《数码相机中的图像和信号处理》 习题3

maver

《数码相机中的图像和信号处理》 习题3：

1： 一个2.2um 4T pixel 最大的 output voltage swing 1.1v，FWC 等于14Ke，计算conversion gain. (假设 source follower gain = 0.8)
2：接着第一题的条件，如果temporal noise floor 等于2.3e,求这个pixel的dynamic range
3：为什么QE在短波处逐渐降到0？
4：为什么QE在长波处逐渐降到0？
5： 为什么bayer RGB pattern 有两个G，而只有一个R 一个B，（或者说为什么G是R，B的一倍）。
6：列举三个fix pattern noise 的来源
7：列举三个temporal noise的来源
8：解释如何去除掉FPN
9：解释如何去掉temporal noise
10：在一个pixel上累积一定数量的光电子，如果其均值为1000e，计算标准差。假设只有photon shot noise的情况下，这个pixel的snr 是多少？
11：总得来说，如果noise是说一个sensor的信号在均值附近的波动，那么为什么 ‘fix pattern ’  （FPN） 被称为noise 呢？

tianye

列举三个fix pattern noise 的来源
暗电流因为受到传感器局部热源影响导致的不均匀，微透镜系统受到入射光束入射角度大幅变化影响导致视场边缘出现阴影(比如小像素及小F数条件下容易出现)，偏置电压与接地电压不一致产生的电路阴影。
列举三个temporal noise的来源
光电系统中的暂态噪声主要包括热噪声、散粒噪声（属于白噪声）和闪烁噪声。CMOS传感器系统中产生的噪声包括重置噪声（热噪声，像素内噪声），光子散粒噪声（白噪声，像素内噪声）、暗电流散粒噪声（白噪声，像素内噪声） ，读出噪声（像素外噪声、属于热噪声和闪烁噪声）

wisher

解释如何去除掉FPN
FPN对于某个sensor或者某个模组，是一个固定的数值，有时候也是一种固定的排列。而且这个数值相对信号来说，都比较小，一般都在信号比较弱的时候才会对图像有一定的影响。这样有两个方法去除：
1. 简单的，一刀切。就是直接用减blacklevel的方法，在isp里面，直接去掉一个数值。把fpn去掉。这样对正常的图像没有太大的影响，只是会减一点点的动态范围，但是比较简单，是常用的方法。
2. 复杂的。先测试出来FPN的数值和分布。尤其是基于不同gain下的分布，做一个记录。在tuning的时候，按照不同的gain，把预先存贮的fpn减掉。

tianye

为什么bayer RGB pattern 有两个G，而只有一个R 一个B，（或者说为什么G是R，B的一倍）。
主要是因为人的视觉主要从绿色光谱部分获得视觉细节。视觉的亮度差异与绿色有关，而人眼对亮度的敏感性又远远超过对色度的敏感性。
因此Bayer阵列能够提供更好的波长敏感性、更好的色彩再现能力，更高的彩色信噪比。

tianye

在一个pixel上累积一定数量的光电子，如果其均值为1000e，计算标准差。假设只有photon shot noise的情况下，这个pixel的snr 是多少？
在正常光照条件下，噪声主要以光子散粒噪声为主。因此信噪比的计算方法如下：
SNR=20log根号Nsig=10logNsig=10log1000=30dB
在正常光照条件下，光子散粒噪声功率构成总的暂态噪声功率（就是均方差n2short）。由于给定了某个像素随时间变化的信号电荷均值，因此n2short=Nsig，那么标准差就是nshort=根号Nsig=31.6

tianye

总得来说，如果noise是说一个sensor的信号在均值附近的波动，那么为什么 ‘fix pattern ’  （FPN） 被称为noise 呢？
暂态噪声的定义是噪声的强度随时间而波动。当然波动幅度各不相同，比如热噪声的幅度和不随信号强度而变化（只跟电阻和温度有关）。散粒噪声和闪烁噪声随信号强度变化而变化。这是暂态噪声和固态噪声的最本质区别。但他们二者还有一个很重要的相同点，就是空间位置随机。显然这一点就注定了固态噪声会被定性为noise。统计学上有一个基本原则就是“如果系统是静态的或者随机的，那么样本随时间的平均值等于统计平均值”。这里也从侧面反映出了“随时间变化”和“随空间变化”在统计意义上来说是等价的。也就是说暂态噪声和固态噪声都算是noise。

tianye

第2题：接着第一题的条件，如果temporal noise floor 等于2.3e,求这个pixel的dynamic range
DR=20logNsat/Nread=20log14000/2.3=75.7dB

tianye

为什么QE在长波处逐渐降到0？
QE=Nsig/Nphoton，也就是说如果光子照射到传感器表面产生的信号电荷逐渐趋向为0（但前提是要有一定的光子通量），那么QE就会趋向0。半导体的带隙能量是1.1eV，产生信号电子的前提条件是光子通量大于半导体带隙能量，因此得出hc/λ>Eg，转换公式就是hc/Eg>λ。h是普朗克常量，c是光速，Eg为1.1eV（需要转换成焦耳）。最终得出λ~<1128nm。因此，当波长逐渐达到并超过1128nm时，QE会因为光子通量无法超过半导体带隙能而逐渐停止产生信号电子而趋向于0.

tianye

为什么QE在短波处逐渐降到0？
nph_blackbody(T)的推导公式如下图
Nphoton=Me(λ,T)*(hc/λ)-1/Km*Me(λ,T)*V(λ)=1/Km*V(λ)*(hc/λ)
而从视见函数V(λ）的趋势来看，从380nm以下逐渐收敛为0。这样光子数趋近于无穷大。QE的计算公式中分母是光子数，所以当波长逐渐变短时，QE会趋向于0.

maver

答的真是太好了！ 我估计你在学校也是很优秀。