HDR Sensor动态范围对比：DCG、DAG与Linear原理及调试实战

HDR Sensor 动态范围这几年的存在感越来越强从手机影像到车载摄像头再到工业检测和监控安防几乎处处都在提高动态范围。但真到选型或调校的时候很多人容易卡在 DCG、DAG、linear 这几条技术路线之间——它们到底在做什么指标数据差不多的情况下为什么实际效果差这么多这篇文章我就把这三条路从原理到实测层面拆开对比一次重点讲清楚每种方案背后的取舍逻辑以及我实际调 sensor 时踩过的坑和用到的方法。这篇文章适合三类人看一是刚接触 HDR Sensor 的硬件工程师需要建立方案选型的底层判断力二是做图像效果调试的算法或 tuning 工程师想理解 DCG、DAG 在画质和噪声上的差异来源三是选型阶段的产品经理或项目经理想搞清楚这些参数背后到底代表什么真实体验。我会尽量把技术细节讲透同时保持可读性。1. 动态范围一张图里到底想留住多少细节1.1 动态范围的物理定义与工程含义先把动态范围这个概念说清楚。sensor 的动态范围本质上衡量的是它能同时记录“最暗可分辨信号”和“最亮不饱和信号”的能力。工程上最常用的公式是DR 20 × log10(满阱容量 / 噪声底)满阱容量Full Well Capacity代表一个像素能装下的最大电子数噪声底则是一定积分时间下读噪声和暗噪声的等效电子数。两者取对数再乘 20得到的就是 dB 单位的动态范围。举个例子一颗典型 1/1.7 英寸 64MP 的 sensor满阱容量大约 60000e⁻读出噪声约 3e⁻那么动态范围大概是 20 × log10(60000 / 3)算出来约 86dB。这个数字在日常场景看着不低但一碰到逆光、夜晚霓虹灯和暗部细节同时入镜的情况就立刻不够用了。工程上还有一层更实际的含义就是信噪比随亮度的变化曲线。单增益线性 sensor 的 SNR 曲线在低亮段基本贴着噪声底走中亮段跟着光子散粒噪声走到接近满阱时才有最高的 SNR。所以提升动态范围的核心并非单纯增加满阱而是要让暗部信噪比也能撑起来不然拉高暗部只是放大噪点。1.2 为什么手机和车载场景天天吵着要 HDR不同场景对动态范围的需求差异非常大这也是选型时最容易被忽略的点。手机摄影最常见的是逆光人像和夜景高光。逆光时人脸亮度可能在 10 lux 左右背后的天空能达到 10000 lux 以上跨度超过 60dB。单帧线性 sensor 拉不回来所以手机方案通常叠加多帧合成或 sensor 内 HDR 模式来扩展动态范围。车载摄像头的要求更苛刻。夜间行车时对面来车的 LED 大灯亮度极高同时路面暗部又需要保持清晰而且整个场景是高速运动的。如果 HDR 合成过程中存在时间差就会出现运动物体边缘撕裂或光晕伪影直接影响感知算法的判断。所以车载 sensor 对运动伪影控制的要求是最高等级的。工业检测则更看重精准性。比如检测金属表面的焊接纹路暗部缺陷和亮部反光可能出现在同一视野内HDR 合成产生的任何非线性失真都可能被误判为缺陷。因此工业场景往往更在意动态范围曲线是否平滑以及灰阶重建的准确性。理解了这些需求差异再回头看 DCG、DAG、linear 三条路线就能明白每种方案不是凭空设计的而是在功耗、面积、噪声、速度这些约束里做平衡。2. 三条路Linear、DCG、DAG 的原理与本质区别2.1 Linear最朴素的单增益读出Linear 模式可以理解成传统单增益 sensor 的基准状态。像素曝光结束后电荷转移到浮置扩散点 FD通过源极跟随器输出一个电压再经过列 ADC 量化一次读出就得到完整帧。整个过程没有任何增益切换也不做多帧合成。它的动态范围完全由单次读出的噪声底和满阱容量决定公式就是我开头写的那条。这类 sensor 的优点是结构简单、时序可控、画质可预测任何普通光照环境下都能给出非常干净的画面。问题在于场景的动态范围一旦超过 sensor 的固有 DR高光溢出或暗部被噪声淹没就只能二选一。我调试过不少标称 72dB 的 linear 车载 sensor夜间遇到 LED 车灯时要么高光糊成一片要么暗部全是彩色噪点没有任何中间选项。