评估相机性能的几个关键要素_技术

比较基本的相机规格，如帧率、分辨率、接口这些指标比较容易；但是比较相机的成像性能，如量子效率、颞暗噪声和饱和容量这些指标就不那么简单了。首先，我们需要理解这些不同的测量真正意味着什么。

什么是量子效率？它是在峰值波长或某个特定波长处测量吗？信噪比和动态范围之间到底有何不同？本白皮书将一一解答这些问题，并介绍如何利用遵循EMVA1288标准的成像性能数据来比较和选择相机。

EMVA1288标准定义了测量相机性能的各个方面、如何对它们进行测量、以及如何以一种统一的方法呈现这些测量结果。本白皮书的第一部分将介绍图像传感器的成像性能。这一部分首先会介绍一些基本概念，这些基本概念对于理解“图像传感器是如何将光转换成数字图像、并最终决定传感器的性能”而言至关重要。图1中以单个像素为例，重点突出了这些概念。

图1：从光子到灰度级以及一些相关概念。

Light——光
Photons per μm2——单位面积（μm2）上的光子
SaturaTIon Capacity——饱和容量
Pixel size——像素尺寸
WELL——阱
Shot noise——散粒噪声
Number of photons——光子数
Quantum efficiency——量子效率
Sensor——传感器
Temporal dark noise——颞暗噪声
Signal——信号
Gain——增益
Grey sacle——灰度级

首先，需要理解光本身所固有的噪声。光由离散粒子和光子组成，由光源产生。因为光源随机产生光子，因此在光强中会存在噪声。光物理学认为，在光强中观察到的噪声，等价于由光源产生的光子数的平方根。这种噪声称为散粒噪声。

应当指出的是，从一个像素中观测到的光子数，将取决于曝光时间和光强。本文将光子数看作是曝光时间和光强的组合。同样，像素尺寸与传感器的光收集能力之间存在一种非线性关系，因为像素尺寸需要平方后，才可用于确定光敏区域。

数字化光的第一个步骤是将光子转换为电子。本文将不再赘述传感器是如何完成这个转换的，而是介绍了转换效率的测量。在数字化过程中产生的电子与光子的比率，被称为量子效率（QE）。图1中所示例的传感器的量子效率为50％，因为有6个光子“落在”传感器上，产生了3个电子。

在电子被数字化之前，它们被存储在像素内，被称为阱。阱中可以存储的电子数，称为饱和容量或阱深。如果阱接收到比其饱和容量更多的电子，那么额外的电子将无法被保存。

一旦像素完成光的收集，便对阱中的电荷进行测量，该测量被称为信号。图1中的信号测量是用指针式仪表显示的。与该测量相关的误差被称为颞暗噪声或读出噪声。

最后，灰度级是通过将信号值（以电子表示）换算成16位模数转换器单元（ADU）的像素值来确定的。模拟信号值与数字灰度级值之间的比率，被称为增益，并以每ADU中的电子数来测量。请勿将EMVA1288标准所定义的增益参数与“模拟到数字”转换过程中的增益相混淆。
在评估相机性能时，通常会参考信噪比和动态范围。相机的这两项性能的测量，都要考虑信号和相机噪声之间的比率。不同之处在于，动态范围只考虑颞暗噪声，而信噪比还要考虑散粒噪声的均方根总和。

绝对灵敏度阈值是使“信号等同于由传感器产生的噪声”的光子数。这是一个重要指标，因为它代表了能够观察到任何有意义的信号、理论上所需要的最小光量。

为了帮助用户根据EMVA1288标准比较传感器和相机，Point Grey对70多款相机的成像性能进行了全面研究，开创业内先河。详情请登录。

比较相机的低光性能

在本白皮书中，我们将考虑如车牌识别（LPR）或光学字符识别（OCR）等应用，在这类应用中，通常使用黑白成像，相机能够收集的光的数量，可能会受限于较短的曝光时间。确定解决成像问题所需要的分辨率、帧率和视场相对简单；然而要确定是否该相机具有足够的成像性能就较为困难了。

这一挑战通常通过反复试验加以解决。我们来看一个例子：一位视觉系统设计者认为，针对上述提到的这类应用，一款运行帧率为30 FPS的 1/4'' CCD VGA相机就足以胜任了。初始测试表明，当物体静止时，该相机在10 ms的曝光时间下具有足够的灵敏度。图2中显示了一个简单的例子：字符B、8、D和0很容易被视觉算法所混淆。左上方利用1/4''CCD相机拍摄的图像，适合于图像处理。