【图像视觉基础】浅谈CCD和CMOS相机的联系和区别

重磅干货，第一时间送达

　　无论是CCD还是CMOS，它们都采用感光元件作为影像捕获的基本手段，CCD/CMOS感光元件的核心都是一个感光二极管（photodiode），该二极管在接受光线照射之后能够产生输出电流，而电流的强度则与光照的强度对应。

　　但在周边组成上，CCD的感光元件与CMOS的感光元件并不相同，前者的感光元件除了感光二极管之外，包括一个用于控制相邻电荷的存储单元，感光二极管占据了绝大多数面积—换一种说法就是，CCD感光元件中的有效感光面积较大，在同等条件下可接收到较强的光信号，对应的输出电信号也更明晰。而CMOS感光元件的构成就比较复杂，除处于核心地位的感光二极管之外，它还包括放大器与模数转换电路，每个像点的构成为一个感光二极管和三颗晶体管，而感光二极管占据的面积只是整个元件的一小部分，造成CMOS传感器的开口率远低于CCD （开口率：有效感光区域与整个感光元件的面积比值）；这样在接受同等光照及元件大小相同的情况下，CMOS感光元件所能捕捉到的光信号就明显小于CCD元件，灵敏度较低；体现在输出结果上，就是CMOS传感器捕捉到的图像内容不如CCD传感器来得丰富，图像细节丢失情况严重且噪声明显，这也是早期CMOS 传感器只能用于低端场合的一大原因。　　

　　CMOS开口率低造成的另一个麻烦在于，它的像素点密度无法做到媲美CCD的地步，因为随着密度的提高，感光元件的比重面积将因此缩小，而CMOS开口率太低，有效感光区域小得可怜，图像细节丢失情况会愈为严重。因此在传感器尺寸相同的前提下，CCD的像素规模总是高于同时期的CMOS传感器，这也是CMOS长期以来都未能进入主流数码相机市场的重要原因之一。每个感光元件对应图像传感器中的一个像点，由于感光元件只能感应光的强度，无法捕获色彩信息，因此必须在感光元件上方覆盖彩色滤光片。在这方面，不同的传感器厂商有不同的解决方案，最常用的做法是覆盖RGB红绿蓝三色滤光片，以1：2：1的构成由四个像点构成一个彩色像素（即红蓝滤光片分别覆盖一个像点，剩下的两个像点都覆盖绿色滤光片），采取这种比例的原因是人眼对绿色较为敏感。而索尼的四色CCD技术则将其中的一个绿色滤光片换为翡翠绿色（英文 Emerald，有些媒体称为E通道），由此组成新的R、G、B、E四色方案。不管是哪一种技术方案，都要四个像点才能够构成一个彩色像素，这一点大家务必要预先明确。　　

　　在接受光照之后，感光元件产生对应的电流，电流大小与光强对应，因此感光元件直接输出的电信号是模拟的。在CCD传感器中，每一个感光元件都不对此作进一步的处理，而是将它直接输出到下一个感光元件的存储单元，结合该元件生成的模拟信号后再输出给第三个感光元件，依次类推，直到结合最后一个感光元件的信号才能形成统一的输出。由于感光元件生成的电信号实在太微弱了，无法直接进行模数转换工作，因此这些输出数据必须做统一的放大处理—这项任务是由CCD传感器中的放大器专门负责，经放大器处理之后，每个像点的电信号强度都获得同样幅度的增大；但由于CCD本身无法将模拟信号直接转换为数字信号，因此还需要一个专门的模数转换芯片进行处理，最终以二进制数字图像矩阵的形式输出给专门的DSP处理芯片。而对于CMOS传感器，上述工作流程就完全不适用了。CMOS传感器中每一个感光元件都直接整合了放大器和模数转换逻辑，当感光二极管接受光照、产生模拟的电信号之后，电信号首先被该感光元件中的放大器放大，然后直接转换成对应的数字信号。换句话说，在CMOS传感器中，每一个感光元件都可产生最终的数字输出，所得数字信号合并之后被直接送交DSP芯片处理—问题恰恰是发生在这里，CMOS感光元件中的放大器属于模拟器件，无法保证每个像点的放大率都保持严格一致，致使放大后的图像数据无法代表拍摄物体的原貌—体现在最终的输出结果上，就是图像中出现大量的噪声，品质明显低于CCD传感器。　　

　　 CCD的优势在于成像质量好，但是由于制造工艺复杂，只有少数的厂商能够掌握，所以导致制造成本居高不下，特别是大型CCD，价格非常高昂。在相同分辨率下，CMOS价格比CCD便宜，但是CMOS器件产生的图像质量相比CCD来说要低一些。到目前为止，市面上绝大多数的消费级别以及高端数码相机都使用 CCD作为感应器；CMOS感应器则作为低端产品应用于一些摄像头上，若有哪家摄像头厂商生产的摄想头使用CCD感应器，厂商一定会不遗余力地以其作为卖点大肆宣传，甚至冠以“数码相机”之名。一时间，是否具有CCD感应器变成了人们判断数码相机档次的标准之一。　　