因此 linear 模式在大多数 HDR 应用里作为 baseline 对比它代表了“什么都不做”时的原始能力。多帧合成 HDR 的基础思路也是单增益线性读出只是通过不同曝光时间拼出高动态范围时序更复杂这里先不展开。2.2 DCG在像素里做文章把一次曝光拆成两个增益DCGDual Conversion Gain的核心思路是在像素内部的浮置扩散点结构上做手脚。传统像素只有一个 FD 电容而 DCG 像素通过一个开关晶体管控制是否在 FD 上并联一个额外电容。并联电容时电荷到电压的转换增益变低相当于低增益模式容量变大适合接住高光部分断开电容时仅保留固有寄生电容转换增益变高相当于高增益模式对暗部信号更敏感。这就是 DCG 能拍出高动态范围的基础——同一像素在同一曝光长度内先后在两个增益档位下读出最后合成一帧。需要特别注意的是DCG 的高低增益读出存在时间差。实际工作流程通常是像素曝光完成后先做一次高增益读出再把 FD 上的残留电荷清掉切换电容重新复位再做一次低增益读出中间相隔几个行周期。这个时间差意味着场景中快速运动的物体会在高、低增益帧之间产生位置偏移合成后出现鬼影或边缘发虚。DCG 最显著的优势是高增益模式下的读噪声可以做得很低。车载 sensor 中常见的高增益读噪声能做到 2e⁻ 以下低增益则相对较高大约 5e⁻ 到 8e⁻。暗部细节就是靠高增益通道的低噪声撑起来的。从实现代价看DCG 需要在像素阵列里增加额外的电容和控制线像素面积会略微增大填充因子和量子效率有所损失。但在当前 45nm 甚至更先进的 CIS 制程下这个代价已经可控所以 DCG 是最主流的单帧 HDR 实现路径之一。2.3 DAG在读出链路上做文章两路增益同时走DAGDual Analog Gain的出发点和 DCG 完全不同。它不改变像素本身的转换增益而是让像素输出一个线性电压信号然后在模拟域分成两路平行处理一路走低增益放大器一路走高增益放大器两路并行采样最终分别进入 ADC 量化再由数字逻辑合成为一帧。正因为两路增益是同一像素同一时刻输出的电压不存在曝光时间差DAG 天然就没有 DCG 那种运动鬼影问题。这一点在高速运动的行车场景里非常关键也是很多高级别智能驾驶 sensor 选择 DAG 路线的核心原因。DAG 的代价也非常实在。两套模拟放大链路和两路并行 ADC 意味着芯片面积增大、功耗上升同时高、低两条通路的噪声和增益失配会带来额外的 fixed pattern 问题。两路增益切换点附近如果匹配不够好灰度曲线上会出现台阶感整体画质反而比 DCG 更难调好。实际芯片里有些方案会简化设计不完全是两路独立 ADC而是通过采样保持电路分时复用 ADC这样面积代价略小但两路信号的时间一致性仍然保持得不错。这类变种方案在选型时需要仔细看 datasheet 的时序图。2.4 三种路线的本质差异对照把三种模式放在同一张表里对比结构差异会非常直观对比维度Linear 单增益DCG 双转换增益DAG 双模拟增益增益切换位置无像素内 FD 电容模拟链路放大器高、低增益读出时间差无存在行级时间差无时间差运动伪影风险无但单帧 DR 有限中等需算法补偿很低像素面积影响基线略有增大无像素不变芯片面积与功耗基线低较高暗部读噪声优化受单一增益限制高增益档可做很低由高增益通路决定典型应用普通安防、工业检测车载、消费类高要求的车载/运动场景从表里能看出DCG 用像素内增益切换换取动态范围DAG 用芯片面积的翻倍换取运动伪影的消除。没有哪条路线绝对优于另一条关键看应用场景对哪一项指标最敏感。3. 实测视角三种模式的参数解读与选型思考3.1 关键指标逐项对比数据怎么看看书归看书数据才是最诚实的。我以手上某颗 1/1.8 英寸 5MP sensor 的实测结果为例来对比三种模式芯片本身支持 DCG、DAG 和 linear 三种模式不过 DAG 模式下最高帧率会从 90fps 降到 60fps。