相机传感器如何把一束光变成一张照片

按下快门的一瞬间，机器里其实发生了四次变身：光子变成电子，电子变成电压，电压变成数字，数字拼成图像。整个过程快到察觉不到，但每一环都有各自的物理限制和工程妥协。

这篇文章就顺着这条链路走一遍，看看一束光是怎么被「记账」下来的。

一、一个光子换一个电子

相机传感器的核心材料是硅。硅有个关键属性叫带隙——电子要从价带跳到导带（变成可以自由移动、被收集的电荷），得先拿到约 1.12 电子伏特的能量。

光子带的能量是 E = hc/λ，波长越短能量越高。把 1.12 eV 代进去反算，对应的波长大约是 1100 纳米。这就是硅的「视力边界」：比这更短的波（可见光、近红外）它能看见；比这更长的波（中远红外），能量不够顶动电子，硅对它们基本是透明的。

这也顺带解释了一个日常现象：手机摄像头能拍到遥控器发出的红外光，因为那是近红外，还在硅的视力范围内；但拍不出人体发出的热辐射，那属于远红外，早就越界了。

每进来一个光子，理想情况下能激发出一个电子——这叫内光电效应。但实际总有些光子会溜掉：被表面反射、被电路层挡住、或者在收集之前就复合掉了。真正被记下来的比例，就是量子效率（QE）。

图1：光子变电子，以及量子效率随波长的变化

早期的传感器量子效率只有百分之二三十，其大部分光子白白浪费。后来有了背照式结构——把金属布线层挪到光电二极管的背面，让光先到达感光区——峰值量子效率已经能超过 90%。每 100 个光子进来，能记下 90 多个，这已经相当接近物理上限了。

二、一个像素里装着什么

放大看，一个像素可不是一个简单的光敏点，它更像一栋四层的小楼：

最上面是微透镜，把斜着射进来的光聚拢，尽量塞进下面的开口；

第二层是拜耳滤色片，只放行红、绿、蓝中的一种；

第三层是光电二极管，光子在这里变成电子；

最下面是电路层，负责放大、读出、复位。

图2：一个像素的四层结构

这里有个绕不开的矛盾：像素越小，进光越少。同一块传感器面积，切成两千万份和切成五千万份，单份分到的光子差了一倍多。而能存多少电子（满阱容量）又大致与面积成正比——小像素的「水桶」更浅，亮处容易溢出。

为了让小像素也能吃饱，工程师想了不少办法：把微透镜做得更贴合、把透镜位置按到画面边缘的入射角度逐个偏移、以及前面提到的背照式结构。但这些都是补救，改变不了「面积决定进光量」这个基本事实。

所以「高像素」从来不等于「高画质」，它只是把同一块底切成更多份。到底切多细合适，要看用途：要放大裁切就多切，要暗光干净就少切。

三、拜耳阵列：为什么绿的最多

每个像素只能测亮度，测不出颜色——它只知道「到了多少光」，不知道「是什么颜色的光」。要得到彩色，就得给像素加滤色片，让每个只认一种颜色。

1976 年，一位工程师提出了一种排列：每 2×2 四个像素里，放两片绿、一片红、一片蓝，这就是拜耳阵列。它的巧妙之处在于绿色占了一半。

图3：RGGB 排列与去马赛克

为什么绿的最多？因为人眼对亮度的感知，大部分来自绿光。绿色通道实际上兼任了「细节担当」，多给它一倍采样，画面的噪点就更少、细节更实。红蓝主要贡献颜色信息，少一点无所谓。这不是偷懒，是把有限的像素用在刀刃上。

代价是：每个像素只知道一种颜色，另外两种得靠邻居猜出来，这个过程叫去马赛克。猜得再好也会有损失——细节会变软，高频区域容易出现伪色和摩尔纹。有些厂商干脆去掉低通滤镜来换锐度，代价就是接受摩尔纹。

