芯耀
5980
信噪比（Signal-to-Noise Ratio, SNR）是衡量图像传感器成像品质的核心指标，它量化了有效信号强度与背景噪声水平之间的相对关系。其计算公式为：
SNR = 10 × log10(信号强度 / 噪声强度) (单位：dB)
高SNR意味着图像纯净度高、细节丰富、色彩准确，尤其在弱光下表现优异；低SNR则导致画面布满噪点、细节丢失、动态范围缩窄。
一、 噪声来源：信噪比的天敌
图像传感器的噪声主要来自以下方面：
光子散粒噪声： 光子到达具有量子随机性，是光信号本身固有的物理限制，与传感器无关。
暗电流噪声： 热激发导致像素在无光照时产生电子，随温度升高指数级增长。
读出噪声： 信号从像素读出并转换为电压时，电路产生的电子噪声（复位噪声、放大器噪声等）。
固定模式噪声(FPN)： 因像素制造差异导致的响应不均匀性（暗电流不均匀、增益差异）。
二、 提升信噪比的五大核心策略
(一) 硬件优化：从源头增强信号压制噪声
增大像素尺寸/感光面积：
原理：大像素捕获更多光子，提升信号强度，光子散粒噪声相对占比下降。
实例：全画幅传感器（如索尼A7S系列）比手机小传感器（1/1.28英寸）单像素感光面积大数十倍，显著提升弱光SNR。
限制：增大像素会降低分辨率或增大芯片尺寸及成本。
采用背照式(BSI)或堆栈式技术：
原理：BSI将金属布线层移至光电二极管下方，增加开口率（量子效率提升10-15%）；堆栈式将像素层与处理电路分离，优化布线空间。
实例：主流智能手机（iPhone、高端安卓）均采用BSI技术；索尼Stacked CMOS用于高端相机（如α9 III），显著提升读取速度和低噪表现。
优化半导体工艺与像素设计：
双增益转换(Dual Gain)： 单个像素内集成高/低增益路径（如Sony Dual Native ISO）。高照度用低增益防饱和，低照度切高增益降读出噪声（可降3dB）。
深槽隔离(DTI)： 减少像素间串扰，提升信号纯度。
低温多晶硅/氧化物半导体： 降低晶体管漏电，抑制暗电流。
主动制冷技术：
原理：温度每降6-7℃，暗电流减半。制冷可大幅抑制热噪声。
应用：科研/天文相机（如Andor CCD）、医疗内窥镜常用热电制冷器（TEC）将传感器降至-30°C以下，实现极低噪声长曝光。
(二) 算法处理：噪声的后端抑制
多帧平均降噪：
原理：连续拍摄多张照片对齐后取平均，随机噪声相互抵消，信号线性叠加。
技术：手机“夜景模式”（如华为超级夜景）通常融合10-30帧；工业检测相机常用实时平均提升SNR。
公式：SNR提升倍数 = √N (N为帧数)，4帧可提升SNR 6dB。
限制：需防运动模糊，处理耗时。
原理：训练神经网络识别噪声模式与真实纹理，在降噪同时保留细节。
实例：Adobe Photoshop “AI降噪”、Topaz Denoise AI、手机端谷歌Night Sight算法。
优势：处理效果远超传统滤波（如小波变换、非局部均值），尤其在极低光场景。
空域/时域滤波：
空域： 双边滤波、非局部均值(NLM)在平滑噪声时保护边缘。
时域： 视频中利用帧间冗余降噪（如3D降噪模块）。
三、 技术平衡与未来趋势
提升SNR常需权衡：
大像素 vs 高分辨率：需根据应用场景选择（监控重感光 vs 测绘重细节）。
制冷 vs 功耗/体积：便携设备难以集成强效制冷。
多帧降噪 vs 实时性：高速摄影难以应用多帧融合。
未来方向包括：
量子效率接近100%的新型光电材料（如钙钛矿）。
单光子探测技术（SPAD/SiPM）在极弱光下的应用。
计算光学（如OPPO 超光影图像引擎）协同优化光学系统与算法。
关键点总结：信噪比是传感器将光转化为电信号“保真度”的终极度量。提升需“软硬兼施”——硬件端通过增大感光面积、革新结构设计、抑制热噪声来“开源节流”；软件端借多帧融合与AI实现“去伪存真”。理解噪声来源与应对策略，是解锁高质量成像的密码，无论是手机随手拍还是尖端科学探测，都在不断逼近物理与工程的极限。
欢迎大家交流，坚持分享芯片制造干货，您的关注+点赞+在看 是我持续创作高质量文章的动力，谢谢！
