问题

RYYB 的CMOS相对于 RGGB 有什么优势,以后在相机行业是否会有应用?

回答
YYYB CMOS vs. RGGB CMOS:色彩世界的进阶之路

在数码相机的心脏——CMOS传感器领域,色彩的捕捉方式一直是一个不断探索和优化的焦点。我们最熟悉的莫过于RGGB(红绿绿蓝)像素排列方式,这套经典的“拜耳滤镜”方案已经统治了相机行业数十年。然而,近年来,以RYYB(红黄黄蓝)为代表的新型像素排列方式悄然崛起,并已经开始在手机摄影领域崭露头角。那么,RYYB相比于RGGB究竟有哪些优势?它又是否会在未来的相机行业大放异彩呢?

要理解RYYB的优势,我们首先需要回顾一下RGGB是如何工作的。传统的RGGB排列,通过一层彩色滤光片(Color Filter Array, CFA)来实现对不同颜色光的选择性过滤。在每个2x2的像素组中,会有一个红色滤光片、一个蓝色滤光片和两个绿色滤光片。绿色滤光片占据两个位置,是因为人眼对绿色最为敏感,这有助于提高整体图像的亮度和细节表现。

RYYB的“大胆”创新:为何换成黄色?

RYYB方案之所以引人注目,就在于它用黄色滤光片取代了RGGB中的两个绿色滤光片。这个看似简单的改变,却带来了几个关键性的优势:

1. 更高的光线利用率,提升弱光表现: 这是RYYB最核心的优势。黄色滤光片能够透过比绿色滤光片更宽广的光谱范围,尤其是在绿色光谱的两侧(偏黄和偏青绿部分)也能有较好的透过率。而传统的绿色滤光片,虽然对人眼敏感的绿光区域透过率最高,但对于其他颜色的“绿色”光谱成分则会大幅阻挡。
简单来说: 想象一下,你有两种颜色的滤光片,一种是纯粹的“绿”,另一种是“黄绿”。当自然光(包含各种颜色的混合光)穿过时,纯粹的“绿”只能抓住最核心的绿色部分,而“黄绿”则能抓住更多的绿色以及它附近的其他光线。
带来的好处: 在弱光环境下,可用的光线本就稀少。RYYB传感器通过捕捉更多“有用的”光线,能够显著提高传感器的整体感光效率。这意味着在低光照条件下,RYYB传感器可以生成更明亮、噪点更少的图像,同时保留更多的细节。我们日常看到的许多手机在夜间拍摄时表现出色,RYYB功不可没。

2. 更广阔的色域和更鲜艳的色彩: 由于黄色滤光片能够捕捉到更宽的光谱范围,RYYB传感器在理论上可以实现更广阔的色域。这意味着相机能够记录到更丰富、更饱和、更自然的色彩。
举个例子: 想象拍摄一片翠绿的草地,RGGB可能会将草地的一部分“偏黄”或“偏青”的光线丢失。而RYYB由于对黄色光有更好的敏感度,能够更完整地捕捉到草地中更丰富的绿色层次,使得色彩表现更加鲜活。

3. 简化色彩重构算法(理论上): 传统的RGGB排列在处理不同颜色通道时,需要进行复杂的色彩插值(Demosaicing)算法,将单个像素的颜色信息扩展到三原色(红、绿、蓝)。RYYB方案由于黄色滤光片能够接收到红光和绿光的大部分信息,理论上可以简化这个插值过程,尤其是在色彩还原方面可能更加直接和准确。当然,这还需要强大的算法支持来充分发挥其潜力。

RYYB的挑战与权衡:并非完美无缺

虽然RYYB带来了显著的优势,但它也并非没有挑战和权衡:

