当前位置: 首页 > news >正文

一文了解图像传感器的动态范围

前言

动态范围(Dynamic Range),最早是信号系统的概念,一个信号系统的动态范围被定义成最大不失真电平和噪声电平的差。而在实际用途中,多用对数和比值来表示一个信号系统的动态范围,对于底片扫描仪来说,动态范围是指扫描仪能记录原稿的色调范围,即原稿最暗点的密度(Dmax)和最l亮处密度值(Dmin)的差值。而对于胶片和感光元件来说,动态范围表示图像中所包含的从"最暗"至"最亮"的范围。动态范围越大,所能表现的层次越丰富,所包含的色彩空间也越广。

什么是动态范围?

动态范围(Dynamic Range)是图像传感器重要的参数之一,它决定了图像传感器能接收的阴影部分到高光部分的光亮强度分布范围,也就是决定了所拍摄出来的图像的细节、层次、特征。

统胶片成像基于光化学理论,在相机拍摄时,光线通过相机镜头达到胶片的感光晶体卤化银上,引起胶片的光学密度发生变化,曝光量越大,光学密度越小,呈现非线性关系。当有光线照射到卤化银上时,卤化银转变为黑色的银,经过显影工艺后固定于片基,成为黑白胶片。彩色胶片则是涂抹了三层卤化银来表现三原色。

数字图像成像利用图像传感器(CCD、CMOS)把接收到的光信号通过传感器上的光敏单元离散成正比于曝光量的成千上万个像素点,并转换成模拟电压信号,再经过A/D转换处理后变成数字信号,最后经过微处理器的非线性运算转换成图像的标准存储格式。例如BMP、JPEG、TIFF等存储在物理介质上。

动态范围的定义动态范围定义为最大可测光强与最小可测光强的比值,还可以定义为像素阱容量饱和时与无光照条件下的像素噪声电子数的比值,单位用分贝(dB)表示,表达式为:

自然场景中从无月的暗夜到太阳直射的动态范围约为180dB,而普通的图像传感器由于势阱容量的限制,动态范围通常在70dB左右。
真实世界中同一场景中动态范围变化很大,我们称之为高动态范围(High Dynamic Range),相对的普通图片上的动态范围为低动态范围(Low Dynamic Range)。
相机的成像过程实际上就是真实世界的高动态范围到相片的低动态范围的映射(非线性),例如:

动态范围的影响因素

阱容量普通图像传感器由于感光元件阱容量有限,存储光电荷的能力也有限,当光照强度超过一定程度时,存储的电荷达到饱和将无法再接收。一旦这些像素满载,光子便会溢出,溢出就会导致信息损失。

以红色为例,高光溢出使满载红色的像素附近的其它像素的值都变成255,但其实它们的真实值并没有达到255。换句话说,画面的细节发生了损失,这样会造成高光部分的信息缺失。如果我们以减少曝光时间来防止高光溢出,很多用来描述昏暗环境的像素则没有足够的时间接收光子量,得出的像素值为0,这样就会导致昏暗部分的信息缺失。

图像位深目前普通的输出/显示设备受软硬件的限制,使得数字图像处理部分大多是基于8bit来进行的,只能表示出256个灰度等级,导致图像的亮度等级与真实场景的亮度等级相差较大。
因此,传统的图像传感器无论接收的图像有多大的亮度差,只要它被数字化为8位图像,那么这幅图像就只有256灰度级。若图像传感器的动态范围不同,它们提供的256级灰度反映的实际亮度差是不同的,即动态范围越大,就越能显示自然界的亮度变化。

提高动态范围的方法

阱容量调节提高像素满阱容量或降低像素噪声水平是直接提高图像传感器动态范围的方法。然而现代像素的尺寸不断缩小,对于一个给定的像素架构,其具有固定的填充因子,因此,很难通过提高满阱容量的方法来扩展动态范围。

位深调节提高图像位数是一个较为普遍的方法,能够通过将一幅图像的灰度级提高来体现更多的层次和更宽的动态范围。

对数响应技术通过改变像素的信号输出曲线来推迟像素达到饱和时所需要的时间,从而实现增大像素电荷容量、扩展动态范围的目的。

多重曝光技术在不改进像素光电二极管的前提下,传统低动态范围的图像传感器可以通过合成多张曝光图片来获得高动态范围图片。

结束语:我们一起学习,阅读其过程中更进一步,

声明:部分内容来源于网络,仅供读者学术交充之目的。文章版权归原作者所有。如有不妥,请联系删除。

http://www.jsqmd.com/news/1150452/

相关文章:

  • Sklearn 与 Pandas 缺失值填充对比:KNNImputer vs 统计方法 3 维度评测
  • Proxmox VE 8.4 显卡直通实战:NVIDIA RTX 3090 单卡配置 8 步避坑指南
  • Halcon与OpenCV对比:工业视觉项目从算法到部署的5个关键决策点
  • 基于AI视觉的行车记录仪道路病害检测技术方案
  • CNN猫狗识别实战:从TFLearn迁移到PyTorch 2.0,准确率提升至92%
  • STM32与MCP3202实现锂电池组主动均衡方案
  • imagematrix.net 一个免费、无需注册、100+ 图片处理工具的神站,文件永不离开你的电脑 [特殊字符]
  • 如何快速配置D3KeyHelper:暗黑3游戏助手完整教程
  • 华为MetaERP 年结做完≠能松气,真正的坑都在“结完怎么验“这一步。SAP 和 EBS 验证逻辑不太一样,但核心都是那几条勾稽:BS 科目上年末 = 新年初、PL 科目新年初 = 0、留存收益增加
  • 如何用Bilibili-Evolved打造你的专属B站:70+功能模块完全指南
  • 导师推荐!盘点2026年用户挚爱的AI论文工具
  • PyTorch 2.0 自动微分实战:乘积与商法则的 3 种反向传播实现对比
  • 无限制OCR:长时域连续解析技术原理与应用实践
  • Windows平台安卓应用安装的终极方案:APK Installer完全指南
  • 3 种 VLA 模型动作表示方案对比:RT-2 离散化 vs π0 流匹配 vs HybridVLA 混合架构
  • 免费微信机器人终极指南:5分钟实现消息自动化处理
  • 行车记录仪AI道路巡检:低成本高频次病害检测方案实践
  • 基于LV3296与dsPIC33EP的嵌入式条码扫描系统设计
  • Linux top 命令 3 大实战场景:CPU/内存/进程异常排查与交互命令
  • Windows 11/10 访问 Samba 共享:4 种认证模式与 ACL 权限映射详解
  • 控制系统性能指标对比:5 项单项指标在阶跃与干扰响应中的差异分析
  • ESXi 8.0a 添加现有硬盘报错:3种命令行与配置文件修复方案实测
  • Ideogram 4.0开源图像模型:视觉编码器革新文本到图像生成
  • 分类模型评估全解析:5大指标与3种验证方法在Scikit-learn中的应用
  • PyTorch 2.x 与 NumPy 数据转换:3种方法的内存共享与拷贝性能实测
  • KMS_VL_ALL_AIO:专业级智能激活方案,3分钟解决Windows与Office激活难题
  • 基于ComfyUI与混元3D 2.0的单图生成3D模型完整工作流解析
  • Faster R-CNN PyTorch 1.12.1 环境配置:Windows/Linux 双平台避坑 5 要点
  • 绝区零一条龙:全自动游戏辅助工具终极指南
  • IntelliJ IDEA Markdown插件深度解析:高效技术文档写作的实用指南