四、CCD 与 CMOS：一场工艺之争

把电荷读出来，历史-上有两条路。

CCD 的做法是：全场曝光结束后，把每个像素的电荷包像传水桶一样，一行一行搬到边缘的同一个放大器，统一转成电压。好处是放大器只有一个，一致性极-佳、噪声低；坏处是搬运必须小心不能「洒」，速度上不去，功耗也高。

CMOS 则让每个像素自带放大器，先把电荷就地变成电压，再各自往外送。它天然支持并行和随机寻址，速度快、功耗低。但早期每个像素的放大器特性不一致，噪声反而更大。

图4：两种读出结构的取舍

后来的故事大家都知道：CMOS 赢了。但赢的不是原理，而是工艺——它能直接借用成熟的硅生产线，把放大器、模数转换、甚至处理电路都塞进同一颗芯片。成本与功耗一起降下来，性能也在几十年里一路追平甚至反超。

CCD 并未完-全消失，在高-端天文、部分科学成像里，它的一致性仍有价值。只是对绝大多数应用来说，这个争论已经结束了。

五、噪声：三笔躲不掉的账

照片里那些不想要的颗粒，主要来自三个地方。

散粒噪声最特别——它是光本身的脾气。光子到达是随机的，即使光强恒定，每一小段时间里来的光子数也会波动，波动幅度约等于 √N（N 是电子数）。信号越强噪声绝对值越大，但信噪比反而改善（√N/N = 1/√N）。这一项躲不掉，镜头再贵、工艺再好都没用，唯-一的办法是多收光子：开大光圈、延长曝光，或者把像素做大。

读出噪声来自放大器和后续电路，是与信号强弱无关的固定底噪。它在弱光下是主要敌人——信号本来就弱，底噪一盖就什么都没了。这些年进步很大，已能做到一两个电子的水平。

暗电流是没光时也会慢慢攒出来的电子，温度每升高约 6~8 ℃ 就翻一倍。长曝光和天文摄影要专门制冷，就是为了压这一项。

图5：三种主要噪声来源

还有一类常被忽略：固定图形噪声——每个像素的响应天生略有差异。它对静态画面表现为固定「图案」，可以靠标定减掉；对视频则是挥之不去的底噪。

六、动态范围与快门：两个容易被忽略的边界

动态范围说的是：从最暗到最亮，传感器能同时留住多宽的跨度。上限是满阱容量（再多就溢出成纯白），下限是读出噪声（再少就被底噪淹没）。用分贝表示就是：

动态范围 = 20 · log₁₀(满阱容量 / 读出噪声)

阱越深、噪声底越低，能同时保住的亮部与暗部就越多。近年流行的双原生增益，本质上是在弱光时切换到一套更高的放大倍率，首先把信号抬过后续的电路噪声，等效把暗部下限压得更低。

快门则关乎「读」的方式。主流是卷帘快门：逐行曝光、逐行读出，一行行扫过去。它结构简单、噪声低，但拍高速运动的物体会出现倾斜变形，也就是「果冻效应」。全局快门让所有像素同时开始、同时结束曝光，运动绝不变形，代价是每个像素都要多加一个存储单元，开口率和噪声都会吃亏。

图6：动态范围与两种快门方式

两者没有绝对优劣：卷帘更适合拍照，全局更适合「看清运动」——机器视觉、高速摄影、工业检测都靠它。

七、总结

回头看，传感器做的事其实很朴素：数清楚有多少光子，记下来。真正的难度在于，每一步都有物理设下的天花板——硅的带隙划定了视力范围，量子效率有上限，散粒噪声无法消除，像素面积又与分辨率天然冲突。

传感器靠内光电效应把光子换成电子，靠拜耳滤色片和去马赛克还原颜色，靠放大器与模数转换变成数字；

画质之争的焦点，从来不是像素多少，而是进光量、量子效率与噪声底这三件事。

所以下次看到「两亿像素」的宣传，可以多问一句：单个像素多大？量子效率多少？读出噪声几个电子？这三个数字，往往比像素总数更能说明一台相机到底能拍出什么。

毕竟光的账，是要一个光子一个光子地算的。