简介：《IMX664 datasheet》是一份面向硬件工程师、嵌入式视觉与安防摄像头开发者的原厂技术资料，聚焦索尼 IMX664-AAQR1-C 1/1.8 型CMOS图像传感器，可用于方案选型、寄存器配置与外围电路设计参考，也适合摄像头模组设计和图像质量评估人员查阅。压缩包共1个PDF文件，大小约1.26MB，内容为完整规格书，便于离线检索与团队共享；当前已有258人学习。文档围绕约416万有效像素、2.9μm像素尺寸及2688×1520推荐记录分辨率展开，系统给出全像素扫描、2/2行合并、窗口裁剪和正反读取模式，并涵盖最高90fps/120fps读取速率、数字重叠HDR与Clear HDR、同步传感器、变速快门、HCG/LCG转换增益切换、CDS/PGA增益控制及CSI-2 RAW10/RAW12输出等关键参数，还包含器件结构、绝对最大额定值与应用注意事项，能帮助读者核对电气条件、评估低功耗与低暗电流特性，为安防监控相机调试和性能验证提供依据。
1. datasheet 不是广告页：IMX664 到底是一颗什么样的传感器
很多人第一次搜 datasheet，是在物料表里看到一颗陌生型号，想快速确认它能不能用。datasheet 直译是「数据手册」，但它和电商详情页完全是两回事——它是厂商写给硬件工程师的契约文件：在什么供电、什么温度、什么时钟下，这颗芯片能做到什么、做不到什么，出了问题按哪一页的哪一行参数来界定责任。
具体到 IMX664，这份手册给出的基本描述很清楚：一颗对角线 9.02 毫米（常说的 1/1.8 型）、有效像素 2704×1540（约 416 万）、单位像素 2.9 微米见方的 CMOS 有源像素固态图像传感器，采用 R/G/B 原色马赛克滤镜，主打安防摄像头这类彩色成像场景。它支持电子快门、可变电荷积分时间，三路供电，通过 CSI-2 串行接口输出 RAW10/RAW12 数据。
搞懂这份 datasheet 的价值在于：它决定了你能不能用对这颗芯片——选型看参数、画板看电源、调图看增益和 HDR。它是后面所有工程决定的依据。
2. 为什么要三路供电：从 2.9 微米见方的像素说起
2.1 一颗像素里的感光区域
2.9 μm × 2.9 μm，算下来一颗像素的占地面积是 8.41 平方微米。这个数字听起来抽象，但它是整份手册里最关键的尺寸之一：像素越小，同样光学尺寸下能塞进的像素越多，分辨率越高；但每颗像素能收集的光子也越少，弱光下的信噪比就越难做。
把像素阵列算一遍就更直观了。2704 列 × 2.9 μm 约为 7.84 毫米宽，1560 行 × 2.9 μm 约为 4.52 毫米高，勾股定理一算，对角线约 9.05 毫米——和手册标注的 9.02 毫米基本吻合。所以「1/1.8 型」不是随手写的标签，它是像素数量和像素尺寸相乘后的必然结果。这三个数字（光学尺寸、像素数、像素尺寸）在 datasheet 里是绑死的，改一个另外两个就得跟着动。
每一颗这样的像素里，实际装着微透镜、彩色滤光片、光电二极管和读出电路。微透镜负责把落在像素间隙的光「兜」进感光区，滤光片决定这颗像素只认红、绿还是蓝，光电二极管把光子变成电荷，读出电路再把电荷搬走。所谓「有源像素（active pixel）」，说的是每颗像素自带放大环节，而不是像早期无源结构那样靠外部电路硬读——这也是 CMOS 能做到低功耗、随机开窗的根基。
手册里还提到两个跟画质直接相关的词：低暗电流、无拖影（no smear）。暗电流是没有光时像素自己漏出来的电荷，它会随着温度升高而增长，所以你会看到手册把性能保证温度卡在 -10℃ 到 60℃ 之间，超出这个区间，暗电流指标就不再被承诺。拖影则是早期 CCD 在强光下常见的竖向亮条，有源像素配合电子快门逐行读出的结构，天生就没有这个毛病。
