[转载] 相机越贵画质越好？聊聊CMOS设计

似乎在很多人心目中，个位数机身就代表了品牌最强成像素质，这或许有“人不识货钱识货”的道理在作祟，但事实上如佳能1DX2或尼康D5，又或是索尼A9这种旗舰机真的就一定能代表本家的画质巅峰么？这一切都得从相机CMOS说起……

　　首先要做的是溯源，也即当下的CMOS主要都有哪些供应商，全世界的龙头老大是索尼，紧接着是三星，然后还有豪威科技OmniVision（已被中资公司收购）、安森美ON Semi、佳能、东芝（东芝半导体已被索尼收购）、松下、海力士SK Hynix、Aptina、意法半导体，以及国产的格科、思比科、长光辰芯、比亚迪等等，其实大家不难发现这里面正儿八经做相机CMOS的其实没有几家，不少都在专注汽车、医疗、安防、工业以及手机领域，最典型的就是三星了，虽然自己的相机做得没啥动静了，但在手机、汽车等领域还是风生水起。

　　说到这儿可能你已经察觉到了一丝古怪，这些CMOS巨头里，我们找不到熟悉的尼康，也没有富士、奥林巴斯、适马、甚至宾得、徕卡的大名，原因在于要么它们被归类于“其他”这个市占率不到5%的的门类里，比如适马，要么就是它们压根自己就不制造CMOS，主要靠代工或买成品，其中最知名的可能就是尼康和索尼的PY关系了。

　　可能在大多数人的印象中，尼康单反所用的就是索尼CMOS，但事实可能会颠覆你的认知——除了索尼之外，东芝、瑞萨也都为尼康提供过传感器成品或代工，佳能也并不是所有相机都用自家CMOS，比如G7X就是用的索尼IMX183CQJ……尼康其实一直也有在做传感器设计，比如2003年的D2H采用的就是尼康自家研发的LBCAST传感器（类似于CMOS，但把金氧半场效晶体管MOSFET换成了综合型电场效果晶体管JFET，在当时可实现高速+低功耗，定位为体育机）；D700和D3的CMOS也是尼康自研的NC83138L CMOS、D3s则是NC81361A CMOS……不过研发归研发，制造就不一定是尼康自己做的了，主要还是靠合作代工。

　　在尼康的代工机型中比较典型的案例的是D4，个位数机身代表的是各家的速度旗舰，这个趋势从D4、1DX时代正式开始，告别了D3s/D3X或1D/1DS一快一高的布局方式。而数码相机速度的本源就是CMOS读取，CMOS作为半导体，刷速度听起来不就是CPU/GPU那套高频+制程一波流的事儿么？有英特尔、苹果、NVIDIA在前面开路还怕啥？但问题在于CMOS是模拟+数字电路的组合体，模拟电路对制程的要求非常低，常年被嘲笑的佳能祖传500nm其实都绰绰有余了，但无奈数字电路却是妥妥的越快越好，而这也是实现高速的最关键前提，这个组合体没有办法直接沿用纯数字电路的制程工艺，所以还真不是直接塞给台积电、三星之类的纯数字电路代工厂就能搞定。

　　在D4发布那时候，也就是6年多以前的2012年，虽然英特尔都已经冲到了32nm、台积电杀到了28nm，但索尼那时候也不过180nm，佳能自然是停留在500nm，这也就导致作为数字电路之一的模数转换器ADC，佳能只能把它和后端打包单独做在片后，索尼的工艺虽然可以做内置ADC，但性能实在是被制程拖了后腿，连拍速度达不到体育机的标准，因此，尼康D4和后来的D4s为了高速，CMOS就找了瑞萨代工，做片外ADC，甚至索尼自己的视频机A7S都只能做片外ADC来解决速度的问题，进而实现4K内录。

　　其实这个节点也是颇为有趣的，因为寻找解决速度问题的出路，索尼是各大品牌里最积极的，第一步是背照式，也就是Exmor R，它的基本概念是把数字电路铺到了模拟电路下方，因为数字电路要么靠规模要么靠制程，背照式把它移动到后面就可以放心大胆地堆规模，而不会影响到上方模拟电路——也就是光电二极管效率。下图应该演示得很明显了，灰色的Light Sensitive Diodes就是光电二极管，即模拟电路：

　　

