什么是CMOS与CCD?——节选自《高兴说显示进阶篇之三》-ccd与cmos的优缺点

CMOS Sensor(Complementary Metal–Oxide–Semiconductor Sensor) 与 CCD(Charge-Coupled Device)

作者：高兴

可以听说读写中文、英文和韩文，日文只能读不会听说写

央视NEWS频道 New Money栏目 嘉宾

CMOS Sensor（简称CMOS）和CCD分别长成下面的样子。

CMOS

CCD

可以看到，他们长得很像，这是正常的，因为从本质上来说，他们两者都是MOS的阵列。主要差别在于使用的MOS不同，以及对信息的读取的方式的不同。

那么到底什么是MOS呢？

MOS(Metal-Oxide-Semiconductor)是一种FET(场效应管)，全名叫MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor)。

什么是FET呢？

简单的说，FET场效应管(Field-Effect Transistor)是一种半导体电子元件，是一种晶体管，是一种开关，是一种利用电场来控制电流的通断的开关。

也就是说可以根据一个输入的值（1/0）来决定电流的通断（1/0）的开关，这就相当于做了一个if…then…的逻辑判断，而很多这种FET组合在一起就可以做出更多的更复杂的判断了。这种本领使得FET构成了包括电脑、手机在内的我们现在信息世界的基础，而MOS(FET)是最常见的一种FET，它的特点是，用一层绝缘的材料将输入部分（电压）与输出部分（电流）分开，这样只要改变电压就可以控制电流。另外，我们在股票市场里经常提到的一个主题——功率半导体器件IGBT其实也是一种FET。控制显示器每个像素的开关的TFT也是由一个个的MOS组成的。

MOS它大概长的是这样的，看看就可以了不需要懂。

CMOS大概是这样的结构，看看就可以了不需要懂。

CMOS则是MOS中最常见的一种，包括CPU在内的很多芯片都是以CMOS为基础的，它通过基本MOS单位的组合实现了一个否定的逻辑判断的能力。其特点是结果为输入的反转，输入高电压，输出低电压，输入低电压，输出高电压。

CCD也是用一种MOS做的，大概是长成下面这个样子，也是看看就可以了不需要懂。

CCD并不是一种常见的MOS装置，其主要的应用就是照相机成像。虽然前几年还有CCD和CMOS哪个更好的争论，随着这几年的技术发展，基本上CMOS技术已经占据了绝对优势了，而在可见的未来，CMOS技术的发展前景也要远远好于CCD。所以CCD基本已经被淘汰的边缘了。被淘汰的主要原因是CMOS更省电、读取更快、容易制造、成本低，之前CCD所拥有的噪点少、颜色深、感光度高等优势随着CMOS技术的发展都一个一个的消失了，现在只有某些专业的领域仍然还在使用着CCD，并且也面临着即将被CMOS取代的威胁。

除了在构造上区别以外，CCD与CMOS Sensor最大的区别就是信息读取方式的不同。下面这个图很形象的把CCD的数据读取方式展示出来了。

在像素上面增加电压，可以把像素里面的电荷一个一个的逼到和它相邻的像素里面去。

最外侧的那一行最开始是空的，先接受和它相邻那一行的像素的电荷，再一个一个的把电荷传送出去，一个一个的转换成电压，然后最终再经过模拟数字转换，形成数字信息。这其实也是一种扫描的过程。

而CMOS则与此不同，正如上图右边所展示的一样，每个像素都会有一个元件来把电荷先转换为电压，使得CMOS的整体读取效率非常高。这种读取的方式每次读取一行，该行的每个像素会被汇总到各自所在列的进行汇总，最后再统一输出成数字信号。这种结构与我们在进阶篇（二）中讲解过的Active Matrix十分相似，所以也叫做APS(Active Pixel Sensor)，CMOS Sensor是APS的一种。

可以看出CMOS的像素比CCD的元件多很多，这些多的元件是不感光的，所以实际上CMOS能够感 光的面积是小于同体积的CCD的。不过，没关系，这个问题已经被很好地解决了，方法就是把不感光的元件全部都放在感光元件的后面，而不是并排。这种方式叫做Backside Illumination，这种CMOS叫BI CMOS。另一种解决方案是在每个Pixel上面再覆盖上一个小透镜，把光集中在感光元件上。