　　CMOS影像传感器的优点之一是电源消耗量比CCD低，CCD为提供优异的影像品质，付出代价即是较高的电源消耗量，为使电荷传输顺畅，噪声降低，需由高压差改善传输效果。但CMOS影像传感器将每一画素的电荷转换成电压，读取前便将其放大，利用3.3V的电源即可驱动，电源消耗量比CCD低。CMOS影像传感器的另一优点，是与周边电路的整合性高，可将ADC与讯号处理器整合在一起，使体积大幅缩小。　　

　　随着数码相机、手机相机的兴起，图像传感器正逐渐成为半导体产品中最耀眼的明星之一，而在图像传感器中，日商所独占的CCD传感器与百家争鸣的CMOS传感器都在尽力克服自身的缺点，希望成为市场上的主流技术。鉴于此，本文将首先简介CCD与CMOS传感器在原理方面的差异，再探讨领导厂商的技术发展蓝图，了解这些不同的图像传感器在应用市场上的发展趋势。　　

　　CCD与CMOS传感器是当前被普遍采用的两种图像传感器，两者都是利用感光二极管(photodiode)进行光电转换，将图像转换为数字数据，而其主要差异是数字数据传送的方式不同。　　

　　CCD传感器中每一行中每一个象素的电荷数据都会依次传送到下一个象素中，由最底端部分输出，再经由传感器边缘的放大器进行放大输出；而在CMOS传感器中，每个象素都会邻接一个放大器及A/D转换电路，用类似内存电路的方式将数据输出。　　

　　造成这种差异的原因在于：CCD的特殊工艺可保证数据在传送时不会失真，因此各个象素的数据可汇聚至边缘再进行放大处理；而CMOS工艺的数据在传送距离较长时会产生噪声，因此，必须先放大，再整合各个象素的数据。　　

　　由于数据传送方式不同，因此CCD与CMOS传感器在效能与应用上也有诸多差异，这些差异包括：

　　由于CMOS传感器的每个象素由四个晶体管与一个感光二极管构成(含放大器与A/D转换电路)，使得每个象素的感光区域远小于象素本身的表面积，因此在象素尺寸相同的情况下，CMOS传感器的灵敏度要低于CCD传感器。　

        由于CMOS传感器采用一般半导体电路最常用的CMOS工艺，可以轻易地将周边电路(如AGC、CDS、Timing generator、或DSP等)集成到传感器芯片中，因此可以节省外围芯片的成本；除此之外，由于CCD采用电荷传递的方式传送数据，只要其中有一个象素不能运行，就会导致一整排的数据不能传送，因此控制CCD传感器的成品率比CMOS传感器困难许多，即使有经验的厂商也很难在产品问世的半年内突破50%的水平，因此，CCD传感器的成本会高于CMOS传感器。

        如上所述，CMOS传感器的每个象素都比CCD传感器复杂，其象素尺寸很难达到CCD传感器的水平，因此，当我们比较相同尺寸的CCD与CMOS传感器时，CCD传感器的分辨率通常会优于CMOS传感器的水平。例如，目前市面上CMOS传感器最高可达到210万象素的水平(OmniVision的OV2610，2002年6月推出)，其尺寸为1/2英寸，象素尺寸为4.25μm，但Sony在2002年12月推出了ICX452，其尺寸与OV2610相差不多(1/1.8英寸)，但分辨率却能高达513万象素，象素尺寸也只有2.78mm的水平。

         由于CMOS传感器的每个感光二极管都需搭配一个放大器，而放大器属于模拟电路，很难让每个放大器所得到的结果保持一致，因此与只有一个放大器放在芯片边缘的CCD传感器相比，CMOS传感器的噪声就会增加很多，影响图像品质。　

        CMOS传感器的图像采集方式为主动式，感光二极管所产生的电荷会直接由晶体管放大输出，但CCD传感器为被动式采集，需外加电压让每个象素中的电荷移动，而此外加电压通常需要达到12~18V；因此，CCD传感器除了在电源管理电路设计上的难度更高之外(需外加 power IC)，高驱动电压更使其功耗远高于CMOS传感器的水平。举例来说，OmniVision近期推出的OV7640(1/4英寸、VGA)，在 30 FPs的速度下运行，功耗仅为40mW；而致力于低功耗CCD传感器的Sanyo公司去年推出了1/7英寸、CIF等级的产品，其功耗却仍保持在90mW以上，虽然该公司近期将推出35mW的新产品，但仍与CMOS传感器存在差距，且仍处于样品阶段。　　

下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~