如何权衡CCD图像传感器的各类优缺点？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

全帧（Full-Frame）CCD

半导体区域既可以作为光电元件，也可以作为电荷转移器件，这有点违反直觉，但这正是 FF CCD 中发生的事情。在集成过程中，像素位置响应入射光子积累电荷，在集成之后，电荷包垂直地通过像素位置向水平移位寄存器移动。

一般情况下，我们通过应用精心定时的时钟信号来获得 CCD 像素数据，这些时钟信号依次在器件的电荷传输结构中产生电位阱和电位屏障。在全帧 CCD 中，我们需要能够将这些控制电压应用到同样起光电探测器作用的区域，因此，栅极电极由透明多晶硅制成。

全帧 CCD 相对而言比较简单且易于制造，并且它们允许整个 CCD 表面具有光敏性。这使硅的给定区域中可以包含的像素数量最大化，同时也使每个像素中实际上能够将光子转换为电子的部分最大化。

然而，一个主要的限制是需要一个机械快门（或一个同步的、短时间的光源称为频闪）。CCD 的光激活区并不会因为你已经决定是时候执行读出而停止光激活。如果没有在曝光周期完成后阻挡入射光的机械快门，则在（有意）集成期间生成的电荷包将被读出期间到达的光损坏。

这是全帧 CCD 的基本架构

帧传输（Frame-Transfer）CCD

一般来说，我们更喜欢用电子方式控制曝光，快门（像任何其他快速移动的高精度机械设备一样）使设计更加复杂，最终产品更加昂贵，整个系统更容易出现故障。在电池供电的应用中，驱动物理物体所需的额外能量也是不可取的。

FT-CCD 允许我们保持 FF-CCD 的一些优点，同时（几乎）不需要快门。这是通过将 FF CCD 分成两个大小相等的部分来实现的。其中一个部分是普通的光敏成像阵列，另一个部分是屏蔽入射光的存储阵列。

在集成之后，用于所有像素的电荷包被快速地传输到存储阵列，然后在存储阵列中发生读出。当读取存储位置时，活动像素可以为下一图像累积电荷，这使得帧传输 CCD 能够获得比全帧 CCD 更高的帧速率。

说 FT 架构几乎消除了快门，因为无快门设计会遇到一个称为垂直涂抹的问题。电荷包从活动像素到存储位置的传输很快，但不是瞬间发生的，因此在垂直传输期间到达传感器的光可以改变图像信息。

FT 架构的主要缺点是成本较高，并且相对于图像质量而言面积增大，因为基本上是使用 FF 传感器，然后将像素数减少两倍。

帧传输 CCD 在全帧架构中增加了一个存储阵列

线间传输（Interline-Transfer）CCD

我们需要的最后一个主要的架构改进是将集成电荷快速转移到存储区域，从而将污迹降低到可以忽略的程度。线间传输 CCD 通过提供与每个光活动位置相邻的存储（和传输）区域的网络来实现这一点。曝光完成后，传感器中的每个电荷包同时传输到非光敏垂直移位寄存器中。

因此，它的 CCD 能够以最小的拖影实现电子快门，并且像 FT-ccd 一样，它们可以在读出期间集成，从而保持较高的帧速率能力。然而，如果光生电荷在读出过程中从光活性柱泄漏到相邻的垂直移位寄存器中，则可能发生一些涂抹。如果应用程序不需要高帧速率，则可以通过延迟积分直到读出完成来消除此问题。

线间 CCD 不需要帧传输 CCD 中使用的大存储部分，但它们引入了一个新的缺点：传感器成为将光子转换为电子的效率较低的手段，因为每个像素位置现在都由光电二极管和垂直移位寄存器的一部分组成。换言之，部分像素对光不敏感，因此相对于落在像素区域上的光的量产生较少的电荷。这种灵敏度的损失通过在传感器上添加将入射光集中到每个像素的光活动区域的微小透镜而大大减轻，但是这些“微透镜”有其自身的一系列困难。

在行间传输架构中，存储（和垂直传输）区域位于光活性柱之间。

结论

希望这篇文章能帮助理解在设计 CCD 图像传感器时所涉及的权衡。全帧 CCD 可能看起来是最“原始”的类型，但它们仍然是不需要高帧速率的系统中的首选，并且可以容忍闪光灯或机械快门的使用。帧传输 CCD 和线间传输 CCD 具有更多的用途，在某些应用中具有关键的优势。

文章来源：聚华光学

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

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~