为机器视觉系统选择图像传感器，绕不开这三大关键考虑因素
【导读】图像传感器是所有机器视觉(MV)系统的核心，这是负责将物理世界的信息转换为数字数据的基本元件，在确保机器视觉操作的准确性、可靠性和高效率方面起到了关键作用。在这篇博文中，安森美探讨了为机器视觉系统选择图像传感器的关键考虑因素，阐明了图像传感器对于推动各个领域创新和进步的重要性。
图像传感器是所有机器视觉(MV)系统的核心，这是负责将物理世界的信息转换为数字数据的基本元件，在确保机器视觉操作的准确性、可靠性和高效率方面起到了关键作用。在这篇博文中，安森美探讨了为机器视觉系统选择图像传感器的关键考虑因素，阐明了图像传感器对于推动各个领域创新和进步的重要性。
图像传感器作为机器视觉系统的基础元件，优化其物理特性有助于增强系统的性能和效率。选择传感器时应考虑哪些关键物理特性？
图1：图像传感器的各层构造
分辨率
图像传感器的分辨率是指垂直和水平的像素数量，这决定了其捕捉图像细节的能力。在机器视觉应用中，要准确地分析和决策，就必须要选取适宜的分辨率。在做决策时，找到恰当的平衡点非常关键。过高的分辨率会导致增加不必要的成本，且不会明显提升效果；而分辨率过低则可能导致遗漏重要的细节和信息。我们必须认真评估应用的具体需求，并根据所需的细致程度选取适宜的分辨率。
光学格式
图像传感器的光学格式是指其感光区域的大小和形状。传感器的大小会影响到多个成像性能指标，包括视场、景深和光敏度等。用于低光环境时，传感器的大小是比较重要的考虑因素，决定了能否获得清晰的图像。传感器尺寸越大，图像质量通常越好，但这也意味着摄像头系统体积更大、价格更昂贵。
令光学格式与镜头的投影相匹配，可确保传感器的分辨率得到有效利用，这对于获得清晰锐利的图像至关重要，那些对图像质量有着超高要求的应用场景尤其需要注意这一点。此外，确定合适的分辨率后，也许更便宜或更高效的镜头也可以满足需求，这就能够降低摄像头成本，并且相应减小摄像头的尺寸，从而进一步降低成本。
长宽比
图像传感器的长宽比会影响所捕获图像的布局和像素的分布。长宽比选取得当，有助于确保有效利用传感器的分辨率，让所捕获的图像更准确地反映实际场景。比如智能交通系统(ITS)或轮胎检查等应用通常需要较高的水平分辨率。
帧率
图像传感器的帧率决定了其每秒捕获的图像数量。在动态环境或涉及移动物体的应用中，高帧率与准确捕获和分析视觉数据息息相关。高帧率让系统可以“定格”运动，并与所成像的物理空间保持同步，从而确保精确测量并做出正确决策。
阵列框选或感兴趣区域(ROI)读出技术可以减少要读取的数据，从而提高帧率。有些传感器在只降低垂直分辨率的情况下就能展现出优势，而有些传感器则需要同时降低水平和垂直分辨率才能体现出优势。在读出过程中进行子采样或跳过某些像素，也可以提高帧率。
动态范围
图像传感器的另一个关键物理考虑因素是动态范围。这是指传感器在最暗的阴影到最亮的高光等各种不同亮度的场景中捕捉画面的性能。动态范围较高的传感器能够在单帧中准确再现场景里的全部色调范围，从而增强图像的对比度和细节处理效果。这是驾车穿越隧道等日常场景中必不可少的关键特性。
当车辆驶出黑暗的隧道，进入明亮的阳光下时，高动态范围(HDR)图像传感器可以同时处理隧道内的弱光和外面的强光，确保所有物体都清晰可见。在机器视觉系统中，高动态范围也发挥着重要作用，可以让机器人和自动化系统准确感知和解析明暗对比强烈的场景。例如，在工业环境中，支持高动态范围的传感器可确保机器能够检测到锃亮反光表面的缺陷，或在光线不足的环境中读取标签信息。高动态范围带来的丰富细节和出色精度可提高机器视觉应用的可靠性和效率，有助于各行各业改进质量控制、自动化和安全表现。
