目前相机里像素上的color filter指标?

1.CFA的工作流程：

光线入射(光通过镜头聚焦到sensor上)->透过CFA(只有特定颜色的光能透过滤光片被像素接收)->光电转换(PD把光转换为电荷信号形成单色图像数据)->信号读取(像素的电荷信号被ADC转换成数字信号)->去马赛克处理(用算法把单色图像数据处理为RGB彩色图像)->图像优化(白平衡、色彩校正、降噪、锐化)

2.拜耳阵列：

拜耳阵列的基本单元是2*2的矩阵，包含两个绿色滤波片(人眼对绿色最为敏感)，一个红色滤波片，一个蓝色滤波片(滤波片要求高透过率,良好的波长选择性)。如图1光线经过拜耳滤光片，获取到R、G、B三个通道的图像，R通道和B通道分别只有1/4的像素被填充，G通道只有1/2的像素被填充。

CFA使每个像素只能记录一种颜色(波长)的光强，那么在这些单色信息中重建彩色图像的过程叫做去马赛克(demosaicing)。去马赛克的核心过程是插值，即利用该像素周围的像素点估算出该像素本身缺失的其他两个颜色分量的过程。

3.CFA的多种pattern组合：

如图3是一种Red+Clear+Clear+Blue(RCCB)的CFA pattern，Clear即为“透传”。这样做的好处是可以提高采集到光源的强度，搭配上专门的频带响应技术可以提升图像的信噪比，也就是提升sensitivity，从拍照效果对比图上可以看出RCCB相较于传统RGGB在弱光环境下表现更好。但需要牺牲的性能就是color，因为少了纯绿光信号的信息，色彩识别度上自然会表现变差。

实际上适合人眼的，不一定适合于机器。如图4展现了在车载摄像头应用中，不同的CFA pattern组合是如何发挥作用的，其核心在于根据应用场景做出color和sensitivity的取舍平衡。当然，通过ISP读出电路的提升可以在保持良好sensitivity的同时，做到较好的色彩还原度，但是这会大幅提高整个sensor的成本。

总结一下：CFA层出不穷的新结构实际上就是在color and sensitivity之间做check and balance，所谓工业4.0时代，大概也就是在特定的应用场景里把某一个性能推到极致吧~