CCD/CMOS也和胶片一样，面积越大像素越多能够记录的信息也就越多。可以看到iPhone的成像面积其实要远远小于各种照相机。

目前数码相机最大的就是大画幅了。再大的就只有传统的胶片机了。请注意全画幅（36x24mm）是比中画幅要小的，因为所谓的全画幅对应的是胶卷的135胶卷（35mm），而中画幅的尺寸有很多种，定义是大于全画幅小于大画幅，其中70mm宽的画幅还在被IMAX使用。大画幅一般是指4×5英寸以上的画幅。下面就是一款大画幅的数码相机。

而如果在手机之间互相比较的话，大概是这样。可以看到iPhone的成像面积也要远远小于各种手机。

我没找到一个最新的图，但是现在三星最新旗舰Note 8已经升级到了1/2.3″，而iPhone系列还是没什么变化，iPhone X说是变大了一点，但是官方却一直对其大小讳莫如深，所以我估计也不会大多少。

这些1/3″啊，1/2.3″啊，4/3″啊，这些都是指的是对角线的长度，单位是英寸。但是要注意的是，这些数字实际上并不是真正的成像区域的对角线的长度。因为CMOS/CCD的命名还延续着以前的CRT摄像机的命名方式。CRT摄像机是一种利用阴极射线管来进行摄像的装备，相当于以前的老电视反过来当做摄像机用。其具体原理我放在本篇最后作为附录了。

我们只需要知道这种成像设备的真正成像的面积的对角线只有其整体对角线的三分之二，所以比如说常见的4/3″单反，其实际成像面积的对角线只有4/3 x 2/3 = 8/9 ≈ 0.87英寸。所以比如苹果的1/3实际上是1/3 x 2/3 = 2/9 ≈ 0.22英寸。当然，这样计算并不完全准确，是因为正常的顺序是先有了实际成像面积的对角线长度以后再乘以3/2，然后得到一个小数值，再将这个数值约等为一个分子分母都是整数的分数，然后用这个分数来命名画幅的大小。所以苹果的1/3很可能只是一个约数。但是这样做实在是很不方便，而且四舍五入的太多，难以区分不同的产品，所以现在的很多厂家虽然还是会乘以3/2，但是已经不再试图去四舍五入求整数了，比如1/1.5″这样的大小。

但是，无论CCD/CMOS有多大，都只是一个二维的平面，好像我们的视网膜一样，但是我们生存的这个世界却是一个三维的空间。我们的大脑收到的光的信息其实是缺少了一个维度的信息的，好在我们人类长了两只眼睛，通过两只眼睛得到的信息的差异，我们可以用软件方式计算出平行于我们视线的维度的信息，也就是距离感，从而形成了三维的世界观。然而，照相机却只有一个眼睛，无法形成立体的图像，所以我们会说有的人上相有的人不上相，其实就是因为缺少了一个维度的信息而已，而那一个维度很可能就是决定一个人的美丑的维度。现在一些相机或者手机试图利用并列的镜头模仿人类的眼睛，可以计算并记录三维的信息，再通过3D显示技术或者VR技术再现，从而给人类一种身临其境的感觉。

作为电子胶片，CCD和CMOS接受到光子以后会在每个像素的位置形成相应的电荷作为对该点接受到的光的信息的记录。

但是这个信息需要被量化才能转换成数字信息存储起来。

这个时候就先用一种叫做Charge Amplifier的装置把电荷转化为电压，然后再通过一种叫做模拟数字转换器Analog Digital Converter的装置，这种装置可以把模拟的信息量化以后转化为一定精度的数字信息。

但是我们要记录的不只是一种颜色的光，而是与显示器一样的，R/G/B三种颜色的光。

那么，就像显示器有R/G/B子像素一样，CCD/CMOS也可以利用不同的子像素来记录不同的波长的光的信息，或者通过在子像素上覆盖滤光片Color Filter，或者是分别使用三种对不同波长敏感的物质。

但是无论哪种方式，目前的CCD或者CMOS都没有使用简单的R/G/B并列排列方式，而是普遍采用我们在基础篇中介绍过的Bayer排列。

另外一种方式是直接采用三块成像装置，比如三块CCD或者三块CMOS，各自负责一种颜色，先用棱镜把入射光分成三束，再分别射向不同的CCD/CMOS，形成三种颜色的信息。

