為什么傳統(tǒng)夜視在極暗環(huán)境下變黑白導(dǎo)讀很多人注意到夜視畫面往往是綠色或黑白的。為什么不是彩色的今天從物理原理講清楚這個問題以及行業(yè)正在如何突破。先說結(jié)論傳統(tǒng)夜視技術(shù)在極暗環(huán)境下輸出黑白或綠色畫面不是因為設(shè)計選擇而是因為物理限制。色彩信息需要的光子數(shù)量比亮度信息多得多。當(dāng)光照低于某個閾值時色彩信號太弱被噪聲淹沒系統(tǒng)只能輸出單色畫面來保留能看到東西的基本能力。從光子到像素圖像是怎么形成的要理解這個問題我們需要從最基本的物理過程說起第一步光子到達傳感器光線本質(zhì)上是光子流。物體反射或發(fā)射的光子打到圖像傳感器CMOS 或 CCD上。第二步光電轉(zhuǎn)換傳感器上的每個像素都是一個光阱——光子打進來產(chǎn)生對應(yīng)數(shù)量的電子。這叫光電效應(yīng)。光子越多產(chǎn)生的電子越多信號越強。第三步信號讀取這些電子被收集、放大、轉(zhuǎn)換為數(shù)字信號最終形成圖像。問題出在哪里亮度 vs 色彩的信號差異這里有一個關(guān)鍵的物理事實亮度信號Luminance只需要知道總共有多少光子所有波長的光子都算數(shù)色彩信號Chrominance需要區(qū)分不同波長的光子各有多少打個比方想象你站在雨中手里有兩個桶。亮度桶收集所有雨水看總共接了多少——這很簡單色彩桶要把雨水按溫度分成冷水和熱水——這需要更精細的測量誤差也更大在光照充足時雨水很多兩種測量都很準(zhǔn)確。但在極暗環(huán)境下雨水極少亮度桶還能接到一點水大致知道有多少色彩桶接到的水太少分不出冷暖了——色彩信息丟失傳統(tǒng)解決方案的局限面對這個問題行業(yè)有幾種傳統(tǒng)處理方式方案 1增加增益ISO把信號放大但噪聲也跟著放大。畫面變亮了但噪點也多了色彩依然不可靠。方案 2延長曝光時間讓傳感器收集更多光子。但運動物體會模糊實時視頻場景不適用。方案 3放棄色彩輸出單色既然色彩信號不可靠干脆只保留亮度信息。這就是為什么傳統(tǒng)夜視畫面是黑白或綠色的。綠色畫面是微光像增強管Image Intensifier的特征——磷光屏把電子轉(zhuǎn)換為綠色熒光。黑白畫面是數(shù)字夜視的常見做法——去掉色彩濾波器Bayer Filter讓所有像素都收集全波段光子提高靈敏度但喪失色彩。方案 4主動補光用紅外 LED 或白光 LED 照射場景。但這就不是被動夜視了而且主動照明可能暴露位置軍事場景、驚擾動物生態(tài)場景、或在某些場景不允許使用如易燃易爆環(huán)境。行業(yè)正在如何突破實現(xiàn)極暗環(huán)境下的全彩色夜視需要從三個層面協(xié)同優(yōu)化1. 探測器層面提高單像素集光能力增大像素尺寸如從 2μm 增加到 13μm提高量子效率更多光子轉(zhuǎn)化為電子降低暗電流減少熱噪聲干擾2. 電路層面極低噪聲信號鏈低噪聲模擬前端設(shè)計高精度 ADC優(yōu)化的電源管理減少電源噪聲耦合3. 算法層面AI 驅(qū)動的信號恢復(fù)這是近年來最重要的突破方向。傳統(tǒng)降噪算法如時域濾波、空域濾波會在去噪的同時模糊細節(jié)?；谏疃葘W(xué)習(xí)的 AI ISP 可以學(xué)習(xí)噪聲的統(tǒng)計特征在極低信噪比下恢復(fù)出真實信號重建色彩信息即使原始信號中色彩被噪聲淹沒AetoSight 夜視機芯搭載的 PixelClean AI ISP就是基于這個思路。全彩夜視的應(yīng)用價值為什么全彩色這么重要因為在很多場景下顏色是關(guān)鍵信息場景黑白畫面的局限全彩畫面的價值安防取證看不清嫌疑人衣服顏色能識別衣服顏色輔助身份識別交通監(jiān)控?zé)o法區(qū)分紅綠燈狀態(tài)能準(zhǔn)確識別信號燈顏色工業(yè)巡檢看不清設(shè)備銹蝕程度能通過顏色判斷銹蝕嚴(yán)重性生態(tài)觀察無法區(qū)分動物種類能通過羽毛/皮毛顏色識別物種軍事偵察態(tài)勢感知缺少色彩信息完整的環(huán)境感知能力寫在最后夜視變黑白不是設(shè)計選擇是物理限制下的妥協(xié)。隨著探測器技術(shù)、低噪聲電路和 AI 算法的進步這個限制正在被突破。全彩夜視不是遙遠的未來——它已經(jīng)在發(fā)生。