卷帘快门和全局快门的区别

技术背景

多面检测和图像处理任务需要足够的由光学、摄像机和PC机组成的图像采集系统,每个部件的特征对任务的完成有着重要的影响。在相机方面,你可能首先想到的是分辨率,帧速率和PC数据传输接口。

但是,在选择相机时必须考虑一个不太“明显”的因素:曝光,即快门特性。原则上,全局快门和滚动快门是有区别的。

与全局快门相比,滚动快门读出不太复杂,因此更具成本效益。此外,数量有限的晶体管将产生更少的热量和电子噪声。另一个优点是较低的像素间距,使得相对于有源传感器表面的分辨率更高。

快门

与模拟胶片相机中的机械快门一样,数码相机中的这些全电子快门控制曝光时间,并以此方式控制在传感器像素中转换成电子(电荷载流子)的光量。

不同的像素结构需要不同的曝光方法。快门定义了产生电荷载流子的时间(曝光时间)以及如何实现这一点。

只要摄像机处于供电状态,传感器像素就处于活动状态。光被不断地“捕获”,然而电荷载流子不是累积的,而是不断地被删除。开始曝光将停止删除并开始电荷载体累积。曝光结束后读取像素。

在这一点上,传感器在两种曝光方法中的表现都是一样的——细节就是魔鬼。

全局快门

全局快门可以与模拟胶片相机中的传统镜头快门进行比较。就像人眼中的虹膜一样,它们类似于镜头光圈,可能是你想到快门时想到的。
模拟胶片相机中的镜头快门
快门在释放时会像闪电一样快速打开,在曝光时间结束时会立即关闭。在打开和关闭之间,要拍摄图像的胶片段一次完全曝光(全局曝光)。

带有数字全局快门的传感器也会这样做:每个像素中的电荷载波累积同时开始(全局)。这同样适用于曝光和读出的结束。

全局快门
同时,全局像素曝光会“冻结”场景,这就是为什么这种方法(短时曝光)适合于快速移动对象上的图像采集。

卷帘快门

卷帘式曝光类似于模拟胶片相机。它有助于理解功能原理并将其转换为数字等效。在传统技术中,卷帘调节胶片曝光和阴影。

卷帘门看起来像是缺少一段的金属圆盘,如下图所示。阀瓣安装在膜带前面的旋转轴上。

卷帘快门(示意图)
为了更好的说明,下面半透明地绘制了滚动快门。

开始曝光(1)。卷动快门逐渐打开胶片段,胶片段被曝光以拍摄图像(2)。完全打开后,将整个图像分别胶片段曝光(3)。快门关闭(4),直到再次完全遮光(5)。
在这里插入图片描述
虽然每个图像像素的曝光时间是相同的,但曝光不是全局的(同时是所有像素),而是连续的(逐行),这会导致快速移动对象的模糊。总之,在相同的曝光时间下,在快门打开(曝光开始)和关闭(完全阴影)之间总共会经过更多的时间。在此时间内持续的物体移动将导致图像失真。
卷帘快门
卷帘门在逐线载波累积和曝光的顺序上工作。每个像素同时曝光,但并非图像中的所有像素同时曝光(全局)。

注意

因此,在运动物体的图像采集中,卷帘式快门传感器不是一个合适的建议。

卷帘效应

由于物体逐行曝光而产生的图像模糊称为卷帘效应。下图显示逐行滚动快门曝光相对于全局快门的时间偏移。

在卷动快门曝光中,模糊相当明显。

卷帘效应
模糊程度不仅取决于曝光时间(考虑到物体速度和可用光的数量),还取决于传感器的读出能力:最先进的传感器通过更高的读出速度而不是使用先前技术的传感器来减少滚动快门效应。

直线运动

直线运动
在图像采集期间,在摄像机前面的线性方向上的对象移动将以水平模糊的形式创建滚动快门效果。
线性运动:全局快门与滚动快门
下图显示了模糊的来源:左侧是一行行行曝光的移动对象(橙色线)。右边你可以看到像素级的图像内容。
滚动快门效果-对象水平移动导致成像模糊

旋转对象

图像采集时的对象旋转将模糊轮廓,如下图中的四个彩色象限所示。
全局快门和滚动快门对旋转物体的影响
下面的插图显示了相当奇怪的滚动快门效果来自哪里。逐行曝光(橙色线)和对象旋转的交互作用在所采集图像(左)的像素级上可视化。
滚动快门效果-旋转模糊

如何补偿卷帘效应

一些卷帘式快门传感器提供了一种特殊功能,即所谓的全局复位。像在全局快门曝光中一样,每个像素中的电荷载流子累积在同一时间开始。然而,读数是逐行与时间偏移-典型的滚动快门传感器。
带全局复位功能的卷帘曝光
每一行曝光不同的时间长度,由亮度梯度显示。
具有全局复位功能的卷帘曝光中不同曝光时间引起的亮度梯度
仅全局重置功能不足以补偿滚动快门效果。曝光时间保持不变,因此在运动物体上的图像采集中存在模糊的潜在风险。

这可以通过结合全局重置功能、闪光灯和环境光抑制来解决。
闪光灯与具有全局复位功能的卷帘式快门传感器一起使用
该图显示了基本的功能原理:开始曝光时闪光灯打开,曝光时间激活。确保所有环境光都被抑制,直到最后一行曝光完成。

通过这种方式,滚动快门传感器“模拟”运动对象图像采集中的全局快门行为。

具有全局重置功能的卷帘式快门传感器模拟全局曝光和阴影

发布了41 篇原创文章 · 获赞 4 · 访问量 2万+

猜你喜欢

转载自blog.csdn.net/u010018991/article/details/104984007