CCD与CMOS图像传感器王庆有.pptVIP

CCD与CMOS图像传感器,2008年6月,王庆有,天津市耀辉光电技术有限公司 天津市开希机器视觉技术有限公司,讲座的基点,站在应用的角度看图像传感器,如何选用图像传感器？如何用好图像传感器？ 是这次讲座的核心。,一、光电图像传感器分类,（一）图像信息分类方式,1、图像的色彩信息,2、图像的灰度（亮度）信息,3、图像的尺寸信息,4、图像的图形信息,5、图像的综合信息,（二）图像传感器分类,1、线阵CCD传感器,2、面阵CCD传感器,3、CMOS图像传感器,二、CCD基本原理简介,CCD （Charged Coupled Device) 电荷耦合器件 以电荷为信号 两种基本类型： 表面沟道CCD（简称SCCD） 体沟道或埋沟道CCD（简称BCCD）,1、电荷存储,构成CCD的基本单元 MOS（金属-氧化物-半导体）结构,表面势S 与栅极电压UG的关系（P型硅杂质浓度NA=1021m-3，反型层电荷QINV=0),表面势S与反型层电荷密度QINS的关系,势阱的概念,MOS电容存储信号电荷的容量 Q = COX UG A,2、电荷耦合,三相CCD中电荷的转移过程,三相CCD中电荷的转移过程,三相CCD中电荷的转移过程,三相CCD中电荷的转移过程,三相CCD中电荷的转移过程,三相CCD中电荷的转移过程,3、CCD电极的基本结构,4、CCD电极的典型结构,（1）三相交叠硅栅结构,采用三层多晶硅的三相交叠栅结构,（2）二相CCD的电极结构,5、电荷的注入,电荷的注入 光注入,6、电荷的检测,7、CCD特性参数,转移效率和转移损失率,工作频率,决定工作频率下限因素,工作频率的上限,8、线阵CCD器件,工作原理 线性CCD摄像器的两种基本形式 单沟道线型CCD,双沟道线阵CCD器件,9、面阵CCD器件,帧转移面阵CCD,隔列转移型面阵CCD,线转移方式,10、CCD的光学传递特性,三、面阵CCD图像传感器,1、面阵CCD图像传感器的特性,（1）光照特性,图像传感器的重要应用是拍照或摄取景物图像，而景物图像的照度范围极大，通常要摄取1100000lx，或更大的范围。 为此，它必须采取非线性手段或采用自动调整积分时间、设置自动增益等措施。这些措施使适应大范围景物照度的需要确带来了灰度信息线性度的损失，使得测量目标灰度成为难题或失败。,（2）光谱响应特性,典型面阵CCD的光谱响应特性,（3 ）时间响应特性,面阵CCD的时间响应特性与面阵CCD的像元数量有关，一般来讲适用于监控系统的CCD摄像头的工作执行PAL工作制式，受PAL工作制式的约束，响应时间为帧周期40ms，而用于数码相机的像元在百万以上的CCD工作周期很长，与像元数及驱动频率等参数有关。,必须强调指出，CCD的时间响应与曝光时间是两个概念，时间响应是CCD工作的周期，曝光时间完全可以不受工作周期的限制。,四、CMOS传感器简介,CMOS（Complementary Metal-Oxide-Semiconductor）图像传感器出现于1969年,它是一种用传统的芯片工艺方法将光敏元件、放大器、A/D转换器、存储器、数字信号处理器和计算机接口电路等集成在一块硅片上的图像传感器件，它结构简单、处理功能多、成品率高和价格低廉，有着广泛的应用前景。,1、CMOS传感器原理,2、CMOS传感器特性,（1）光照特性,CMOS传感器的主要应用也是图像的采集，也要求能够适应更宽的光照范围。因此也必须采用非线性的处理方法和自动调整曝光时间与自动增益等处理方法。 结果与CCD相机一样损失了光电转换的线性，正因为此项，它也受限于灰度的测量。,（2）输出特性,CMOS图像传感器的突出优点在于输出特性，它可以部分输出任意区域范围内的图像。（并非所有CMOS传感器都具有这个功能，如果生产厂家没有给您提供） 这个特性在跟踪、寻的、搜索及室外拍照等的应用前景非常之好。也是CCD传感器所无法办到的。,（3）光谱响应,光谱响应受半导体材料限制，同种硅材料的光谱响应基本一致，与CCD的光谱响应基本一致。,（4）光敏单元的不均匀性,光敏单元的不均匀性是CMOS图像传感器的弱项，因为它的光敏单元不像CCD那样严格的在同一硅片上用同样的制造工艺严格制造，因此远不如CCD的光敏单元的一致性好，但是它内部集成单元多，处理能力强能够弥补这个缺陷。,五、机器视觉工程,1、机器视觉在几何量测量技术中的应用,1.1 物体外形尺寸的测量,2003年10月电子工业出版社出版“图像传感器应用技术”12.16节,1.2 测边与对中,1.3 物体中心位置的测量,1.4 物体变形量的测量,2、物体状态的测量技术,物体位移量、运动状态、振动与加速度的测量,3、光谱探测与物质成分的分析,4、物面质量的检测与筛选,5、色彩分析与色选技术,6、图像分析与图像识别技术,六、 机器视觉人才的培养,1、如何培养从事机器视觉工程的人才,