HDR 成像技术学习(三)—— LOFIC
HDR 成像技术学习(一)
HDR 成像技术学习(二)
我们拍摄的照片来自传感器上的像素,它们将光处理为电信号,组合起来输出画面。当捕捉对象亮度过强,大量电荷挤在单个像素内,生成的图像就会过曝。
LOFIC(Lateral Overflow Integration Capacitor,横向溢出集合电容)的基本思想在于,当电荷超过像素原本能承载的最大限度(最大阱容),多余的电荷就会流到相邻的电容里,而不至于溢出来。这样,高亮画面就能清晰显示了。简单示意如下:
其像素结构如下所示:
像素电路由全耗尽光电二极管(PD)、转换开关(T)、将电荷转换为电压的浮动扩散(FD)、复位开关(R)、源极跟随放大器(SF)、 像素选择开关(X)、横向溢出积分电容器( )和FD与CS之间的连接开关(S)。 高满阱容量是通过横向溢出积分电容器 实现的,该电容器在积分时间内对从 PD 溢出的光电子进行积分。 较低的输入相关噪声是通过更高的转换增益和最小化 FD 电容来实现的。 因为抑制了附加电路元件,所以可以实现小像素尺寸。
曝光时只要PD达到饱和阱容的一半(Skim level)就会触发相关电路动作把电荷转移到CS电容上。读出时,首先读取PD信号,随即再读取PD和CS电容和总信号。英文skim 常用语描述在水上撇油脂的动作,所以LOFIC 又称为 Skimming pixel。
其工作时序如下:
- t1:在曝光之前,开关T、R和S导通,以复位FD和。
- t2:此时,复位噪声N2保持在 + 。噪声N2还包括由SF的阈值电压变化引起的固定模式噪声。
- t3:在积分周期 期间,信号电荷在 PD 处积分直至达到饱和,然后溢出电荷通过开关 T 在 + 处积分。此操作使来自 PD 的溢出电荷能够用于信号。
- t4:积分后,通过关闭开关 S 将 FD 与 LOFIC 电容器隔离。分配给FD的电荷作为信号N1读出。N1包含FD LOFIC 暗电流、热噪声和 SF 晶体管阈值电压变化引起的固定模式噪声。
- t5:通过打开开关 T 将信号电荷从 PD 转移到 FD。
- t6:从 PD 转移到 FD的信号电荷作为信号 S1 + N1 读出。
- t7:通过打开开关 S,在 PD、FD 和 CS 处积分的所有信号电荷在 + 处混合,然后作为信号 S2 + N2读出。
- t1’:+ 通过打开开关 T 和 R 进行复位。
- t2‘:在关闭开关 R 和 T后读出下一场的复位噪声 N2’。噪声 N2’还包括由 SF 阈值电压变化引起的固定模式噪声。
- 从每个像素读出信号 N1、S1+N1、S2+N2 和 N2’。
这里读出了两次信号,可以看做是两次曝光下的数据,就此完成HDR模式。
为了更形象地说明读出过程,见下图:
LOFIC光电转换特性如下图。 高灵敏度信号 S1 在小 FD 电容处被转换。 FD+LOFIC电容实现了高满阱容量信号S2。 由于 S1 和 S2 信号对入射光都具有线性响应,因此通过将 S2 信号替换为饱和 S1 信号,可以简单地再现高满阱容量信号。
HDR 成像技术学习(三)—— LOFIC相关推荐
- HDR 成像技术学习(二)
回顾下之前介绍的内容: HDR成像技术学习(一) 介绍了从HDR.HDR+等多帧HDR技术到硬件的单帧HDR技术. 从技术上来说,单帧HDR要比多帧HDR简单不少,在早期设备处理能力不足的时候,速度快 ...
- 【zzq‘笔记】HDR成像技术学习(一)
在描述一个场景的时候,动态范围(Dynamic Range)指的是其最亮部分与最暗部分的亮度比值.高动态范围的场景(High Dynamic Range Scene)指的是场景里同时存在非常明亮和非常 ...
- HDR 成像技术学习(一)
在描述一个场景的时候,动态范围(Dynamic Range)指的是其最亮部与最暗部的亮度比值.高动态范围的场景(High Dynamic Range Scene)指的是场景里同时存在非常明亮和非常暗淡 ...
- 【笔记】HDR 成像技术学习(二)
从技术上来说,单帧HDR要比多帧HDR简单不少,在早期设备处理能力不足的时候,速度快,没拖影,性能要求低的单帧HDR反而要更有优势.到了HDR+时代,单帧HDR渐渐不敌多帧合成HDR.技术的迭代就是这 ...
- OpenCV hdr成像技术的实例(附完整代码)
OpenCV hdr成像技术的实例 OpenCV hdr成像技术的实例 OpenCV hdr成像技术的实例 #include "opencv2/photo.hpp" #includ ...
- (转)全文检索技术学习(三)——Lucene支持中文分词
http://blog.csdn.net/yerenyuan_pku/article/details/72591778 分析器(Analyzer)的执行过程 如下图是语汇单元的生成过程: 从一个 ...
- Camera和Image sensor技术基础笔记(5) -- HDR相关技术
动态范围(Dynamic Range) 动态范围最早是信号系统的概念,一种信号系统的动态范围定义为:最大的信号不失真的电平和噪声电平的差,在实际场景中,多用分贝(dB)为单位来衡量一个信号系统的动态范 ...
- 【技术综述】图像与CNN发家简史,集齐深度学习三巨头
文章首发于微信公众号<有三AI> [技术综述]图像与CNN发家简史,集齐深度学习三巨头 没有一个经典的发现会是突然之间横空出世,它总是需要一些积淀. 提起卷积神经网络,我们总会从LeNet ...
- 深度学习模型压缩与加速技术(三):低秩分解
目录 总结 低秩分解 定义 特点 1.二元分解 2.多元分解 参考文献 深度学习模型的压缩和加速是指利用神经网络参数的冗余性和网络结构的冗余性精简模型,在不影响任务完成度的情况下,得到参数量更少.结构 ...
最新文章
- 引进博士:118万安家房补+18万经费;硕士:42万安家房补+10万经费
- 【Android 逆向】使用 Python 解析 ELF 文件 ( Capstone 反汇编 ELF 文件中的机器码数据 | 完整代码示例 ) ★★★
- [No0000F4]C# 枚举(Enum)
- 关于编译Lambda时报告返回的为void的错误
- P5357 【模板】AC自动机(二次加强版) fail树
- vb.net读取excel并写入dgv_读取PDF中的表格写入EXCEL?30行代码搞定
- mysql分组失效_请教MySql中使用表子查询时,试着先排序后分组,出现排序失效的原因?...
- 02 理解==与Equals()的区别及用法 1214
- 【10天基于STM32F401RET6智能锁项目实战第2天】用按键点灯----GPIO的输入和输出
- 使用help()输入keywords查看python中定义的关键字
- php预编译mysql扩展_PHP-Mysqli扩展库的预编译
- Android支付实践(一)之支付宝支付详解与demo
- [铁道部信息化管理]核心业务需求及逻辑架构分析
- Preferences DataStore全解析
- Java中反射机制入门
- 读书的意义—献给第19个世界读书日
- 不借助idea开发工具构建一个Javaweb项目
- c语言中int和void,关于指针:void(*)void和int(*)int在C中的含义是什么?
- js仿苹果风格弹出框alert插件
- DARPA举办AlphaDogfight决赛,AI 操控战斗机5:0战胜人类飞行员