015、量子效率与光谱响应：传感器灵敏度对低照度成像的制约
一、一个让我凌晨三点还在改代码的案子
2019年，某款旗舰手机项目，夜拍模式死活打不过竞品。我们用的是一颗1/1.7英寸、0.8μm像素的CMOS，理论上进光量不差。但实测暗光下，信噪比就是比友商低2-3dB。团队折腾了两周ISP参数——降噪强度拉到最大、增益曲线调成指数型、甚至把黑电平校准的offset都动了——结果呢？噪点没了，细节也没了，画面像抹了一层猪油。
直到我把传感器数据手册翻到第47页，看到那个不起眼的“Quantum Efficiency vs. Wavelength”曲线图，才意识到问题不在ISP，在传感器本身。那颗传感器的QE在550nm绿光波段只有52%，而友商同代产品是68%。这意味着同样光子数下，我们少产生了约23%的电子。低照度下，这23%的电子差，就是信噪比的天堑。
从那以后，我养成了一个习惯：选传感器先看QE曲线，再看像素尺寸。这个顺序，别搞反了。
二、量子效率不是你想的那个“效率”
很多工程师把QE理解成“传感器能捕捉多少光”，这个说法对，但不精确。严格定义是：入射到像素上的光子中，能转化为可收集电子的比例。单位是百分比，或者更常用的是“电子/光子”。
但这里有个坑——QE是波长相关的。一颗传感器在红光波段QE可能高达70%，到了近红外就掉到20%以下。所以数据手册上那个QE曲线图，才是真正有价值的东西，而不是那个“峰值QE”的广告数字。
我见过不少方案商，拿着“峰值QE 75%”的传感器做安防监控，结果在850nm红外补光下，实际QE只有15%，夜视效果一塌糊涂。这就是只看峰值不看曲线的代价。
三、光谱响应：传感器对颜色的“偏见”
光谱响应是QE的延伸，它描述了传感器对不同波长光的敏感度分布。理想情况下，我们希望传感器对可见光全波段（380nm-780nm）响应均匀，这样色彩还原才准。但现实是，硅基CMOS天生对蓝光敏感度低，对近红外敏感度高——这恰恰和人类视觉相反。
这就引出了两个工程难题：
难题一：蓝光QE低，暗光下蓝色通道先崩。低照度场景，蓝色通道的信噪比通常比红绿通道低3-5dB。如果你做ISP调优时发现蓝色通道噪点特别多，别急着调降噪参数，先看看传感器在450nm的QE是不是只有30%出头。如果是，那就不是算法能解决的问题。
难题二：近红外泄漏，色彩偏色。这是车载和安防领域的常见问题。传感器对近红外敏感，但镜头上的IR-cut滤光片在低照度下往往会被移除（为了提升进光量），结果红外光混入可见光通道，画面偏紫红。我调试过一个车载环视项目，白天色彩正常，晚上就偏色严重，最后发现是IR-cut切换机构的响应时间比传感器帧率慢了一帧，导致部分帧没有滤除红外。
四、低照度成像的QE制约：一个简单的数学
低照度下，信噪比（SNR）的极限由光子散粒噪声决定，而光子散粒噪声的方差等于信号电子数。所以：
SNR ≈ √(N_photon × QE)
N_photon是入射光子数，QE是量子效率。这个公式告诉我们：QE每提升一倍，SNR提升3dB。在暗光下，3dB的SNR提升意味着你能看清原本被噪点淹没的细节。
但现实更残酷——低照度下，入射光子数N_photon本身就少，QE再低，信号电子数就少得可怜。比如在1 lux照度下，一个0.8μm像素每秒只能接收到约100个光子，如果QE是50%，那每秒只产生50个电子。这50个电子还要被读出噪声（通常5-10e-）、暗电流噪声（温度相关）污染。最终信噪比可能只有10dB左右，画面基本就是“雪花屏”。
所以，提升低照度性能最直接的方法不是调ISP，而是：换一颗QE更高的传感器。这是硬件层面的天花板，软件只能在这个天花板下跳舞。
五、实战：从QE曲线看传感器选型
我整理了一个简单的选型判断方法，供参考：
看峰值QE位置：如果峰值在550nm（绿光），说明是标准可见光传感器，适合手机、相机。如果峰值在650nm（红光）或850nm（近红外），说明是专为低照度或夜视设计的传感器，适合安防、车载。
看QE曲线的“腰宽”：QE曲线在400nm-700nm范围内保持平坦（波动不超过10%），说明色彩还原性好。如果曲线陡峭，说明传感器对某些颜色有偏好，需要ISP做大量色彩校正，但校正会放大噪声。