1. 准确还原纯粹的“绿”: 黄色滤光片固然能捕捉更宽的光谱,但它同时也意味着它会比专用的绿色滤光片“允许”更多非绿色的光线通过。尤其是红色和蓝色,虽然黄色滤光片会阻挡大部分,但仍会有一定的串扰。这意味着在处理纯粹的绿色信号时,RYYB需要更精密的算法来“分离”出准确的绿色信息,避免“染红”或“染蓝”。
这就像: 你让一个人去摘红色的果子,他不仅摘了红色的,还顺带摘了旁边黄色的。虽然他摘到的“果子”总量更多,但如果只是为了纯粹的红色,那就需要仔细挑选,剔除黄色。

2. 对色彩校正和后期处理的要求更高: 由于RYYB传感器的色彩响应曲线与RGGB有所不同,这就意味着在色彩校正和后期处理时,需要针对RYYB传感器进行特定的调整,以达到最佳的色彩还原效果。对于习惯了RGGB成像的后期处理软件和用户来说,这可能需要一个适应过程。

3. 成熟度与生态系统: RGGB作为行业标准已经存在了数十年,其相关的技术、算法、软件生态都非常成熟。RYYB作为一种新兴技术,虽然发展迅速,但在整个相机产业链的成熟度和普及度上,还需要时间来追赶。

未来在相机行业的应用前景:曙光已现

RYYB CMOS在手机摄影领域的成功应用,已经为它在更广阔的相机行业赢得了关注和认可。那么,它是否会成为未来相机的主流呢?我认为,RYYB在未来相机行业会有相当的应用,尤其是在对弱光表现和色彩鲜艳度有更高要求的领域。

手机摄影的引领者: 我们可以预见,RYYB将继续在高端智能手机上扮演重要角色。其在弱光下的优势,与消费者对手机夜景拍摄能力的需求高度契合。
微单相机的新选择: 对于追求轻便、快速成像的微单相机而言,RYYB也可能成为一种有吸引力的选择。尤其是一些面向Vlog、旅行摄影的机型,其对弱光表现和色彩的优化将很有价值。
特定领域的专业相机: 在一些对弱光成像性能要求极高的专业相机领域,例如天文摄影、低照度监控等,RYYB传感器可能会找到更广阔的应用空间。
与其他像素排列的共存: 值得注意的是,RYYB并不会完全取代RGGB。RGGB在色彩还原的准确性和成本效益方面仍然具有优势,它很可能在一些对色彩还原要求极致、或者成本敏感的相机类型中继续得到应用。未来相机市场可能会出现RGGB和RYYB(甚至更多新型像素排列)并存的局面,就像目前数码相机中仍然存在CCD传感器一样,不同的技术在各自擅长的领域发挥价值。

总结:

RYYB CMOS以其独特的设计,在光线利用率和弱光表现方面带来了显著的突破,并且在色彩鲜艳度上也有潜在优势。尽管在纯粹的绿色还原和后期处理方面存在一些挑战,但随着技术的不断进步和算法的优化,RYYB CMOS在相机行业,尤其是在手机摄影和对弱光性能有高要求的特定相机领域,必将拥有越来越重要的地位。它代表着CMOS传感器技术在色彩捕捉方式上的一次重要演进,为我们带来更明亮、更生动的视觉体验,也为相机行业注入了新的活力。

网友意见

user avatar

回答这个问题前,我觉得应该先讨论一个问题,为什么这几年大家都在改像素排列?难道直接做大底硬件方案来提升进光量不行吗?其背后的原因也很简单,因为手机的内部可用堆叠空间越来越小,大底不能无限制地增加。而更早时候的可变动光圈在手机上也算是昙花一现。因此,如何从更为底层解决进光量,进而解决夜景问题还同时不增加产品尺寸,成为各家厂商都在探索的方向。大家纷纷将目光放在了调整像素排列这样”微小”的底层方式上。

说回滤镜阵列上,各家为了提升光线通过效率,都做过不少尝试。RYYB是一条技术路线,之前在手机上出现过的RGBW并非革命性技术,三星在传统Bayer阵列上还提出过RWB——把两个绿色像素都替换成透明像素以进一步提升光线通过效率。