还有一个容易被忽略的细节：光学黑区（Optical Black）在垂直方向前 20 行、水平方向为 0。这 20 行是被遮住的「暗像素」，用途是给后端提供实时黑电平参考——环境温度变了、积分时间变了，黑电平会漂，有了这 20 行就能每帧动态校正。芯片能不能出干净的暗场，一半靠工艺，一半靠这 20 行的实时校准。
2.2 模拟 3.3V、数字 1.1V、接口 1.8V 各管什么
一颗几毫米见方的传感器要三路电源，初学者常觉得是厂商故意复杂化。其实这三路电各伺候一批完全不同的电路，需求互相打架，只能分开供。
模拟 3.3V（AVDD）喂的是像素阵列、模拟前端和 ADC 的参考部分。模拟电路讲究摆幅和噪声裕量，电压高一点，同样的干扰占的比例就小，动态范围好做。这一路对纹波极其敏感，电源上多一点毛刺，画面上就可能是横纹或者固定图案噪声。
数字 1.1V（DVDD）喂的是内部的逻辑电路：时序发生器、寄存器、数据打包。这部分要用先进工艺做小做快，电压越低功耗越低，所以给到 1.1V。它自身开关噪声大，但抗干扰能力也相对强。
接口 1.8V（OVDD）喂的是 I/O 缓冲器。这一路的电压不是为了芯片自己，而是为了和外面的主控对齐——主控侧的 MIPI CSI-2 接收器通常工作在 1.8V 电平，两边电平一致才能通信。所以 OVDD 更像是一个「翻译层」的电源：芯片内部怎么想是一回事，对外说话得用对方的语言。
分开供电带来的直接好处是噪声隔离，代价是画板时要多一路 LDO、多一组去耦电容，上电时序也要按手册来。下面这张表是手册里给出的两组关键电压数据，注意「绝对最大额定值」和「应用条件」是两回事，前者是「再高就烧」，后者是「在这区间内才保证工作」。
| 电源 | 作用 | 绝对最大额定 | 应用条件（最小/典型/最大） |
|---|---|---|---|
| AVDD | 模拟 3.3V | -0.3 ~ 3.65 V | 3.20 / 3.30 / 3.40 V |
| OVDD | 接口 1.8V | -0.3 ~ 3.65 V | 1.70 / 1.80 / 1.90 V |
| DVDD | 数字 1.1V | -0.3 ~ 2.0 V | 1.00 / 1.10 / 1.20 V |
| VI | 输入电压 | -0.3 ~ OVDD+0.3 V，且不超过 3.3 V | — |
| VO | 输出电压 | -0.3 ~ OVDD+0.3 V，且不超过 3.3 V | — |
看这张表有个诀窍：绝对最大额定里 DVDD 只到 2.0V，比另外两路的 3.65V 低得多。如果画板时把 3.3V 误接到数字电源上，芯片基本就废了。而输入输出电压那一栏的「不超过 3.3V」是个双重限制——既要小于 OVDD+0.3，又不能突破 3.3V 的绝对上限。
2.3 三条温度线，别只看一条
手册里出现了三个温度：工作温度 -30℃ 到 85℃、存储温度 -40℃ 到 85℃、性能保证温度 -10℃ 到 60℃。初学者最容易把前两个当成「能用的范围」，然后疑惑为什么冬天户外零下二十度画面就变差。
三者的区别是这样的：工作温度和存储温度是「不损坏」的边界，芯片通电或存放时超出这个范围可能永久失效；性能保证温度是「指标算数」的边界，只有在这段区间里，手册上写的暗电流、灵敏度、信噪比才成立。安防摄像头装在户外，夏天暴晒下机身内部轻松超过 60℃，这时候画质下降不是芯片坏了，而是你已经跑出了它的承诺区间。做产品定义时，这条线比工作温度重要得多。
3. 读出模式与帧率：同一颗芯片怎么跑出 90fps 和 120fps
3.1 三种读出模式，各自在省什么
手册里列了四类读出模式：全像素扫描、水平/垂直 2/2 行合并（binning）、窗口裁剪（window cropping）、以及水平/垂直方向的正反读出。前三者决定「读多少像素」，第四者决定「按什么顺序读」。
全像素扫描最好理解：2688×1520 的推荐记录像素全部读出来，一颗不少。这是画质上限模式，也是帧率最低的模式。