看近红外段的QE：如果传感器在850nm的QE超过30%，说明它适合红外补光场景。但要注意，这种传感器在可见光下需要强IR-cut滤光片，否则偏色严重。
看暗电流与QE的比值：这个比值决定了低照度下的极限性能。比如，QE=50%、暗电流=10e-/s的传感器，在1秒曝光下，暗电流噪声贡献约3e-，而信号电子数可能只有50e-，暗电流噪声占比约6%。如果QE降到30%，信号电子数变成30e-，暗电流噪声占比就升到10%。所以，低QE传感器对暗电流更敏感，温度控制要求更高。
六、一个被忽视的细节：微透镜与QE的关系
很多工程师不知道，像素上的微透镜（Microlens）对QE有显著影响。微透镜的作用是把入射光汇聚到光电二极管上，避免光线打到像素间的金属走线上被浪费。好的微透镜设计，可以把QE提升10-20%。
但微透镜也有副作用——它对入射角度敏感。光线垂直入射时，微透镜效率最高；光线斜入射时，部分光会打到相邻像素上，造成串扰。这就是为什么手机摄像头边缘画质通常比中心差的原因之一——边缘像素的微透镜接收的是斜入射光，QE下降，串扰增加。
我调试过一个车载环视项目，四个摄像头拼接的画面在重叠区域出现亮度不一致，排查了ISP增益、镜头透过率、传感器灵敏度，最后发现是微透镜工艺批次差异导致四个传感器的QE不一致。解决方案是：在产线标定阶段，对每个传感器单独做QE补偿，而不是用统一的增益曲线。
七、个人经验：QE不是越高越好
这句话可能颠覆很多人的认知。但事实是，QE过高会带来两个问题：
问题一：满阱容量（FWC）受限。光电二极管的物理尺寸固定，QE越高，同样光照下产生的电子越多，越容易达到满阱容量，导致高光溢出。所以，高QE传感器通常需要更小的像素尺寸或更复杂的电子快门设计。
问题二：近红外响应过强。如果传感器在近红外波段QE过高，而镜头又没有匹配的IR-cut滤光片，画面偏色会非常严重。我见过一个安防项目，用了高QE传感器，结果在白天阳光下，画面偏紫红，ISP怎么调都调不回来，最后只能换镜头。
所以，选传感器时，QE要结合应用场景看。手机拍照追求高动态范围，QE适中（50-60%）即可；安防夜视追求低照度性能，QE可以高（70%+），但必须搭配IR-cut；工业视觉追求色彩准确，QE曲线要平坦，峰值不能太高。
八、调优建议：从QE出发的ISP策略
如果你已经选定了传感器，QE曲线固定了，那ISP调优还能做什么？我的经验是：
1. 分通道增益策略。如果传感器在蓝光波段QE低，蓝色通道的增益应该比其他通道高1-2档。但要注意，增益会放大噪声，所以蓝色通道的降噪强度也要相应提高。别统一用一套降噪参数，否则蓝色通道要么噪点多，要么细节丢。
2. 动态黑电平校准。低QE通道的暗电流噪声更明显，黑电平偏移也更严重。建议对每个通道独立做黑电平校准，而不是用全局黑电平。这里踩过坑——全局黑电平校准在低照度下会导致蓝色通道偏绿，因为蓝色通道的暗电流被低估了。
3. 曝光时间与QE的匹配。如果传感器在近红外波段QE高，而场景中有红外补光，可以适当缩短曝光时间，避免红外信号过曝。反之，如果场景是纯可见光，近红外QE高反而没用，因为可见光波段QE可能不高。
4. 温度补偿。高QE传感器对温度更敏感，因为暗电流随温度升高而增加。如果传感器工作温度超过60°C，建议开启温度补偿算法，根据温度调整增益和黑电平。别这样写——别把温度补偿参数写死在代码里，要留出校准接口，因为不同批次的传感器温度特性可能有差异。
九、写在最后
量子效率和光谱响应，是影像系统的“基因”。ISP算法再强，也改变不了传感器对光的“偏见”。低照度成像的瓶颈，往往不在算法，而在传感器对光子的捕获能力。
我见过太多团队，花几个月调ISP参数，最后发现换一颗QE高10%的传感器，效果立竿见影。所以，做影像系统架构，第一步不是选ISP芯片，不是选镜头，而是读懂传感器的QE曲线。
如果你正在调试低照度场景，先别急着动代码，去翻翻数据手册，看看那颗传感器在暗光下的QE是多少。如果低于40%，那你的ISP调优空间其实很小——就像在沙漠里找水，再好的挖掘机也挖不出石油。
个人建议：建立自己的传感器QE数据库，把每颗用过的传感器的QE曲线、暗电流、满阱容量记录下来。下次做方案选型时，先查数据库，再谈参数。这个习惯，能帮你省下至少30%的调试时间。
