当下，我们使用的手机，里面都有CMOS，什么IMX700，IMX707等等，相信大家的耳朵里面都听出茧子了。不光手机，摄影爱好者手里的单反，其里面的cmos更是牛逼，IMX411、IMX571等等。
小米12的宣传图片
CMOS对于手机的重要性不言而喻，相比如今的用户都心知肚明，这里不多作分析。在手机行业，面对的底大一级压死机的大背景下，又限于手机自身的有限内部空间，像素换算厘米计算器，手机里面的cmos不可能越做越大，尺寸必然有限度。为了更好地提高影像结果，面对空间有限的手机，全球各大手机厂商都在寻找另一个方式提高影像，那就是计算光学，本公众号上一篇文章已经谈到华为和荣耀的计算光学。
2020年至今发布了不少手机，其中大部分均以摄影拍照作为主要卖点之一，我们抛开软件算法层面的优化，先从传感器尺寸规格来看看目前有哪些手机是有大底加持的。
1、5000万索尼IMX700，代表机型 P40 PRO+、华为Mate 40 Pro+等。
2、4800万索尼IMX789，代表机型一加9pro。
3、5000万索尼IMX707，代表机型小米12pro。
4、4800万索尼IMX689，代表机型，一加8pro、一加9。
5、5000万索尼IMX766，代表机型OPPO Find X3， X3 Pro。
6、1.08亿三星S5KHMX，代表机型小米10系列、坚果r2等。
7、4000万索尼IMX600y，代表机型华为Mate 30Pro华为P30Pro等。
厘米和像素没任何关系，厘米是长度单位，什么是象素呢？像素是组成图像的最基本单元。它是一个小的方形的颜色块。一个图像通常由许多像素组成，这些像素被排成横行或纵列，每个像素都是方形的。当你用缩放工具将图像放到足够。
8、4000万索尼 IMX600 ，代表机型荣耀v30pro、华为P20 Pro等，IMX600是华为为了奠定手机拍照领军地位和索尼联合打造的。
9、6400万索尼IMX686，代表机型realme x7pro、红米K40Pro。
10、6400万索尼IMX682，代表机型真我 GTNeo、realme GT。
11、4800万索尼IMX586，代表机型一加7Pro ，一加7等。
12、4800万索尼IMX582，代表机型iQOO Neo5活力版、红米k40等。
在手机影像行业里，堆栈式、背照式图像传感器将继续主导市场。在2020 年近里90% 智能手机成像设备（下图）使用相关技术。随着片上图像处理成为提高性能的关键，预计它们在智能手机中的应用将继续超过单片背照式图像传感器。
Pixel footprint的持续小型化有助于获得更高分辨率。此外，随着像素间距的减小，需要增加硅厚度以保持良好的像素光响应。下图显示了硅厚度和厚度与像素间距之比的趋势，两者都随着像素尺寸的减小而增加。
我们在三星GW3上观察到最高的纵横比（下两图）。据了解，这是一款6400万像素、0.7μm单像素尺寸的图像传感器，具有4.1μm有源外延厚度（active EPI thickness）和F-DTI（ Front-Deep Trench Isolation）。豪威科技的0.7μm OV64B具有部分 Back-DTI，观察到其EPI厚度为3.0μm。
像素尺寸的减小对保持PDAF（ Phase Detection Auto Focus ）像素的高输出信号提出了挑战。下图显示了智能手机图像传感器在分辨率和像素尺寸方面的PDAF方法。虽然Masked PDAF和双光电二极管（Dual Photodiode）仍然用于较低分辨率和较大像素尺寸的传感器，但随着像素尺寸降低到约1.0μm以下，OCL（On-Chip Lens）已成为PDAF的选择方法。
随着像素尺寸的减小， Masked pixels的 Fill-Factor也在减小，因此PDAF信号也随之减小。目前所能观察到的最小 的Masked pixels是来自三星于2019年发布的0.8μmGM1以及2020年发布的GD1（下图）。他们都是采用四像素合成技术的方式在你传感器上实现，并使用清晰通道来增强PDAF输出。
18.06厘米。px是像素，1000像素≈43cm。所以420px等于18.