2/2 行合并是把水平方向相邻 2 列、垂直方向相邻 2 行的电荷先合并再读出。等效分辨率降到 1344×760，但每颗「大像素」收集的光子是原来的 4 倍，弱光信噪比明显改善，数据量也降到四分之一，帧率自然能上去。要注意 binning 合并发生在电荷域，不是读完再在数字域相加，所以它不会引入额外的量化损失，这是它比「拍完再缩小」更干净的地方。
窗口裁剪则是只读感兴趣区域（ROI）。比如你只关心画面正中间 640×480 的一块，那就只读这一块，其余的不读。好处有两个：帧率随裁剪面积成比例提升，后端的数据搬运和存储压力也同步下降。安防里做车牌识别、人脸抓拍，经常是先用大画面找目标，再切到小窗口高帧率盯着看。
| 模式 | 输出分辨率（推荐值口径） | 主要收益 | 典型代价 |
|---|---|---|---|
| 全像素扫描 | 2688 × 1520 | 画质与细节上限 | 帧率最低、数据量最大 |
| 水平/垂直 2/2 合并 | 约 1344 × 760 | 弱光灵敏度提升、帧率提升 | 分辨率减半，细节丢失 |
| 窗口裁剪 | 自定义 ROI | 帧率提升、带宽下降 | 视野变窄，需要预先知道目标位置 |
正/反读出这个功能听起来像个小技巧，实际在模组装配里很实用。摄像头装反了、或者双目模组里两颗传感器朝向对称，如果不支持方向翻转，就得在后端 ISP 里做一次镜像，多占一份内存带宽、多一次处理延迟。芯片自己支持水平/垂直方向正常或反向读出，等于把这件事在源头解决掉。
3.2 位深与帧率，是一笔带宽的账
手册给的两个帧率数字很干脆：全像素扫描模式下，12 bit 输出 90 帧/秒，10 bit 输出 120 帧/秒。
先算一下数据量。一帧 12 bit 的 RAW 数据是 2688 × 1520 × 12 ≈ 49.0 Mbit，90 帧就是约 4.41 Gbps；换成 10 bit、120 帧，是 2688 × 1520 × 10 × 120 ≈ 4.90 Gbps。两者在同一个量级，说明瓶颈不在「算力」，而在 CSI-2 的物理链路带宽——位深降下来腾出的空间，正好换成了帧率。
这里有个细节值得留意：位深从 12 降到 10，数据量是原来的 83%，但帧率从 90 提到 120，是原来的 133%。两者不是简单的反比关系，因为每一行、每一帧都有固定的消隐和开销时间，这部分不随位深变化，所以位深降低带来的收益不会完全线性地转化成帧率。
10 bit 和 12 bit 怎么选？12 bit 的灰阶是 4096 级，10 bit 是 1024 级。在光线充足、场景反差小的条件下，10 bit 完全够用，还换来更流畅的画面；但在逆光、夜景这类需要后期拉伸的场景，12 bit 多出来的那两个比特就是救命的余量——暗部一提亮，10 bit 很快就出现色带。
3.3 多传感器同步与主从模式
手册里有一条「同步传感器功能」。这个词看着平淡，做多目产品的工程师看到会松一口气。
多颗传感器各自跑自己的时钟，哪怕型号完全一样，相位也会有微小的随机偏差。单看每一路都没问题，一旦要做双目测距、多路拼接或者全景，帧与帧之间的时间差会直接变成算法误差。同步功能靠 XVS/XHS 这类同步信号把多颗芯片的曝光起点对齐：一颗作主（Master），自己产生时序；其余作从（Slave），接收主芯片的同步脉冲。
手册里对这两种模式分别给出了输入特性和输出特性的时序要求，意味着主从是可以互相切换的，不限定某一种拓扑。实际画板时，同步线要走等长、远离高速差分对，否则抖动的同步信号比不同步还麻烦。
3.4 改一个模式，本质是改寄存器
所有模式切换最终都落到寄存器上。手册里专门有一章讲「通过串行通信设置寄存器」，并给出了 I2C 的通信时序、单字节读写、顺序读写等各种访问方式的定义。下面这段代码只是示意流程，寄存器地址必须以手册的 Register Map 为准，不要照抄：
