BAYER 感光器策略

在这篇文章中，我们希望深入探讨大多数摄像机如何利用一款称为\"Bayer 阵列\"的感光器来来拍摄图像。这样有助于深入浅出地进行方法讲解，并为以后的话题奠定基础。



概述
数字感光器使用聚光井阵列或\"感光单元\"捕捉图像。曝光开始时，这些会被曝光以收集光子；然后，曝光结束时，它们会被读作为电子信号，量化并作为数字文件中的值存储。为评估颜色，感光单元通常还使用过滤器，以确保每次只有一种颜色被储存。让 Bayer 感光器显得独一无二的原因在于这些彩色滤光片的排列方式：

Bayer 阵列的顶视图（位于左侧）和彩色感光单元的侧视图（位于右侧）

Bayer 感光器使用一种简单策略：在每个感光单元捕捉交替的红色、绿色和蓝色，并以记录绿色感光单元比任一其他两种颜色多两倍的方式进行。使用一种称为\"去马赛克\"的过程（在 REDCINE-X® 中也称为 \"debayer\"），从这些感光单元获得的值将被智能结合以生成全彩色像素。


BAYER 图像(AT 400%)

全彩色(AT 400%)

全彩色(AT 100%

其效果较佳的原因是基于对我们的视觉系统更深入的了解。两大关键概念是：(1) 相比于色彩分辨率，我们的眼睛可感知更高的亮度分辨率，(2) 绿光更有助于我们对亮度的感知，约为红蓝综合效应的二倍。因此，分配更多的绿色感光点比均等分配每种颜色可产生效果更佳的图像。

备注：具有视频编码背景的操作者可将 4:2:2、4:1:1 等分类尝试和应用于 Bayer 传感器，但此术语专用于压缩方法和最终图像，而非传感器本身。例如，4K Bayer 传感器能够生成全 4K 4:4:4 RGB 文件；4:2:2 可随后应用到此文件。

权衡
高质量图像需要配备能尽可能精确测量以下参数的传感器： (i) 采光量，(ii) 光的颜色，以及 (iii) 光击中传感器的精确位置。改进这些测量值可分别获得更好的动态范围（或噪点）、颜色精确度和分辨率。问题是，在其他条件一样的情况下，努力单独改进任一属性通常都是以牺牲其他属性为代价：

均等的彩色滤光片分配
色彩分辨率增加
但亮度分辨率减少


无彩色滤光片
亮度增加但无颜色

例如，取代绿色使用其他红蓝滤光片则可增加色彩分辨率（不太明显），但却减少亮度分辨率（更明显）。反之，未使用彩色滤光片的感光点则不会摒除任何光线或需要去马赛克处理，但这样只能获得单色图像。因此，优化设计的传感器是给定任务的最佳折中办法。

然而，上述感光点对比如果隔离开来也会造成误导。最终，感光点背后所蕴含的技术和设计是最重要的因素，尤其是在对比不同代的摄像机时。当考虑到噪点和动态范围等属性时，这一点尤其正确。

对比
我们来看一下通过以下不同方法进行的对比：


1. 条形 RGB。此方法将三个感光点分别归入每个像素，类似于老式 CRT 电视上荧光粉层的排列方式。最初动机是能够在无需使用去马赛克算法的前提下将这些感光点直接解读为 RGB 像素。但是，如果没有去马赛克，实际分辨率往往只有感光点单独计算的三分之一。此外，由于每个颜色处于不同的位置，因此在直接解读为 RGB 值时，这些传感器容易产生彩虹纹。而且，现代处理器速度已经使去马赛克处理节约了不少时间。

2. 三芯片 RGB 和棱镜。 这些可记录光的每一种颜色的精确位置，而无需使用彩色滤光片，其记录效果令人赞叹。然而，此种方式使用三个芯片，使传感器面积增加了三倍，从而大幅增加了成本。要保持价格竞争优势，往往需要减小每个传感器的尺寸，但是，这最终又需要非标准镜头和减小聚光面积。由于光不会按预期折射（因角度、路径长度和极化而异），因此使用棱镜导光也有可能产生新的图像伪影。

3. 叠加 RGB。该解决方案使用单个传感器记录每个感光点的全部三种颜色，虽然最初这看似是最理想的解决方案，但当前所有的实施工作远未实现其理论优势。最大的原因就是这些传感器无法区分颜色，因为传感器通过估算进入感光点的光透率工作，而不是使用专门设计的彩色滤光片。因此，这些传感器需要增加内部饱和度，这样可提高图像噪点（或需要逐渐降噪）。此外，这些传感器的读出速率还未达到正常广播分辨率下的标准视频帧率。

此外，虽然后两例乍一看似乎能捕捉比 Bayer 更高的分辨率，但此潜在优势由于需要反锯齿滤光片以获得无纹视频而被抵消。在这种情况下，本可以更好地利用感光点获得如灵敏度或动态范围等图像捕捉的其他优势，但为了提高分辨率，感光点分配效果反而不佳。

讨论
最后，能够有效利用可用感光点的策略才是最佳策略。此类传感器可能需要考虑我们眼睛的工作方式，即亮度分辨率优先于色彩分辨率，同时还要尽可能捕捉高分辨率，而不影响动态范围、噪点或颜色精确度。到目前为止，Bayer 传感器是实现这些目标的最佳方式。它们具有超越性的影像质量，十多年来一直保持主导地位，而且还在不断提升。