很显然这种方式比第一种的成本要高，优点在于同样CCD大小的前提下，首先像素数量要远高于单块CCD(这不是废话吗？），不仅仅如此，颜色纯度和图像的锐利程度也要远远高于Bayer排列的单CCD结构。

这是因为光在通过滤光片的时候会损失很多能量，其次Bayer排列的有一个问题就是每一个像素作为二维平面上的一个点，其实并不能记录该位置所有的信息，只是记录了这个像素对应的R/G/B中之一的信息而已。

而3 CCD结构因为有3块CCD，所以每一个像素位置都能记录下来全部的R/G/B信息。

目前大部分的照相机的CCD/CMOS标称的像素值实际上是将每一个颜色点算作一个像素，但是这个点并不能算作一个完整的信息点，这其实是一种“虚标”行为，起码这种标称方式与显示行业的像素标称方式是不对应的。

比如下面这个原始图像。

如果采用Bayer方式记录的话，会分别得到三个图像，红色、绿色与蓝色。

每个像素都只有三种颜色的一种，互相之间并不重合。

所以如果直接将上面三张图片合在一起的话，会得到这样一幅图像。

这和上面的原图差的还是挺远的吧，是不是很像马赛克一样？我们需要为每一个像素补充缺失的其他两个颜色信息，这个过程就叫去马赛克Demosaicing也叫Debayering。

但是如何才能补全缺失的颜色信息呢，答案是“猜”。但是不是瞎猜，而是根据周围的其他像素的颜色信息来猜，请看下图。

因为每个像素都只有一个颜色而缺少另外两种颜色，可以采用周边其他像素的颜色信息作为参考，再通过一定的算法来计算出本身应该有的大概的R/G/B值再插回这个像素，这个就是所谓的插值计算Interpolation了。

经过这样的计算以后，每个点都具有R/G/B三个值了，最终再把图像整合在一起，就是下面这样。

注意，和原图比，这种重建的图形的边缘明显不够锐利，较为模糊，是因为锐利的边缘处本来是颜色变化较为剧烈的地方，但是如果采用差值计算的话，因为必须参考像素周边其他像素的颜色值，无法表现出这种剧烈突然的颜色变化，所以会比原图更模糊一点。

想要图像变得更加锐利可以采用上面说的3 CCD方式，也可以再增加像素的数量与密度，或者采用其他的创新的方式记录，比如有一种叫Foveon X3的技术，是美国Foveon公司首先研制，后来被日本Sigma收购的一项技术。这种技术与彩色胶片的成像方式非常相似，每一个像素都在纵向分为三层，各自分别对不同波长的光敏感。

这种方式的优点是不需要Demosaicing，因为每一个像素都同时具有记录R/G/B信息的能力，一个像素就可以顶上Bayer方式的3个像素。

如果不明就里的人在比较Sigma的标称像素和佳能/尼康等竞品的像素的时候，Sigma就会很吃亏。而做生意的当然不愿意吃亏，所以Sigma把自己的产品的标称都是实际像素数量直接乘以三的。

这种方式也有缺点，就是三色不一定能很好的分开，红色到达最底层的时候有一定衰减，所以红色部分会显得不那么锐利。

但是，无论哪种方式，正如我们在进阶篇（一）中说的，仅仅靠R/G/B三色是无法覆盖人眼可识别的色域上所有的颜色的。那么，各位想一想，用这种方式得到的信息在一开始就已经是被过滤过的，不完全的信息了，对吧？那么在后期显示阶段，无论我们如何努力去试图恢复当时那一瞬间的真实颜色，其实都是不可能的，仅仅是减少信息的进一步的损失而已。

只有在摄像/照相阶段尽可能的保留更多的信息，后期显示阶段的技术创新才有意义。

有人试图通过增加原色的数量来提高信息的还原度，比如这个犹他大学的新技术，就利用不同波长的光的折射角度的不同来识别25种颜色的光，那就是二十五原色！

当然如果真的利用二十五原色的话，整个产业的成本都会大幅提高。

所以，我个人觉得比起上面这种方式，反而是最大限度的在记录阶段模拟人类L/M/S视锥细胞的特性来记录信息，然后最终将相同的信息再次传给人眼才是更有效率、更准确的方式。

而现在的CCD或CMOS其实就是按照这个思路在发展的，各个像素并不是单纯的记录R/G/B波长的信息，而是记录长/中/短波长信息，也就是L/M/S信息。比如下面尼康D700相机光谱反应图，其实就和人眼的反应比较像了。