import smbus2 I2C_BUS = 1 SENSOR_ADDR = 0x1A # 占位地址，实际以手册给出的从机地址为准 def write_reg(bus, reg_hi, reg_lo, value): """16 位寄存器地址：先发高字节，再发低字节和 1 字节数据""" bus.write_i2c_block_data(SENSOR_ADDR, reg_hi, [reg_lo, value]) with smbus2.SMBus(I2C_BUS) as bus: # 示例：切换读出模式与位深，具体地址与取值查 Register Map write_reg(bus, 0x00, 0x00, 0x01) # 改完关键寄存器后通常需要发一次软复位或等待若干帧稳定这段代码里能看出两件事。第一，寄存器地址是 16 位的，所以一次写操作要发三个字节，这比常见的 8 位地址器件多一步，移植驱动时如果按 8 位地址写，会一直读不到数据。第二，注释里那句「发一次软复位」不是客套——改完读出模式这类影响时序的寄存器，芯片需要重新建立行场同步，不等几帧稳定就取图，拿到的往往是花屏或者半帧图像。
4. HDR、快门与增益切换：三个听起来玄乎的功能到底在解决什么
4.1 数字重叠 HDR 与 Clear HDR 的分工
动态范围指的是「同一张画面里，最亮和最暗能同时看清多少」。人眼大概能覆盖很宽的范围，而一颗传感器的单次曝光只能覆盖其中一段：曝光短了亮部有细节、暗部全黑；曝光长了暗部有细节、亮部全白。
HDR 的思路就是「把不同曝光的画面拼起来」。手册里给了两条路线。
数字重叠 HDR（Digital Overlap HDR）是把长曝光帧和短曝光帧在数字域合成。它的好处是实现直接、动态范围扩得开；代价是两帧之间存在时间差，画面里如果有快速移动的物体，合成后边缘会出现错位或重影。安防场景里夜间有车经过、有人快走，这个伪影就看得见。
Clear HDR 走的是另一条路：在单次曝光内完成高动态范围的获取，不需要靠两帧拼接。因为不存在帧间时间差，运动物体的伪影基本消失，代价是实现更复杂、对光照条件也有一定要求。
打个比方，数字重叠 HDR 像是用两台相机分别拍一张快的和一张慢的，再把两张叠起来；Clear HDR 更像是一台相机在一次拍摄里同时记录了两个「曝光档位」。前者简单但怕动，后者干净但更挑场景。选型时如果目标场景是静止或慢速，数字重叠够用；如果是车流、人流这类高动态场景，Clear HDR 的收益就体现出来了。
4.2 变速快门：2H 单位意味着什么
这颗芯片用的是电子快门，曝光时间通过电荷积分时间来控制，不涉及机械部件。手册写「可变速度快门功能，分辨率 2H 单位」，意思是曝光时间的最小调节步长是 2 个水平行周期。
为什么是 2H 而不是 1H？因为读出是逐行进行的，某些行合并、某些读出模式下，行与行之间是成对操作的，把步长定在 2H 能让时序设计更规整，也避免出现「只调了一行、结果破坏了行配对」的边界情况。
这个精度直接影响实际效果。假设一行的时间是几十微秒，那 2H 的步长就是百微秒量级。在室内日光灯下拍摄，曝光时间如果和灯光闪烁周期对不上，画面会出现明暗滚动；有了细粒度的快门调节，才能把曝光时间精确压到闪烁周期的整数倍上，把这道横纹消掉。这类问题在调试现场非常常见，追根溯源往往不是芯片缺陷，而是快门步长没算准。
4.3 HCG / LCG 与 CDS/PGA：增益链上的分工
从光子进来到数字信号出去，中间要经过好几级放大。手册列出的这几项，各自负责不同阶段。
转换增益切换（HCG / LCG）发生在像素内部，是把电荷转换成电压那一步的比率。HCG 是高转换增益模式：一点点电荷就能换出较大的电压，弱光下信号更明显，但满阱容量小，强光容易饱和；LCG 是低转换增益：转换比低，能容纳更多电荷，强光下不容易过曝，代价是弱光信噪比差一些。这两档不是「谁更好」，而是「今天拍夜景还是拍白天」的选择。
