299ddfe97871e&chksm=cfc98405f8be0d138a610f4951b60ee8edbcc4b1904af3b83b8c2da4e6c58aa27e5a17a57396#rd

---

这篇好文章是转载于：学新通技术网