由于基于OCL的PDAF像素不会牺牲表面积，并且由于基于抗蚀剂（ resist-based）的工艺易于扩展，因此OCL-PDAF被用于生成较小的0.7μm传感器，并且随着0.6μm像素生成的实现，OCL-PDAF有望继续使用。
相比之下，索尼引入了全阵列2x2 OCL方法，其中微透镜（microlens）的像素大小是整个有源阵列的两倍。这最初是在2020年发布的，1.12 μm、4800万像素的传感器IMX689上看到的。，而最近也在IMX766和IMX789上观察到。由于全阵列自动对焦没有PDAF专用像素，因此所有像素都可用于图像采集。
如下图所示，由于像素内沟槽隔离（ in-pixel trench isolation），双光电二极管全阵列（Dual Photodiode full array）PDAF仍然是“大像素”PDAF方法。索尼在IMX700中发布了Octa-PD技术，这是一款1.22μm、5000万像素的Quad-Bayer CIS，它在所有彩色通道中的每个像素都有2个光电二极管。而三星在GN2中引入了一种改进的双光电二极管PDAF方法。这同样是一款1.40μm、5000万像素的传感器，具有倾斜的绿色通道（slanted green channel）in-pixel DTI，有助于X和X方向的PDAF。三星目前保持着在GN1中创造的1.2μm的最小像素尺寸双光电二极管PDAF方法的记录。
下图显示了智能手机图像传感器的mosaics中CFA间距与pixel-pitch的对比 ：拜耳、2x2、3x3和4x4）像素尺寸的关系。观察到最大CFA间距是4.48μm的IMX608，其次的是豪威科技2.8μm采用4cell技术的OV12D2Q以及三星采用四像素合成技术的GN2。从2020年的统计结果来看，智能手机图像传感器的CFA间距变化很大，数字介乎1.4μm和2.8μm之间。随着像素尺寸的进一步减小，3x3和4x4Mosaics.的利用率可能会增加。
打个比方，例如在photoshop中宽为1000像数的图片，那么这个1000像数为多少厘米？多少毫米？这之间的比例是怎么样的？解析:你可能理解错误了，1000像素，它的分辨分辩率是多少？这跟分辩率有关系的。分辩率越大，那么1000像素，。
随着堆栈式CIS/ISP Die逐渐成为主流，对更小的TSV/DBI互联的需求变得至关重要。这是为了减少芯片占用面积，但更重要的是为了促进像素级互联。下图显示了2014年至2021年间分析的所有堆栈式传感器的Cu-Cu混合键合的DBI间距趋势。在大多数情况下，外围的行/列互联仍然是现在的主流方案，观察到的行/列互联最小的TSV/DBI间距为3.1μm。
近年来，NIR（Near-Infrared）增强在安全监视、测距应用和机器视觉方面获得了很多关注。为了提高NIR范围内的量子效率，我们采取的一种有效方法就是增加CIS的活性硅厚度（active silicon thickness），使其超过用于主流移动应用的厚度。下图显示了背照式传感器的活性硅厚度趋势，突出了每个应用。NIR增强传感器的外延厚度一般在5.9-7.1μm，这与用于主流CIS的3.0-4.1μm的厚度数值形成对比。
改善QE的另一个重要方法是通过促进衍射进入EPI来减少入 incident IR的反向散射。我们观察到正在使用的包括浅槽/栅格和倒金字塔阵列（IPA：Inverted Pyramid Arrays）。索尼保持着最厚的CIS EPI（IPA）记录（6.2μm）和最小的像素尺寸（1.12μm）（IPA（2x2））。豪威科技从浅槽过渡到IPA，并在最新的传感器（8 MP OS08A20）上通过扩展IPA成功获得更高的分辨率。安森美半导体和思特威分别在ARX3A0和SC5035中演示了使用IPA（下图）。
下图提供了从像素数、TOF方法和传感器配置方面分析TOF器件的趋势，看到来自索尼、三星和Gpixel为i-ToF继续推出VGA型传感器。反向照明的转变利用了使用850nm-940nm NIR波长QE。对于接近/手势控制，较小的像素数传感器继续占主导地位。
意法半导体最近推出了VL53L5，这是一款64通道前照式D-TOF SPAD传感器，具有多目标跟踪功能，适用于前置移动应用。随着对面部识别/生物识别技术的重视，可以预见，未来更高分辨率（可能是VGA级）的前置TOF可能会得到更多的采用。
从TOF的像素尺寸来看，如下图显示，随着背照式传感器的发展趋势，小像素的使用将会越来越多。到目前为止，在微软 Azure Kinect上观察到了最小的像素尺寸和最高的分辨率，这是一款3.5μm、100万像素I-TOF传感器。
