用摄像手机拍出优质影像基本要素

的白色一样。一个高级的自动白平衡(AWB)系统(如适用于摄像手机传感器的Avago Technologies I-Pipe)，可根据影像拍摄的照明条件，使影像几乎呈现为真正的白色。

影像还原：消除不必要的人为因素

在胶卷的世界中，可以与噪声划等号的是胶卷的颗粒度。因此，ASA400胶卷要比ASA 100胶卷的颗粒大。在CMOS或CCD传感器中，有好几种不符合要求的噪声源。必须要消除这些噪声源或至少要减轻它们的影响。

1) 固定模式噪声(FPN)：这种噪声会在每张拍摄的照片中产生同样的噪声模式。可以减轻这种噪声，具体方法为：在"黑暗"中读取照片(在无光的情况下曝光)，然后用标准读数(正常曝光的情况下)减去这个结果。黑暗级的输出电流是指在没有照明的条件下所产生的平均输出级别。因此，它包含光电二极管的泄漏电流。视觉黑像素是指不参与感光的像素。人们常常用它作为参考像素，来查找黑暗电流并对它进行相应的校正。

2) 随机噪声。随机噪声是指周围环境产生的噪声。温度越高，离开轨道的电子就越多，同时还会在传感器中产生随机噪声信号。传感器电路散热或者环境温度升高都会加剧这种噪声。在夏季，用放在车内的摄像手机所拍摄的照片比将它放在凉爽的大楼中拍摄的照片要差很多。

在某些用于天文观测的复杂数码SLR和相机中，为了将热噪声降低到最小程度，会将传感器封装在迷你冰箱中。一些高端天文照相机使用液氮来降低传感器的温度。在开氏零度或摄氏－273度，从理论上讲，电子中不存在动能，因此，也就没有噪声。在光线较弱的情况下，信噪比较低，影像中的噪声较多。

3) 像素干扰(pixel cross talk)。像素干扰是指通过一个像素的光线交叉进入邻近的像素所产生的一种混乱状态，这是由于，例如，一个红色的像素让"红色的"光进入邻近的蓝色像素，引起蓝色像素中信号增加而红色信息中影像信息丢失所致。

在比较高端的Avago Technologies传感器中，还使用了另外一个显微透镜通过再次曲光来进一步降低像素，这样就可以将光线交叉进入邻近像素引起像素交叉干扰的机会降到最小的程度。

有时分辨率较高的传感器拍出的影像比用较低分辨率的传感器质量差。这是因为像素数量只是进行信息采集的一个方式。像素大小还决定着信噪比的大小。总的来说，较大的像素尺寸要比较小的好，这是因为像素尺寸较大，收集光线的面积较大，因此，可以捕获更多光子，与存在的所有噪声相比，这会产生较大信号。这也就是有些5 Mp 数码相机(DSC)所生成的图片不如好的3MP相机质量好的原因。

相对于一个特定的半导体生产工艺而言，不论像素有多大，所产生的噪声几乎是相同的，而且信号随着像素尺寸的增大而增强，所以，对一个类似的过程来说，像素越大，影像越好、越清晰。

实时缺陷校正

在传感器上总是有一些不尽人意的有缺陷的像素和区域。在生产过程中，传感器中可能会带入了一些光学污点或电路故障。这可能会产生非常不理想的视觉效果，导致与入射光不一致或非线性反应的产生。有时，像素还可能出现一些电子异常，如，某些像素输出较高，而其它像素则输出较低，从而产生比可以接收的平均水平要低的输出。

I-Pipe可以通过测量像素的输出并将其与邻近像素的平均值进行对比来确定是否某个像素存在缺陷。如果该像素输出与邻近像素输出的平均值之差大于某个容许极限值，该像素将被标记为坏像素，它的输出不再有效。可以用内差值法替换那个目标像素所在位置的输出值，具体方法如下：获得邻近像素的输出值，并求出它们的平均值，这样就可以得出坏像素的"模拟"输出。这种缺陷校正存在的问题是：有时它会降低整行的线(行)分辨率，除非以保守的方式使用。还可以使用其它专有方法和算法来减轻这些缺陷。

增强降质影像的分辨率或清晰度

现在，我们已经了解了光线通过光学镜头、Bayer矩阵以及一个或多个显微透镜的方式以及如何使用demosaicing、插值(interpolation)、消除黑角、缺陷校正等方法重现我们熟悉的影像。正如您所猜测的那样，进行这么多人为的电子处理会使最后的影像比它原本的颜色要暗。这就要求我们使用另一种过滤处理器，比较有代表性的是一种可以恢复影像表面清晰度的平滑影像边缘技术。通过向经过校正的影像添加部分高通(high-pass)信号(仅是高频信号)就可以获得所需的清晰度。噪音锐化的程度取决于所添加高通信号的多少。

消除黑角

黑角是指由于镜头和镜桶的原因在图片边缘生成的阴影或黑影。消除黑角技术可以校正这种异常，通过将黑角的照明比校正为影像中心的照