CDS（相关双采样）是降噪环节。它的做法是在一次读出里采两次样——一次带信号，一次只有复位电平——两者相减，把复位噪声和固定图案噪声抵消掉。这是 CMOS 图像传感器能做到低噪声的关键手段之一，也是为什么手册把 CDS 和 PGA 写在一起：CDS 先把底噪压下去，PGA 再把干净的信号放大。
PGA 是可编程增益放大器，手册给的区间是：0 dB 到 30 dB 走纯模拟增益，步进 0.3 dB；30.3 dB 到 72 dB 则是 30 dB 模拟增益加 0.3 dB 到 42 dB 的数字增益。
| 增益区间 | 实现方式 | 特点 |
|---|---|---|
| 0 ~ 30 dB | 纯模拟增益 | 放大发生在 ADC 之前，信噪比最优 |
| 30.3 ~ 72 dB | 30 dB 模拟 + 0.3 ~ 42 dB 数字 | 模拟部分到顶后转数字放大，噪声一并被放大 |
这张表解释了一个常被忽略的原则：能用模拟增益解决的，别用数字增益。模拟增益在 ADC 之前把信号抬高，量化噪声占比就小；数字增益是在 ADC 之后乘系数，信号和量化噪声一起被乘，画质只会更糊。dB 是相对值，0 dB 是 1 倍，约 6 dB 翻一倍，30 dB 大约是 31.6 倍，72 dB 接近 4000 倍——所以后半段那 42 dB 的数字增益，本质上是在「已经很暗的画面」上硬撑亮度，能用但别指望好看。调试时的血泪经验是：优先把曝光时间拉长，其次动模拟增益，数字增益留到最后。
5. 常见误区与易混概念：这五组参数最容易看错
5.1 总像素、有效像素、推荐记录像素不是一回事
手册里一口气给了四个像素数：总像素 2704×1560（约 422 万）、有效像素 2704×1540（约 416 万）、有源像素 2704×1536（约 415 万）、推荐记录像素 2688×1520（约 408 万）。差了这么多，初学者很容易以为手册写错了。
之所以会混，是因为这几个数字描述的是同一块硅片上的不同「圈子」。总像素是物理上做出来的全部像素；有效像素去掉的是边缘那些不参与成像的 dummy 像素；有源像素再去掉一部分；推荐记录像素则是厂商建议你「实际拿出来用」的范围，通常还要再往里收一点，避开边缘的暗角、坏行和黑电平过渡区。
怎么区分？记住一句话：标称分辨率看推荐记录像素，别拿总像素去写产品规格。用总像素去标，画面边缘往往有肉眼可见的异常行，客户一测就露馅。
5.2 模拟增益和数字增益，不是「加起来都是 72 dB」这么简单
手册写 30.3 dB 到 72 dB 是「30 dB 模拟 + 0.3~42 dB 数字」，有人就理解成「72 dB 就是模拟和数字都能到 72」。实际是串行结构：模拟段最多给 30 dB，剩下的靠数字段补。
混淆的原因在于两个数字都用了 dB 这个单位，看起来可以相加，但它们的物理位置不一样。区分方法很简单：看噪声。同一亮度下把增益从 30 dB 调到 40 dB，如果是纯模拟实现，噪声增长会比较温和；如果是模拟到顶后靠数字硬提，噪声会明显跳一档。调试时看到「增益一过 30 dB 画质就断崖」，基本就是这个原因。
5.3 行合并（binning）不是裁剪（cropping）
两个功能都能提高帧率，经常被当成同类项。但 binning 是「把相邻像素电荷合并，视野不变、分辨率降低」，cropping 是「只读一块区域，分辨率不变、视野变窄」。
混的原因在于两者都让输出尺寸变小了。区分看结果：binning 之后画面还是整个场景，只是变「粗」了；cropping 之后画面是原场景的一个局部，放大来看细节是完整的。做车牌识别时用 cropping，因为你要的是局部清晰；做夜间全景监控时用 binning，因为你要的是整幅画面都够亮。
5.4 CSI-2 的 Lane 数与位深，和「像素数」不是同一个维度的参数