到了现在的Quadbayer这种四合一,甚至九合一像素的年代,传感器可以大小像素兼顾了,外加多帧合成技术普及,滤镜阵列就提的相对比较少了。

不过,这两天OPPO未来影像开放日上提到的新款RGBW有点意思。看名字很眼熟,因为在2015年的时候,华为、OPPO和moto都采用过该技术。其实上一代的RGBW就是采用这种新的滤镜形式尝试,而新款的滤镜阵列里面有一半是透明滤镜,进一步提升了光线通过效率。

RGBW——以Quadbayer领域的全新形式呈现

OPPO在图像传感器方面吃过不少螃蟹,比如首款全像素全向对焦的2x2 On Chip Lens (OCL)的IMX689,以及后面广泛应用的IMX766,还有豪威科技家的类似技术的OV64B。

新一代RGBW以Quadbayer的形式呈现。

上一代RGBW只是将RGGB中的一个G替换成W。

新一代的RGBW可以看做2倍的(RGGB+WWWW),再做四合一处理,进而比上一代RGBW的感光性能更强。

初代RGBW——看似简单的把一个G替换成W,后面是色彩还原算法和半导体升级

OPPO R7 Plus用过IMX278——索尼首款RGBW传感器,在当时效果还不错,显著提升了弱光拍照能力,但是同时问题也是存在的,那就是受制于彼时孱弱的制程工艺,无法运行更先进的算法,同时像素之间的色彩信息互相有串扰,很容易出现色彩偏色的问题。

但RGBW传感器并不容易,甚至,RGBW对于索尼也不是那么容易。

它看起来只需要将一个绿色滤镜替换为透明滤镜即可,但背后涉及的是一整套的软硬件结合——一套全新的色彩还原算法、硬件上降低像素串扰(crosstalk)

初代Exmor R,即堆叠式传感器——IMX135,索尼最初宣布该传感器为RGBW滤镜阵列,但正式发布后,索尼将其调整为传统RGB拜耳阵列滤镜。其背后的技术方案绝非简单的置换一个子像素那么简单。

正式大规模应用的RGBW传感器,已经到了IMX278,根据Chipworks的分析,IMX278用了新的TSV工艺和DTI结构以降低串扰——硬件上的工艺更新。

在IMX278内部的图片处理单元中,多了一个白光的Remosaic模组,有了这个模组,感光器输出的信号兼容传统方式,但实际商用后,色彩的偏色还是存在。由于时代久远,由于彼时没有RGBW还没有和四合一像素技术进行整合,因此,上一代RGBW还存在一个致命问题——摩尔纹现象是否严重。

OPPO这代RGBW——充分利用Quadbayer阵列的色彩排布

而这次OPPO这颗RGBW捕光传感器更有意思,它将Quadbayer阵列的每2x2个同颜色像素滤镜中的对角线上的2个替换成为透明滤镜,OPPO表示,新一代RGBW超强捕光传感器的进光量相比传统RGGB提升了60%。

这样既能保证一个大像素的色彩信息不会丢失,还能有效提升传感器感光性能,非常有意思。同时,子像素还能保证亮度信息,理论上说甚至可以输出层次不错的黑白图像。

当然,还是上面提到的两个问题,软件上,色彩还原;硬件上,降低串扰。这俩问题还是得解决。

软件上,OPPO这次花大力气基于全新传感器像素排列构建新的影像算法。因为这次的色彩还原比上一代RGBW更难,透明滤镜交错分布在Quadbayer阵列中,每个透明滤镜相邻都有四个像素,其中至少包含两个色彩,如何从这四个像素中,还原出真实的色彩,又是一个难题。因此,发布会上OPPO提到:

引入了全面自研结合像素四合一的RGBW还原算法,让每个子像素都能具备R(红)、G(绿)、B(蓝)和W(光线)信号的识别能力

也就是说,和上一代RGBW相比,这次的图像色彩还原算法不仅是索尼家的事情了,更多功劳可能在OPPO身上。更值得一提的是,在定制这颗制程升级的传感器的同时,OPPO将自研像素四合一算法写入了传感器硬件,进而更有效的解决了上一代RGBW技术可能带来的偏色和摩尔纹问题。这也算是行业首次有手机厂商,把自家自研的影像软件算法写入了硬件传感器上。其背后能够获得的提升,远远不止是在宣传上的”首次”。