最后，我们来看看每个应用程序的像素复杂度。
图18显示了过去十年中每像素中有效晶体管数量（Teff）的变化趋势。用于移动应用的CIS通常具有共享像素，以便减少Teff。相比之下，I-TOF，特别是基于事件的图像传感器，通常利用具有较高晶体管数量的非共享像素，例如采用 4-Tap pixel以实现深度分辨率的32T三星I-TOF 33D和36T三星231YX动态视觉传感器。
目前，观察到晶体管数量最高的是最近分析的52T的索尼和普诺飞思基于事件的传感器。基于事件的传感器往往涉及到更多的像素复杂性，因为它们结合了传统CIS中不使用的像素级功能，例如测量信号强度的对数和像素内时间戳的使用。因此，基于事件的传感器将受益于芯片堆叠和像素级互联，可以在汽车、机器视觉以及其他应用中继续发展并得到更广泛的应用。
说了这么多行业理论性的研究内容，我们看看全球cmos大厂的实际行动。
在2021年12月16日，索尼半导体解决方案宣布其已成功开发出全球首个双层晶体管像素堆叠式 CMOS 图像传感器技术，饱和信号量约提升至 2 倍，使动态范围扩大并降低噪点。
传统 CMOS 图像传感器的光电二极管和像素晶体管分布在同一基片，而索尼的新技术将光电二极管和像素晶体管分离在不同的基片层。与传统图像传感器相比，这一全新的结构使饱和信号量约提升至原来的 2 倍，扩大了动态范围并降低噪点，从而显著提高成像性能。采用新技术的像素结构，无论是在当前还是更小的像素尺寸下，都能保持或是提升像素现有的特性。
那么1000像素打印大小是否就是17.64×2=35.28厘米呢? 这种观点是错误的，电脑中的像素和传统长度不能直接换算，因为一个是虚拟的一个是现实的，他们需要一个桥梁才能够互相转换，这个桥梁就是位于文档大小宽度和高度下方的。
（传统的）堆叠式 CMOS 图像传感器的堆叠式结构中，背照式像素组成的像素芯片堆叠在逻辑芯片之上，而信号处理电路构成了逻辑芯片。在像素芯片内，用于将光转换为电信号的光电二极管和用于控制信号的像素晶体管在同一基片层并列。在这样的结构限制下，如何实现饱和信号量的最大化，对实现高动态范围、高图像质量的摄影具有重要作用。
索尼开发出的全新结构是堆叠式 CMOS 图像传感器技术的一项进步。索尼使用专有的堆叠技术，将光电二极管和像素晶体管封装在分离的基片上，一个堆叠在另一个上面。相比之下，在传统的堆叠式 CMOS 图像传感器中，光电二极管和像素晶体管并排位于同一基片上。新的堆叠技术支持采用可以独立优化光电二极管和像素晶体管层的架构，从而使饱和信号量相比于传统图像传感器增加约一倍，进而扩大动态范围。
此外，因为传输门 (TRG) 以外的像素晶体管，包括复位晶体管 (RST)、选择晶体管 (SEL) 和放大晶体管 (AMP)，都处于无光电二极管分布这一层，所以放大晶体管（AMP）的尺寸可以增加。通过增加放大晶体管尺寸，索尼成功地大幅降低了夜间和其他昏暗场景下图像容易产生的噪点问题。
对于拍照而言，固件当然是基础，只有在拥有良好的基础上，才能有朝着多方向全面发展的可能。
我是六六科技人，我们说车谈科技。欢迎大家关注、评论、转发，大家的支持再是我创作的原动力。我们下篇再见。
欢迎有相同兴趣的朋友加入我们的微信群，聊汽车、聊科技、聊热点、聊人生。
最后，2021年即将过去，对于六六科技人来说，内心久久不能平静。
海航破产重组，国内科技企业赴港上市热潮不断；
“新疆棉事件”爆发，连锁反应不断；
自百度宣布与吉利造车后，滴滴、海尔、小米、OPPO等厂商纷纷宣布自家的造车计划；
滴滴出行遭遇安全审查；苏宁易购爆出债务危机；“双减”政策出台；
地产大鳄恒大陷入债务危机；北京环球影城开园；
反垄断升级，阿里巴巴、美团、腾讯、百度、滴滴遭到反垄断监管执法；
年末电商直播巨头薇娅，因偷税漏税被罚13.41亿，旗下直播间被平台关停。
过去的一年对华为来说同样不平静，孟晚舟的回国，吹响了华为战略进攻的号角，中国科技巨头的“不妥协”，也成为了中国产业升级不屈意志的缩影。
2022年会更好吗？
像素和厘米是不能直接转换的，只有分辩率（dpi）下才能进行转换。例如说明如下：平时经常使用72和300dpi，电脑显示器用72dpi，照片用300dpi那么像素和厘米的转换为：72dpi 1厘米=28.346像素，300dpi 1厘米=118.11像素。像素。
答案是肯定的，前行的人将乘风破浪、勇往直前。
预祝大家2022元旦快乐，新的一年，我们继续相伴。