　　这里同时也能体现出索尼精明的一面，背照式首先出现在了索尼自家的卡片机上，这是因为小画幅良率高、成本低，因此很适合用来做CMOS的新设计实验。2012年还有卡片机这个端口，佳能还算可以跟进，但后来手机吃掉了卡片机市场，索尼小画幅成功转移到手机端，而佳能在这方面就几乎被砍干净了，因此佳能的设计思路一直停留在猛堆高端，然后砍规格做主流做低端，形成了：技术研发成本高；产品定位等级深严的调性，但好处是以下犯上这种事情比起尼康索尼要少非常多。

　　不过背照式的优势其实也就是速度这一点而已，高开口率的高感等优势，随着无缝微透镜技术的全面普及也不复存在，而且新制程工艺的前照式CMOS也并不会在速度上输给背照式，最好的例子就是A6500，它可以做到6K分辨率2000万像素超采30fps 4K，所以没有用背照式并不能代表CMOS读取性能低，别忘了时代（制程）的差距。

　　既然制程这么重要，那为什么不猛刷？直接刚上最新工艺啊！前面其实提到了，对于成像CMOS的模拟电路来说，并不需要高制程，提制程对它来说属于“只增成本，不增效益”的事儿。所以聪明的传感器工程师们想出了一个新招：模拟、数字二合一不方便刷制程，那把它们分开不就欧了？没错，这就是堆栈式CMOS设计，在索尼这儿叫Exmor RS。

　　

　　具体结构设计就不多说了，上面这张图也算是解析得很明白了。堆栈式的好处就是模拟电路（即上图[1]）可以继续祖传，数字电路（即上图[2]）就交给台积电，直接可以用上与当代NVIDIA GPU相同的工艺制造，速度直接升天，快到机内处理器都来不及处理，只能再堆一块DRAM（即上图[3]）来缓存数据。第一代堆栈式CMOS诞生于2014年，使用者苹果iPhone 6，制造者索尼……没错，熟悉的大法，熟悉的小尺寸CMOS起家，让iPhone 6成为第一台有240fps 720P升格慢动作视频功能的手机。

　　很快在2015年，堆栈式1英寸CMOS就出现在索尼RX100M4身上，然后在2017年，堆栈式CMOS跳过APS-C，直接现身于全画幅速度旗舰索尼A9当中，全电子快门带对焦20fps连拍、每秒60次曝光/对焦检测，静音、快速而且还省电（FZ100电池实际拍摄超1000张续航基本没问题，相对而言，佳能1DX2虽然搞定了片上ADC的问题，但功耗与发热爆表，不仅续航掉得妈都不认识，甚至还用了一根热管辅助散热……）。另一大CMOS巨头三星也在S9系列手机中引入了堆栈式设计，所以才能以960fps拍摄0.2秒，这也足足有192张了！

　　

　　

　　换句话说，在堆栈式CMOS引入的高速时代，单反机械结构已经成为限制（光是反光镜和机械幕帘设计要精准、稳定、长效达到20fps连拍就已经非常有挑战，复杂程度参考上图），据可靠消息，A9这块CMOS甚至并没有发挥全部速度，只是因为它如果再高就可能影响到高端4K电影机，这也同时为大家提了个醒，电影机的CMOS性能也很快就会起飞……当然，电子快门的同步速度还是不如机械快门精确，A9也只能做到1/160秒，所以才有机械后帘的存在，不过按照当下的发展速度来看，突破甚至普及也只是时间问题，不存在明显的结构限制。

　　那么我们回到一开始的话题：越是高端高价的机身，画质就一定最好么？其实讲了这么些CMOS设计的概念无非就是在告诉大家，越是先进的CMOS，研究的方向就越没有单纯朝向“画质”，这是因为画质这个东西其实是有上限的，从硬件角度来看，我们已经越来越靠近这个极限，这是因为当下的传感器设计大基础是光子电子转换，有单光子探测器就避不开自然存在的散粒噪声。即便CMOS读取噪声为0，但光电二极管的阱容是有限的，阱容有限意味着进入二极管的光子量有限，以一块最大阱容61000的CMOS为例（佳能35MMFHDXS，全画幅，19um超大画素，总像素220万哟~~），即便它的读取/传输噪声为0，信噪比上限也只有不到48dB，即便把阱容冲到100000，还是假设没有读取/传输等底噪，信噪比也只有50dB，这是老天爷给的限制，不改变最基础的光电结构就绕不开。

　　

