「摄像头与成像」长文详解RAW图的来龙去脉 _RAW图

本文承接上一篇《数字成像系统概述》，将继续延伸数字成像系统的相关概念，但在延伸之前需要详细了解作为整个系统输入的Raw图。
作者 | Tony
编辑 | 言有三
本篇文章主要详细阐述Raw图作为整个数字成像系统的输入源到底是怎样产生的，包括一些基本概念和知识，总结了工业界对于Raw的一些检测手段以及检测标准，最后从摄影学角度分析Raw图作为摄影素材的优势。
1 Raw图的诞生及衍生的基本概念玩过摄影的人对于Raw图这种类型的数据格式应该不陌生。对于资深摄影玩家说，一般会采用Photoshop等软件对Raw图进行调色、降噪、构图等处理，以期获得更好的图像效果质量。但是什么是Raw图呢？
顾名思义，英文单词Raw意思是原始的、未处理的，其表征了纯粹的未处理的一堆数据，为何这里说是一堆数据而不是图像呢？读过上篇《数字成像系统概述》的朋友一定对于CMOS、CCD或者sensor等名词有些印象，实际上Raw图记录的就是CMOS或者CCD图像传感器将捕捉到的光源（光子）信号转化为数字信号的原始数据。
一个数字成像系统或者说数码相机采用点阵形式来记录光信号（光子）落到每个阵列“腔体”的大小，这里的腔体即像素，而这个点阵就是sensor ，如下所示为一个比较形象的感光阵列(Sensor)接受光子示意图：

文章插图

【「摄像头与成像」长文详解RAW图的来龙去脉】其中黄色小圆球代表光子大小，下面为光电转换矩阵。当按下拍照快门的那一刻，摄像头的曝光就被锁定，进入这个sensor的光子量的多少也就被锁定了，通过统计进入sensor矩阵的光子多少就可以确定电信号强度。
此处需要引入一个衡量电信号强度大小的概念——“比特深度(bit depth)” ， bit depth描述了传感器硬件能处理数据的精细程度，越深的bit意味着更好的感光效应，即可以获取更多的数据量，而又由于传感器腔体（像素）接受的是电子的数量，意味着bit数据表示灰度值的大小。比如一个16bit的模组意味着65536的灰度范围， 8bit模组即表示2的8次幂即256 ， 256这个数字在冈萨雷斯的《数字图像处理》教材经常出现，就是这么得来的。而工业界描述一个模组感光性能的一个专用名词是bits per pixel ，也有bits per channel ，但有时都混淆叫做bpp 。这两个是不同的概念，一个用来描述单像素点感光能力，后面的是表示三原色RGB单一通道的颜色表达能力，这是需要区分清楚的，总结有如下公式：

文章插图

如下为单通道不同比特深度对应的颜色表征对比：

文章插图

文章插图

上图为单通道24比特，下图为单通道8比特。从上述图像可以看出来更深的bit有着更强的颜色表征能力，所以说bit深度对于raw图的大小是一个很重要的衡量指标，其甚至被应用在音频领域表示音阶的广度，我们可以推断出钢琴的bit深度一定大于吉他，因为钢琴所能表达的音域比较广（此处如有不专业欢迎拍砖）。
回到Raw诞生上来，我们知道Raw是光电转换的结果，其无非就是一个灰度信号记录器。我们知道光由RGB三种基色组成，那么问题来了：怎样区分每个像素对于每个颜色通道（R channel, G channel, B channel）获取的量的多少？
为了获取各通道颜色分量，可以考虑给每个像素上面叠放一个颜色过滤器，即每个像素可以让相应的颜色分量通过，而丢弃掉不需要的颜色分量，如下图所示：