手册写支持 2 Lane / 4 Lane 的 CSI-2 输出、RAW10/RAW12 格式。有人会误以为「4 Lane 就能出更高分辨率」——其实分辨率是像素阵列决定的，Lane 数只决定传输带宽，进而影响你能跑到多高的帧率。
混淆点在于它们都写在「输出」相关章节。区分方法是分开看：分辨率、像素尺寸属于「传感器能看见什么」；Lane 数、位深、帧率属于「能多快把看见的东西送出去」。前者改不了，后者可以配。选主控时先确认它的 CSI-2 接收端支持几 Lane、能不能吃 RAW12，再回头看帧率目标能不能达成。
5.5 工作温度和性能保证温度，只差几个字，含义差很远
前面提过一次，这里作为独立误区再强调：-30℃ 到 85℃ 是「不坏」，-10℃ 到 60℃ 才是「指标算数」。
混的原因是手册把两组温度放在相邻的表格里，单位一样、写法一样。区分记住一条：做产品规格书引用画质指标时，必须同时注明性能保证温度范围，否则冬天户外或者夏天密闭机壳里跑出来的效果，跟你在实验室测的对不上，返修和客诉就是从这儿开始的。
6. 什么时候该选它、什么时候该换一颗：几条边界判断
先说结论：IMX664 这类 1/1.8 型、2.9 μm 像素、约 400 万像素、支持 HDR 和 CSI-2 的传感器，最舒服的位置是「中等分辨率、对弱光和动态范围有要求、体积和功耗又不能放开」的场合，典型就是安防摄像头、车载舱内、机器视觉里的中速检测。
适合用的场景，大致有这么几类。一是需要在 1080p 级别画面上再留一点裁切余量的监控设备——2688×1520 比 1920×1080 多出不少像素，做电子云台或者数码变焦时还有料可切。二是强弱光交替频繁的场合，比如出入口、地下车库，HDR 是刚需而不是加分项，Clear HDR 对车流场景尤其友好。三是多目设备，靠同步功能把几路时序对齐，省掉后端对齐算法的麻烦。四是板子空间紧张的产品，三路供电虽然多了两路 LDO，但 1/1.8 型的光学尺寸配上 4MP，镜头模组整体能做得很紧凑。
不该用的情况也很明确。如果你要的是 4K 输出，400 万像素直接出局，别指望靠插值补——插值补出来的是假细节，压缩码率之后更难交代。如果是极端弱光、几乎无补光的场景，2.9 μm 的像素面积摆在那儿，物理上限就在那里，靠增益硬提只会得到一片噪声，这种场合应该去找更大像素尺寸的型号。如果产品要跑在高温密闭环境里，性能保证温度上限只有 60℃，得先算清楚机内温升，不然参数表好看、实机翻车。还有一种情况容易被忽略：如果主控的 CSI-2 接收端只支持 2 Lane 且不接受 RAW12，那这颗芯片的高帧率和高位深优势就打折了，得重新评估值不值。
| 判断维度 | 倾向选它 | 倾向换型号 |
|---|---|---|
| 目标分辨率 | 1080p 到 3MP 之间，留裁切余量 | 需要 4K 及以上原生输出 |
| 光照条件 | 有红外或白光补光，需要 HDR | 极弱光、几乎无补光 |
| 环境温度 | 机内温升可控在 60℃ 以内 | 长期高温密闭、无散热设计 |
| 多目需求 | 需要多路时序同步 | 单目、不需要同步 |
| 主控接口 | 支持 4 Lane CSI-2、能收 RAW12 | 只支持 2 Lane 或只收 RAW10 |
这些边界不是拍脑袋来的，都是从手册那几页参数倒推出来的：像素尺寸决定弱光上限，性能保证温度决定环境适应性，Lane 数和位深决定帧率天花板。看 datasheet 的顺序，我现在固定成先翻绝对最大额定值和温度表，把「不能碰的红线」圈出来；再看像素数和光学尺寸，判断画质上限；最后才回来看 HDR、快门、增益这些功能细节。顺序反了，很容易被一堆功能名词吸引，等回过头发现某条硬指标根本对不上，前面看的全白费。
从那以后我每次评估一颗新传感器，都强制先把这三张表抄到一页纸上，再谈功能。希望帮到你。
本文还有配套的精品资源，点击获取