　　所以索尼为什么要刷速度，理由已经很清晰了吧。不过既然前面提到了“从硬件角度看，我们已经越来越靠近极限”，也就是说其实还是可以通过一些拍摄手法，来实现信噪比的继续增益。实现方式的原理很简单，就是PS或LR里的多张均值堆栈合成，拍摄N张堆栈升Log2（N）倍，比如拍1024张，信噪比提升10倍，即+10dB。具体拍摄手法如下：比如光圈F8，1/10秒正常曝光的环境，想出10秒长曝就只能上ND，这时候可以不改变光圈，不用ND，直接以1/1000秒、10fps RAW连拍10秒，获得100张RAW照片，再到PS软件中统一设置白平衡、拉阴影和高光，然后进行均值脚本的堆栈处理，在这种情况下，信噪比相对单张可以直接提升6.6dB，同时不存在ND导致的偏色问题，对灯泡头友好度上升N个档次，除此之外暗部的随机噪声也能得到有效抑制，动态范围自然也能顺带提升。

　　其实这也反映出：基准信噪比不足导致的先天差距是很难弥补的。比如A款CMOS信噪比比B款先天就低3dB，这意味着B的单张就需要A堆栈16张才能补上来，B拍摄32张A就要拍多达512张才能实现，而且这还是在没有考虑本底噪声色彩偏移的情况下，所以堆栈大法虽然好用，但也建立在本身信噪比就足够出色的前提下。而且这种方法主要是对风光或静态摄影管用，对后期处理的PC主机性能要求也很高，尤其是吃内存，所以局限性不容忽视。

　　

　　提升画质还有一个重要的方向就是加像素，而且随着前端集成电路性能提升，高速、高像素密度、无损编码的兼容已经不再是问题，典型案例就是索尼A7R3：4200万像素、10fps、连拍也有14bit RAW。之所以只做5K超采4K我认为更多还是产品间定位差的问题，并不是这块CMOS速度不够。

　　很多人对加像素后的高感表示担忧，但事实上高像素在观看照片时，是可以通过缩小照片尺寸来实现信噪比增益的，比如从4200万缩到2100万来观看，信噪比提升有：

　　在无间隙微透镜技术加持下，2N像素缩图到N像素时开口率不再是问题，光电转换的量子效率可以保持在统一水准。有很多朋友提到过“单像素信噪比”，但CMOS是整片曝光，只讨论单个像素没有意义，事实上在出图分辨率一致的前提下，理想传感器本身就可以忽略原始像素的概念。这个可以通过数学手段证明，比如相同尺寸的CMOS，A相机有100个像素，而B相机是1000个像素。当输入信号为10000时，总噪声为10000开方=100，A相机的单个像素信噪比为100/10=10，B相机的信噪比为10/3.162=3.162，此时均为100%放大，B的输出分辨率更高（画面更大）。

　　但此时如果B相机缩图到与A相机的100像素，单个像素的信号从10增加到100，而单个像素的噪声则有以下算式：

　　

　　10个3.16的平方相加再开方，不难算出这就是100开方=10，单个像素信噪比回到100/10=10，即高像素缩图到低像素后，信噪比可以回到应有水准，同时也证明了一点，在画幅不变的情况下，高分辨率和高信噪比这两个极端只能取其一。以前还会受像素之间的间隔的影响，但现在都是无缝微透镜，这个问题已经得到了很好的解决，而且高像素缩图后还能获取更高的空间频率响应，换句话说就是锐度更出色，大家可以自行下载A7S与A7R的RAW格式照片同等缩放对比，我其实发过好几次了，就不再赘述。

　　

　　除此之外小胖也不止一次强调过，对噪点的视觉感官受制于照片展示尺寸和观看距离，因为人眼的敏感频率范围有限，而高频部分才是成像缺陷的“重灾区”（因为空间频率越高，成像系统响应率越低），缩图或观看距离增加会使高频区域的频率进一步增高，这时候缺点虽然还在，但频率超过人眼辨识范围，我们的大脑就会直接选择忽略，形成“画质变好”的感觉。

　　在缩图后具备与低像素相同的信噪比的大前提下，加像素还能提高CMOS奈奎斯特频率的上限，从而减少摩尔纹等混叠现象的发生几率，而且即便是一些分辨率很低的镜头，比如国产的那一堆超大光圈标头（50mm F0.95、35mm F0.95之类的），高像素也依然可以带来高解析力的优势，因为我们拍摄的三维空间里包含了无穷尽的高频信号，CMOS奈奎斯特上限越高，还原得就越多。至于极限衍射光圈的问题，在F22下A7S2的空间频率响应也还是落后于A7R2至少三成，高像素采样频率高的优势在极限小光圈下也并不会抹灭。

