PAPER 01

从一束光，到一张照片

沿着同一束光，穿过玻璃、硅与算法

ABSTRACT

一张数字照片不是一次动作，而是一条连续链路：镜头先形成光学像，像素把光子转换成电荷，读出电路把电荷变成数值，颜色算法再把稀疏样本重建为可以观看的图像

章节: 08
图解: 08
一手来源: 14

01现象与模型

光如何成为像

镜头把来自同一物点的光重新汇聚，在传感器平面形成倒立的实像

随滚动观察

向下滑动，观察两束光穿过镜片后交换方向，并在传感器平面重新相遇

关键概念

焦距
物距与像距
放大率
光圈值

工程边界

薄透镜公式是理解焦点的入口；真实镜头还要同时校正多种像差

查看一个核心关系

1/f = 1/u + 1/v

LECTUREMIT CSAIL — Lens Image Formation ↗LECTUREMIT OCW — Thin lenses; real and virtual images ↗

02现象与模型

光圈、衍射与解析力

缩小光圈能抑制部分像差，却会放大衍射斑；最清晰的光圈来自两者之间的平衡

随滚动观察

继续滑动，光束逐渐通过更窄的开口，右侧衍射环随之展开

关键概念

点扩散函数
艾里斑
OTF / MTF
像差权衡

工程边界

解析力不是单一像素数，而是镜头、光圈、传感器与处理共同形成的系统响应

查看一个核心关系

rAiry ≈ 1.22 λN

LECTUREMIT — Diffraction and Resolution ↗LECTUREMIT — Coherent and incoherent imaging ↗

03现象与模型

光子变成电子

像素不是直接测量“亮度”，而是在曝光时间内积累被转换成电子的光子

随滚动观察

光点依次落入像素势阱，曝光越久，积累的电荷越多

关键概念

量子效率
散粒噪声
读出噪声
满阱容量

工程边界

弱光下，光子本身的随机到达会成为不可完全消除的散粒噪声

查看一个核心关系

μe = η(λ) μp

STANDARDEMVA Standard 1288 — Release 4.0 Linear ↗

04现象与模型

连续世界如何成为像素

像素同时对面积和时间积分；超过采样极限的细节会折返成错误纹理

随滚动观察

观察连续波形被像素切成有限样本，过密细节最终折返成另一种纹理

关键概念

像素间距
空间采样
奈奎斯特频率
混叠

工程边界

去掉低通滤镜能保留更多微细反差，也会提高摩尔纹与伪色风险

查看一个核心关系

fN = 1/(2p)

PAPERShannon — Communication in the Presence of Noise ↗STANDARDEMVA 1288 — Linear signal model ↗

05现象与模型

CCD 与 CMOS：电荷走哪条路

CCD 逐级搬运电荷；CMOS 在像素附近把电荷转成电压，再按行列读取

随滚动观察

左侧电荷逐行搬运，右侧像素则在原位完成转换并被寻址

关键概念

CCD 势阱
CMOS APS
4T 像素
浮动扩散节点

工程边界

两种结构并非简单的画质高低关系；读出架构、制造工艺与应用目标同样关键

查看一个核心关系

Q = eNe

PAPERBoyle & Smith — Charge Coupled Semiconductor Devices ↗PAPERMendis, Kemeny & Fossum — CMOS Active Pixel Image Sensor ↗

06现象与模型

读出、快门与时间

一张照片并不总在同一瞬间完成：卷帘快门让每一行拥有稍晚一点的时间戳

随滚动观察

滑动时扫描线向下推进，移动物体在不同行被记录于不同时间

关键概念

相关双采样
列并行 ADC
卷帘快门
全局快门

工程边界

全局快门消除逐行时间差，但像素存储、噪声、动态范围和成本仍需权衡

查看一个核心关系

SCDS = Vreset − Vsignal

PATENTUS5471515A — Active Pixel Sensor with Intra-Pixel Charge Transfer ↗TECH NOTESony Semiconductor — Rolling Shutter Technology ↗TECH NOTESony Semiconductor — Pregius Global Shutter ↗

07现象与模型

一个像素为何只有一种颜色

拜耳阵列不是在每个像素记录完整 RGB，而是让相邻像素分别采样红、绿或蓝

随滚动观察

红绿蓝滤色单元逐步显现，每个像素只留下一个颜色通道

关键概念

RGGB 单元
亮度采样
光谱响应
颜色分辨率

工程边界

颜色滤阵提高了单传感器效率，也把完整颜色的重建交给后续算法

查看一个核心关系

yi = ∫ E(λ) Sc(i)(λ) dλ

PATENTBryce E. Bayer — US3971065A, Color Imaging Array ↗

08现象与模型

RAW 如何重建颜色

RAW 仍是一组不完整的颜色样本；完整图像来自插值、白平衡、颜色矩阵与显示编码

随滚动观察

三个稀疏颜色通道逐渐对齐，并被重建为可观看的完整图像

关键概念

黑电平
去马赛克
白平衡
颜色矩阵

工程边界

不同相机与软件会选择不同的重建和色调策略，因此同一 RAW 并不存在唯一外观

查看一个核心关系

ĉ(x,y) = Σk hk · y(x+k)

PAPERMalvar, He & Cutler — High-quality Linear Interpolation for Demosaicing ↗STANDARDAdobe — Digital Negative Specification 1.7.1.0 ↗

REFERENCES