图2：有无高动态范围的强光环境图像效果对比
除物理参数外，图像传感器的光学特性也是机器视觉系统性能和适用性的决定性因素。以下为一些主要的光学考虑因素。
像素
像素是图像传感器的基本构成单位，像素大小直接影响传感器的感光度和分辨率。像素越大，接收的光子就越多，信噪比和图像质量也就越好，低光环境尤需注意这一点。
不过，像素越大，需要的硅材料就越多，传感器尺寸和成本也会随之增加。相反，像素越小，可以实现的分辨率越高，但可能需要更复杂的光学设计才能实现与较大像素传感器相当的图像质量。像素大小的选择需要综合考虑灵敏度、分辨率和成本等因素，找到恰当的平衡点。
输出模式
图像传感器通常提供多种输出模式，例如感兴趣区域(ROI)、像素合并或抽取，以使数据采集和处理更灵活。感兴趣区域模式可以选择性读取图像内的特定区域，从而提高帧率并减少数据量。像素合并是指将相邻的像素阵列组合成一个大像素（例如4个合成1个，或9个合成1个），可提高灵敏度或降低噪声；而像素抽取则会降低图像分辨率，但可以提高处理速度。
这些输出模式让用户能够优化传感器的性能，以满足高速成像、更高灵敏度或高效数据管理等不同应用需求。
卷帘快门与全局快门
快门类型的选择取决于运动伪影和应用需求。可根据传感器所采用的快门机制对快门进行分类。卷帘快门传感器按顺序逐行曝光像素。相比之下，全局快门传感器则是同时曝光所有像素。
为机器视觉应用挑选图像传感器时，决定使用卷帘快门还是全局快门十分关键。以下是两者的对比情况。
运动伪影
卷帘快门传感器在短时间内逐渐曝光图像的不同部分，有可能会产生偏斜或失真等运动伪影。在捕捉快速移动的物体或快速变化的场景时，此问题尤其常见。相比之下，全局快门传感器可以同时捕捉完整图像，从而避免运动引起的失真问题并确保曝光一致。
图 3：全局快门效率比较示例
全局快门效率
在涉及快速移动物体的场景中或动态环境中，全局快门传感器表现优异，能够有效定格瞬间动作，捕捉到清晰的画面。因此，在需要精确分析运动或跟踪高速物体的应用中，全局快门传感器是不二之选。
特性比较
全局快门图像传感器具有以下几个优点：
有效减少运动伪影（这个问题主要由物体/对象或摄像头运动导致，常出现在手持摄像等应用中）
均匀曝光
动态环境中表现出彩
此外，全局快门传感器支持高效运动分析，有助于精确跟踪和定位物体。卷帘快门传感器可能足以应对静止或低速运动场景，但对于要求更苛刻的机器视觉任务，全局快门传感器是更理想的选择。
图像传感器的选型要点
为机器视觉系统挑选合适的图像传感器类型是确保高效率和准确性的关键。安森美提供的全局快门图像传感器为机器视觉应用带来了全面的方案，不仅能够高效捕捉运动，还兼具高分辨率、适宜的像素大小和灵活的输出模式，可全方位满足各项关键需求。
全局快门还有助于精确地捕捉和分析运动场景。通过同时捕捉完整图像，全局快门传感器可消除运动伪影并确保均匀曝光，从而产生清晰无失真的图像。这些特性对于追踪快速运动的物体和适应不断变化的环境至关重要。
借助安森美技术，摄像头制造商可以在其机器视觉应用中实现出色效果。
（文章来源:安森美，作者：Danny Scheffer，安森美(onseim)产品营销部）
免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理。
推荐阅读：
电动汽车充电的热管理解决方案
重磅！嘉立创、一博科技、嘉捷通、金晟达等PCB行业巨头集结，一年只此一次！
功率器件模块：一种满足 EMI 规范的捷径
芯原戴伟民：AIGC为端侧AI带来巨大机会
碳化硅模块助力更可靠更高效的换电站快充电路设计
