计算摄影大行其道，图像传感器还有提升的必要吗？

尽管消费市场的图像传感器内卷不止，随着计算摄影的发展，不少人开始猜测，计算摄影是否可以成为解决一切的问题的方案？但各种不同的应用证明，图像传感器作为一个面世已久又无处不在的元件，单靠计算摄影还是没办法实现全方位的提升。

动态范围

作为一个成像元件，图像传感器的动态范围决定了明暗部分所能展示出来的细节。对于车载图像传感器来说，动态范围可谓至关重要，这也是为何目前这类图像传感器都选了往高动态范围上发力。

比如在逆光或者隧道出入口这种明暗反差对比较大的场景中，如果图像传感器不能准确获取高动态范围的信息，就很容易出现亮部或暗部细节丢失的情况，这在ADAS场景中是需要极力避免的。人眼的动态范围在100db，却也会在逆光场景中出现信息丢失的情况，所以车载图像传感器需要更高的动态范围。诸如思特威的SC850AT、豪威的OX03J10、安森美的AR0820等汽车传感器，都可以做到140dB的动态范围。

Alex 35的图像传感器 / Arri

与此同时，动态范围对于专业摄影设备来说同样重要，虽说这种设备产出的影视作品也是交给人眼来感知的，但更大的动态范围意味着更多的明暗和色彩信息被记录下来，在后期制作的调整空间也更大。比如索尼的VENICE 2专业8K摄影机用到了他们自研的图像传感器，该传感器可以实现16档的动态范围，约合100dB。而Arri的Alexa 35专业摄影机则用到了安森美的ALEV 4 4.6K图像传感器，可以实现高达17档的动态范围。

量子效率和感光面积

在天文观测和深空/行星摄影这样的特殊应用中，感光能力最为重要，往往我们认为ISO才是影响感光能力的参数，但它只是影响信号器放大倍率而已，真正影响其感光性能应当是量子效率，也就是我们常说的QE。

GSENSE1081BSI / 长光辰芯

长光辰芯就在近日推出了超大靶面的背照式可拼接sCMOS图像传感器GSENSE1081BSI，具备8100万的超高像素，可以实现最高大于95%的峰值量子效率。因为QE决定了进入感光区域的光子有多少概率产生电信号，所以高量子效率对于捕获深空天体微弱信号至关重要。

除此之外，由于这类传感器的超大感光面积，在拍摄时景深极浅。我们可以与当下手机的图像传感器对比，小米和Vivo新机都用上的IMX989传感器尺寸为13.1mm x 9.8mm，而长光辰芯的GSENSE1081BSI感光面积达到了89mm x 91.2mm，近乎前者的64倍。这就对图像传感器本身的制备提出了更高要求，一旦表面存在不平整的情况，就很容易出现失焦的情况，所以长光辰芯用到了表面平整度较高的碳化硅基底。

快门

然而，对于一些高速工业场景来说，动态范围、量子效率或感光度等参数其实都不是最重要的参数，反而是实现高速拍摄作为第一要求。但这并不是单纯实现高拍摄速度，而忽略成像质量。传统的滚动快门（卷帘快门）在噪声、动态范围和感光度上都有着优异的成绩，但在捕捉高速移动的对象时，难免还是会有些吃力。

滚动快门在进行高速拍摄时，快速移动的物体往往会产生失真形变，这是因为不同位置像素的逐行采样时间不同造成的，也就是我们常说的果冻效应。虽说如今的堆栈式背照传感器已经实现了很高的读取速度，但也只是解决了我们日常生活中常见的高速移动场景，工业系统中存在着更多高速移动的场景，所以这才有了全局快门传感器的出现。

全局快门在同一时间采集所有的像素，再将光信号转换成电信号，就解决了高速拍摄时的失真问题。但全局快门也有一个取舍的问题，那就是对全像素的采取对处理器都提出了更高的要求，所以往往要做到超高速就要牺牲别的参数，比如高像素、低功耗等等。

像索尼的IMX661-AAMR就可以做到1.27亿的超高像素，但最大帧率就只能降低至21fps，而长光辰芯的GMAX32152可以做到1.52亿像素，最高帧率也被限制在了16fps。Phantom 的超高速摄影机TMX 7510虽然可以支持到最高30万的FPS，但其全局快门CMOS还是撑不起这样的高速度记录，因此限制在了1280x192和640x384这样的低分辨率下，要想输出1280x800这样的分辨率就只能降至76000fps，像素也只有百万而已。

但这样的像素对于一些运动跟踪应用来说已经绰绰有余了，比如AR/VR设备。如今的AR/VR加上元宇宙概念的出现，也对需要运动检测的头戴设备提出了更高的要求，所以豪威也推出了0G0VE这一全局快门图像传感器方案，可以在VGA的分辨率下实现240fps的帧率，功耗却低至68mW。

小结

从以上几个指标的应用场景可以看出，图像传感器还有很大的性能提升空间，而这些并非计算摄影在短时间内能够解决的问题，甚至因为追求成像数据真实性而不可能去解决的问题。但计算摄影也并非都是用于美颜或景深计算的，在一些机器视觉应用中，计算摄影反而能大幅提高我们的工作效率。所以，未来计算摄影与图像传感器双管齐下才是最完美的方案。