更为重要的是,由于自研的四合一软件算法直接写入传感器,首先OPPO无需向外定购任何第三方的算法。就算法层面功耗和适配程度而言,更加适合自身。其次,由于”算法硬化”,可以让算法不用在ISP和AP当中运行,这就意味着当商用时,该技术无需考虑芯片平台的算力能力而导致的功耗不同。换句话说,OPPO可以将这颗传感器在多个SKU上使用,因为算法已经进行了固化。因此这个”行业首次”也可以看作是OPPO未来可能在影像研发技术上的重要方向。计算摄影要做,但是要通过硬件固化的方式去做。

除了算法硬化、降低功耗、提升效率,OPPO还想解决RGBW固有的顽疾——偏色、猜色,通过采用行业的领先技术:

在微观层面有效减少子像素之间的相互串扰,滤除杂讯,让数字信号更为纯净,进而提升了画面表现。

OPPO这颗新传感器也采用了类似技术——像素隔离技术、Deep-Si。像素隔离技术其实就是DTI的中文名称,通过加深单个像素之间的隔离,提升传感器单像素表现,这颗新传感器的DTI又一次升级了;Deep-Si则是来自于改进的半导体工艺。通过这二者以及OPPO自研算法的配合,传感器输出的数字信号Crosstalk更低,输出信号更纯净,画质表现也更好。

除了进光量带来的感光性能显著提升外,OPPO还带来了更有意思的算法——明亮度信息带来更好的人像拍摄提升。

在四合一模式下,这颗传感器能分解出全频的W信号——即明度,或者说,理论上这颗传感器四合一能输出影调非常丰富的黑白照片。叠加四合一的明度信息和色彩信息,这颗传感器还能对人像肤色、细节、明暗等的感知全面提升,能够更生动地展现人像画面。

这次这颗新传感器有点意思,OPPO也终于不再发PPPPPPT了,直接宣布,今年Q4直接商用。

除了这个RGBW,OPPO这次还发布了几个新技术,镜头与传感器协同防抖的五轴运动防抖——相机领域技术被拿到了手机上,潜望式镜头迎来了进一步改进的真无损变焦,还有屏下摄像头技术再次更新。这些都是很有意思的技术,在这就不详细聊了。

总结:

OPPO在影像方面的积累,光是影像方面,就有9000+专利申请,其中发明专利3000+。这次的RGBW传感器,比IMX689那款2x2 OCL,在合作开发方面又深了一层,除了进光量60%提升、35%的噪点降低半导体工艺升级(DTI、Deep-Si)以外,OPPO还把四合一像素合成算法写入了全新的RGBW传感器硬件中。这在手机行业还是第一次。同时也能看出一些端倪,在各家大力宣传自身计算影像的时候,OPPO的想法是把计算的东西”硬化”。虽然并非首创,但为了把AP的算力留出来,也说明OPPO希望在影像上还做了后手,至于是什么,OPPO还没具体说明。

类似的话题

  • 回答
    YYYB CMOS vs. RGGB CMOS:色彩世界的进阶之路在数码相机的心脏——CMOS传感器领域,色彩的捕捉方式一直是一个不断探索和优化的焦点。我们最熟悉的莫过于RGGB(红绿绿蓝)像素排列方式,这套经典的“拜耳滤镜”方案已经统治了相机行业数十年。然而,近年来,以RYYB(红黄黄蓝)为代表的.............
  • 回答
    P30 Pro的超光谱Quad Bayer RYYB CMOS,这玩意儿听起来就挺玄乎的,跟咱手机里常见的RGB摄像头比起来,它到底有啥不一样,好在哪,或者说又有哪些妥协,咱们掰扯掰扯。核心不同:颜色怎么“感知”的简单粗暴地说,传统手机摄像头里,那片CMOS传感器上排列着无数个像素点,每个像素点前面.............

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有