　　

　　更何况当下显示设备也都是往高分辨率发展，相机往高分辨率走也是大势所趋。目前的低分辨率相机几乎都是视频定位，之所以做低分辨率主要想尽量多利用CMOS面积，同时减少采样倍率降低计算量，用以增加视频码率和色深等关键视频规格。但即便如此，当下索尼以6K超采30fps视频已经没有问题，或在今年发布的A7S3突破2000万像素也并不会是一件让人惊讶的事情，毕竟决定速度的技术基础已经打好，更高采样率的高品质视频自然会呼之欲出。

　　所以，对于当代数码相机传感器而言，其实光谈绝对的画质已经不再实用，更多主要还是“按需定制”。这里可以简单举几个例子，比如尼康D5，它没有使用索尼A9的同底CMOS，一来因为这块CMOS的进发方向是数字化的高速，在单反上受制于机械结构，用武之地不大（总不至于一直抬起反光板来拍吧，那也太尴尬了），花出去的成本换不回已在无反得到印证的性能，还容易被diss，再加上索尼也不一定愿意把这种高端货卖给尼康。所以D5用其实是东芝的CMOS（索尼：嘿嘿，其实这也是我的！），而且为求高速，ADC依然是外置，除此之外传言它的阱容调整偏低，方便做高倍程控电压增益，原生ISO达到800的水准（事实上原生ISO都是由阱容以及增益倍率来决定的，增益可以有1x、4x、16x，也可以有0.5x等，但低倍率的问题是电荷转移时的传输噪声偏大）。

　　D5的高倍电压增益使得一级模拟放大之前的前端传输噪声相应降低，而前端噪声会随着ISO增益倍率的增大而增大——输出信号=（输入信号+前端噪声）X放大器增益倍率+后端噪声。不难看出括号中的数值越小，高ISO时总体噪声会降低，从而提升高感性能。但问题也很明显，在低放大器增益倍率，也就是低感光度时，ADC外置引入的大量后端本底噪声，让动态范围这个尼康长期引以为傲的规格在D5身上被佳能1DX2和索尼A9揍到怀疑人生。但这也正好体现了我们的主题：专机专用，定制设计。

　　

　　与之类似的设计还有尼康天文专用机D810A，砍掉阱容以实现高感成像素质，毕竟星空甚至深空类摄影上万的ISO也并不算少见，在这种感光度下的控噪和动态范围才是它的重点。D5作为专为奥运会等大型活动而生的速度机，高灵敏度下的成像素质自然也是它的核心，所以它们的CMOS都是专机专用，特应强化的类型。

　　既然有砍阱容求高感画质的，自然也会有加阱容增强低感动态范围的，因为满阱容量/本底噪声也是动态范围的定义方式之一，在本地噪声不变的情况下，增一档阱容就意味着增一档动态范围。而采用这种设计的是尼康D810——加大阱容实现原生ISO 64，所以它的动态范围达到可与的44X33中画幅（原生ISO 100）一战的水平。但代价就是高感动态范围骤降，相同缩放尺寸，ISO 1600以后甚至被祖传5D3追上甚至反超：

　　

　　不过既然是不同阱容导致了两种取向，想要一把抓，当代传感器设计就又引入了双增益的设计，你猜是谁先做出来？没错还是索尼……基本思路就是设计一个开关，在一定ISO之前使用高阱容模式以实现高低感光度的高动态范围，而当ISO设置到一定数值之后，降低阱容，降低前端噪声，实现高感素质提升。现在使用这项技术的机身有不少，比如索尼A7R3（可参考下图黄颜色线，在ISO 800时有一个明显的反折）、尼康D850、松下GH5S……虽然D850没有说是谁做的，但又是背照又是双增益，其实已经提示得足够明显了……

　　

　　所以，不同定位的CMOS，就有不同的擅长领域，这世上不存在信噪比极高同时出图分辨率极高的CMOS，想要实现这个目的只能靠拍摄手法，比如有手有脚靠自己的堆栈，比如抖像素……当下求极限高速的CMOS设计已经迈入数字电路时代，单反结构成为限制，无反正在往高速/低功耗这个传统半导体大方向搭着顺风车高速迈进，具体会有多少惊喜，就看今年佳能尼康全画幅无反的表现了。