性能指标LinearDCG 高/低增益DAG 高/低增益满阱容量 (e⁻)280003000 / 1800028000 / 28000读噪声 (e⁻)3.81.8 / 6.52.2 / 7.0动态范围 (dB)6874实测合成76实测合成高光恢复能力无低增益档可恢复至约 0.9V 信号低增益档全程线性低照度 SNR 1x5.2dB8.7dB8.1dB最大帧率 (1080p)90fps90fps60fps这里有几个值得注意的点。第一DCG 模式的高增益满阱只有 3000e⁻远低于 DAG 高增益通路的 28000e⁻。这不是坏事因为 DCG 高增益的目的就是灵敏地感知弱信号但如果场景里暗部和高光同时存在且高光区延伸到中灰度DCG 的高增益通道容易提前饱和需要依靠低增益通道恢复高光两道增益的切换点设置就显得非常关键。第二DAG 模式的高光恢复能力非常线性。因为两路增益来源于同一个复位后的浮置扩散电压低增益通路的满阱容量和 linear 模式完全一致高光信息的“天花板”没有被压低。这在需要精确高光还原的场合是一个巨大优势。第三DCG 与 DAG 的动态范围数值看似接近但可用的亮度区间分布截然不同。DCG 的暗部噪声更低所以暗部动态范围更好DAG 的亮部线性度更好所以高光附近的反差还原更自然。3.2 我实测过的 DCG 与 DAG 画质差异参数归参数实际画面才是最终评判标准。我用同样的镜头、同样的场景和同样的 ISP 参数分别跑过 DCG 和 DAG 模式差异非常明显。室内灯光环境下DCG 的画面整体更“干净”暗部噪点少尤其是灰卡 18% 灰阶以下的区域纹理保留非常完整。我测试了一个 1 lux 低照度桌面场景DCG 模式还能分辨键盘上的字符边缘DAG 模式则已经开始出现轻度彩色噪点。但在含 LED 灯牌和屏幕的场景里DAG 的高光还原明显更舒服。同一个灯牌DCG 模式会在灯牌边缘出现细微的光晕HDR 合成后高光区域偶尔有色调断层DAG 模式则给出非常平滑的过渡灯牌周围的字反而更清晰。这和我前面提到的 DAG 亮部线性度优势吻合。运动场景的差异更明显。我拍摄了一个快速转动的风扇叶片DCG 模式下叶片边缘轻微模糊并在暗背景处出现淡淡的残影这是因为高、低增益两帧之间存在数百微秒时间差DAG 模式则看不到任何拖影因为两路增益是同一时刻读出的。这个差异在车载场景会被放大多少大家可以自己想一下。前视摄像头以 60km/h 行驶时两帧间隔数百微秒内车辆已经移动了几厘米运动物体边缘伪影会直接影响检测框的稳定性。3.3 按照应用场景选型DCG 和 DAG 分别适合谁选型没有万能答案但有一个非常实用的判断框架看你最不能接受哪方面的画质损失。如果项目追求暗光下的极致信噪比且场景运动速度相对可控比如安防固定监控、工业盘料检测DCG 是性价比非常高的选择。它的像素面积增加少帧率影响小暗部噪声更低调试成熟的 DCG sensor 在市场上的可用资源也最丰富软件配套完善。如果项目处于高速运动的场景尤其是车载前视或运动相机DAG 的时间一致性优势是无法替代的。运动伪影会直接造成算法误判这个损失远超功耗和面积的代价。如果预算和功耗非常敏感且场景动态范围本身可控linear 单帧模式加一套好的 ISP 降噪算法也可能够用。不要为了 HDR 而 HDR——附加的调试成本、模组散热难度和画质风险都需要一并计算。4. 调校中的常见坑与排查经验4.1 DCG 切换噪声为什么暗部总有一道道横纹DCG 模式最常见的画质问题是横纹噪声尤其是在高增益档位读到低增益档位切换的那几行容易出现亮度不一致的水平条纹。根因在于切换电容的开关管存在 charge injection 效应切换动作会把少量电荷注入 FD 节点导致切换后的首个读出行出现电平偏移。如果 sensor 的时序没有做好相关双采样CDS补偿这个偏移就会表现为一条固定亮线。排查方法很简单拍一张暗场长曝光图观察切换行附近是否出现固定的亮带或暗带。如果有试着调整 DCG 切换沿相对行同步信号的位置错开 CDS 采样窗口通常就能明显改善。我调过的一颗车载 sensor 在切换位置前移 3μs 后横纹从肉眼可见变成完全消失。另外提一个来自实战的细节DCG 切换时不要贪图把高增益帧的曝光时间设得和低增益完全一致。