数码相机使用数百万个微小的光穴或“光点”阵列（光敏层）来记录图像。当你按下相机的快门并开始曝光时，每个“光点”都会被曝光以收集光子，并将其存储为电信号。在曝光结束后，相机会关闭这些光点，再通过测量电信号的强度来评估每个空穴中有多少光子。然后，这些信号会被量化为指定位深（Bit Depth）的数值。最终结果的精度状况还会受到所采用的文件存储格式的影响，比如8比特的JPEG格式，其数值范围是0~255。
然而，按照上述仅会产生灰度图像，因为这些光穴无法区分其对每种颜色的收集量。为了获取彩色图像，必须在每个光穴上放置一个滤光片，只允许其收集特定颜色的光。实际上，目前所有数码相机，其每个光穴都只能捕获三原色中的一种，大约丢弃了2/3的入射光。因此，相机必须通过近似生成三原色中的其他两种，以便在每个像素处具有完整的三原色表示。最常见的滤色阵列为“拜耳阵列”，如下图所示。
拜耳阵列由交替的红绿和绿蓝滤波器组成。请注意拜耳阵列是如何包含了两倍于红色或蓝色的绿色传感器。由于人眼对绿光比对红光和蓝光更敏感，因此每种基色并不会接收总面积的相等部分。具有绿色像素的冗余的图像看起来噪声要更小，并且与平均使用每种基色相比，可以实现更精细的细节。这也解释了绿色通道中的噪声远小于其他两种基色的原因（具体示例请参阅“了解图像噪声”）。
注意：并非所有数码相机都使用拜耳阵列，但这是迄今为止最常见的设定。例如，Foveon传感器会捕获每个像素位置的三基色，而其他传感器可能会捕获类似阵列中的四种颜色：红色、绿色，蓝色和翠绿色。
拜尔去马赛克
拜耳“去马赛克”是将基色的拜耳阵列转换为最终图像的过程，该图像在每个像素处包含全彩色信息。相机怎么可能会无法直接测量全彩色呢？有一个方法可以用来理解这个问题，那就是将每一个2x2的红绿蓝阵列都视为单个的全色彩空穴。
这种方式可以正常工作，但是大多数相机都会增添额外的操作，以便于从颜色数组中提取更多的图像信息。如果相机将每个2x2阵列中的所有颜色都按照落在同一位置进行处理，那么它只能在水平和垂直方向上达到原本一半的分辨率。另一方面，如果相机使用多个重叠的2x2阵列进行颜色计算，那么它就能够实现比单组2x2阵列更高的分辨率。下图中的重叠2x2阵列组合可以提取更多的图像信息。
因为我们假设图像在每个方向上具有连续性，需要注意如何在阵列的最边缘处不计算图像信息。实际上，如果是空穴阵列的边缘，那么此处的计算是不太准确的，因为在边缘位置仅一侧有像素。通常不必特别考虑这种情况，因为对于具有数百万像素的相机，可以很容易地裁掉图像边缘的信息。
对于其他的已有去马赛克算法，其能够提取稍高的分辨率，从而可以输出噪声更小的图像，或者匹配到图像的每个位置处的最佳近似。
去马赛克的隐患
对于某些图像，由于具有接近数字传感器的分辨率极限的小尺寸细节，从而可能会误导去马赛克算法，最终产生不切实际的展现效果。最常见的问题是莫尔（发音为“more-ay”），该问题经常出现在具有重复图案的画面中，表现为凭空出现的颜色或者不符合实际画面的类似于迷宫图案的像素排列：
上面显示了两幅不同的照片，每张照片都有不同的放大倍数。除了第一张照片的第三个子图（细微）之外，需要注意位于下方的第二张照片中所有子图都出现了莫尔条纹。迷宫排列和彩色问题都可以在缩小版照片的第三个子图中看到。这些问题取决于纹理类型和用于开发数码相机RAW文件的软件。
然而，即使存在理论上完美的传感器，能够捕捉和区分每幅照片上的所有颜色，莫尔条纹和其他问题仍然不可避免。原因在于系统采用了离散的间隔或位置对连续信号进行采样。出于这个原因，几乎每个数字摄影传感器都需要包含称为光学低通滤波器（OLPF）或抗混叠（AA）滤波器的部件。它通常直接位于传感器前面的薄层中，实现对于任何比传感器分辨率更精细的潜在问题细节的有效模糊操作。
微透镜阵列
你可能想知道，为什么本教程中的第一个图并没有将每个空穴直接放在彼此旁边。真实世界的相机传感器，实际上没有覆盖传感器整个表面的光点。为了容纳其他电子设备，它们可能仅覆盖总面积的一半。在两个空穴之间具有很小的峰值，用以将光子引导到一个空穴或另一个空穴。数码相机在每个光点上方都包含“微透镜”，以增强其聚光能力。这些透镜类似于漏斗，将光子引导到未被其他光子所占据的光点位置。
精心设计的微透镜可以改善每个光点处的光子信号，并且在相同曝光时间内创建出具有更少噪声的图像。在最新的高分辨率相机中，尽管通过将更多的百万像素压缩到相同的传感器区域已经具有了更小的光点，相机制造商仍然能够利用对微透镜设计的改进来减少或维持的噪声。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