很多 sensor 的 DCG 高增益档噪声极低但响应非线性在低照度段更明显允许高增益帧的曝光时间略微缩短约低增益的 1/2 到 3/4再用数字增益补齐能降低合成接缝处的噪声跃变。4.2 DAG 两路增益匹配怎么调才不会有台阶DAG 的问题往往不在暗部而在高、低增益通路的交集区间。如果两条通路的增益比不精准合成后的灰度曲线会出现折点视觉上就是灰度阶跃或“断层”。排查思路分两步。第一步拿到两路增益的实际输出关系固定一个均匀光源从低照度到高照度逐步调光分别记录高增益通路和低增益通路的输出码值画出两条曲线。理论上同一亮度下两条曲线应该重合如果出现固定偏差就是模拟增益预设值与标称不一致。第二步看合成算法是否考虑了灵敏度差异。一部分 DAG sensor 在数字域直接用固定的比例系数做合成这个系数往往只适用于标准温漂范围。温度变化较大时两路放大器的增益漂移可能不同需要做温度补偿表。还有一个很实际的技巧合成时尽量让高增益通路承担中低灰阶低增益通路只在接近高光区域介入并把切换点设置在 SNR 曲线交叉区域附近。这样不仅视觉过渡更平滑还能避免低增益通路的固定 pattern 噪声污染暗部。4.3 合成曲线拐点怎么定不只看满阱还要看 SNRDCG 和 DAG 都有一个共同的调试难点Knee Point也就是 HDR 合成曲线的拐点设置。很多初学者喜欢直接把拐点设在高增益通道接近饱和的地方认为这样可以最大化动态范围。但实际效果往往不理想因为高增益通道接近饱和时的 SNR 已经在快速下降合成后这一区域的噪点会被低增益通道的噪声覆盖反而产生视觉噪声突变。合理的做法是找到两条增益通道 SNR 相等的亮度点把拐点设在这里。具体做法固定曝光连续拍摄灰阶卡提取每个灰阶块在两路增益下的 SNR 值画出 SNR 与灰阶的关系曲线两条曲线的交点就是合适的拐点候选位置。实际调试时我还会在交点附近做轻微平滑处理给合成算法一个过渡带避免所有像素在同一灰阶上同时切换增益。过渡带宽度通常取最大灰阶的 5% 到 10%具体看 sensor 的噪声水平和 ISP 的滤波能力。4.4 运动伪影的三种形态残影、边缘变色、背景错位HDR 的运动伪影不只有“明显拖影”一种至少有三类需要分别处理。第一类残影最常见于 DCG 模式高增益帧和低增益帧在时间上错开运动的物体在高增益图像中的位置与低增益图像中不同合成后物体会留下一个半透明的影子。改善思路是启用 sensor 内置的运动检测把这部分区域的合成权重切换到其中一帧并利用 ISP 运动补偿。第二类边缘变色通常出现在物体亮度跨越 Knee Point 的区域。物体亮部在低增益帧里是正常灰阶暗部在高增益帧里也是正常灰阶但合成算法在边缘处选了不同增益通道导致物体轮廓上出现一圈偏色。这时需要调高合成算法的边缘权重确保边缘两侧统一使用同一增益通道。第三类背景错位最容易忽略。整体暗背景中一个小亮灯快速移动低增益帧里背景几乎无信号高增益帧里背景有微弱灰度。由于两帧错位时间造成背景纹理位移合成后背景出现轻微重影。这类伪影往往要放大到 200% 才能看到但对检测算法来说可能产生误检必须留意。5. 最后聊两句实际体会把 DCG、DAG、linear 放到一起做对比本质上是在厘清一个思路动态范围不是越高越好而是要看动态范围分布在哪里。DCG 把更多预算给了暗部DAG 把更多预算给了运动和时间一致性linear 则是那个最单纯的 baseline。真正的工程选择从来都不是挑一个最贵的方案而是想清楚你最不能接受哪个短板。我自己的习惯做选型时会先列一个“不可妥协项”清单比如车载项目第一条一定是“运动伪影最小化”安防项目第一条是“暗部信噪比最大化”然后拿着清单去套 DCG 还是 DAG。等定下来路线再花大量精力去调 knee point 和增益匹配因为同一颗 sensor 在不同 ISP 上最终呈现的动态范围差距可能超过 6dB。这篇只是三种方案对比的第一篇把所有原理和大概调试方向摊开了。接下来如果有机会我想重点聊聊 DCG 合成曲线在实际车载场景里怎么调才能做到既保高光又控噪声以及 DAG 的两路增益温度漂移怎么补偿。到时候再带着实测数据回来聊。