Tamil
CMOS கேமரா சென்சார்களில் சத்தம் குறைப்புத் தொழில்நுட்பங்கள்: ஒரு விரிவான வழிகாட்டி
10.13 துருக
In the world of digital imaging, capturing clean, high-quality images is a perpetual challenge—especially when dealing with low light, fast-moving subjects, or compact camera designs. At the heart of this challenge lies the issue of noise in CMOS (Complementary Metal-Oxide-Semiconductor) image sensors, the workhorses ofமாடர்ன் கேமராஸ்மொபைல் போன்களில், DSLR கமெராக்களில், பாதுகாப்பு அமைப்புகளில், மற்றும் அறிவியல் கருவிகளில்.
படங்களில் ஒலியால் உருவாகும் அசௌகரியங்கள், தெளிவும் விவரங்களும் குறைக்கும் விருப்பமற்ற தானியங்குகள், துளிகள் அல்லது நிறக் கலைப்பாடுகளாகக் காணப்படுகின்றன. புகைப்படக்காரர்கள், பொறியாளர்கள் மற்றும் நுகர்வோர்களுக்கு, இந்த ஒலியை புரிந்து கொள்ளவும் குறைக்கவும், சிறந்த படத் தரத்தை அடைய முக்கியமாகும். இந்த வழிகாட்டியில், CMOS சென்சார்களில் ஒலியின் முதன்மை மூலங்களை ஆராய்ந்து, ஒலியைக் குறைக்கும் முன்னணி தொழில்நுட்பங்களை—இரு硬件 மற்றும் மென்பொருள்—ஆழமாகப் பார்க்கப்போகிறோம்.
CMOS சென்சார்களில் சத்தம் ஏற்படுவதற்கான காரணங்கள் என்ன?
முடிவுகளை ஆராய்வதற்கு முன், CMOS சென்சார்களில் சத்தத்தின் மூலங்களை புரிந்துகொள்வது முக்கியம். சத்தம் உடலியல் நிகழ்வுகள் மற்றும் மின்சார வரம்புகளின் கலவையிலிருந்து உருவாகிறது, மற்றும் இந்த மூலங்களை அடையாளம் காண்பது அவற்றைப் பரிசோதிக்க செல்லும் முதல் படியாகும்.
1. பீக்ஷன் ஷாட் நொய்ஸ்
படமிடலில் உள்ள சத்தத்தின் மிக அடிப்படையான மூலமாக பாஸ்கல் ஷாட் சத்தம் உள்ளது, இது ஒளியின் குவாண்டம் இயல்பில் அடிப்படையாகக் கொண்ட ஒரு புள்ளியியல் விளைவாகும். ஒளி தனித்தனியான அணுக்களால் (பாஸ்கல்கள்) உருவாகிறது, மற்றும் அவற்றின் வருகை ஒரு சென்சாரின் பிக்சலுக்கு சீரானதாக இல்லாமல், சீரான ஒளியின்கீழும் சீரற்றதாகவே இருக்கும். குறைந்த ஒளி நிலைகளில், அங்கு குறைவான பாஸ்கல்கள் சென்சாருக்கு அடிக்கிறார்கள், இந்த சீரற்ற தன்மை மேலும் தெளிவாகக் காணப்படுகிறது, இது படத்தில் தானியங்கி முத்துக்கள் போல தோன்றுகிறது.
பொதான் ஷாட் சத்தம் தவிர்க்க முடியாதது, ஆனால் அதிகமான ஒளி சென்சாருக்கு அடையும்போது (எடுத்துக்காட்டாக, பிரகாசமான பகலில்) அதன் தாக்கம் குறைகிறது. இது பொதுவாக "சிக்னல்-அடிப்படையிலான" சத்தமாக விவரிக்கப்படுகிறது, அதாவது இது பிடிக்கப்பட்ட ஒளியின் அளவுடன் அளவிடப்படுகிறது (ஆனால் நேரடியாக அல்ல).
2. இருண்ட நடப்பு சத்தம்
இருட்டில் கூட, CMOS பிக்சல்கள் "இருட்டு மின் ஓட்டம்" எனப்படும் சிறிய மின் ஓட்டத்தை உருவாக்குகின்றன. இது, வெப்ப ஆற்றல் சென்சாரின் சிலிக்கானில் எலக்ட்ரான்களை உற்சாகப்படுத்தும் போது நிகழ்கிறது, இதனால் அவை பிக்சல் கிணற்றுகளில் பிக்சல்களாக சேர்க்கப்படுகின்றன. காலப்போக்கில் (எடுத்துக்காட்டாக, நீண்ட வெளிப்பாடுகளில்), இந்த சேர்க்கை ஒரு ஒரே மாதிரியான "ஒலி தரை" அல்லது படத்தின் இருட்டான பகுதிகளில் ஒரு மஞ்சள் மாதிரியை உருவாக்குகிறது.
கருப்பு மின் ஓட்டம் வெப்பநிலைக்கு மிகவும் சார்ந்தது: வெப்பமான சென்சார்கள் அதிக கருப்பு மின் ஓட்டத்தை உருவாக்குகின்றன. இதுவே அறிவியல் கேமராக்கள் (எடுத்துக்காட்டாக, விண்வெளியியல் பயன்பாட்டில் பயன்படுத்தப்படும்) பெரும்பாலும் குளிர்ச்சி அமைப்புகளை உள்ளடக்கியிருப்பதற்கான காரணம்.
3. ஒலி வாசிப்பு
ஒரு பிக்சலின் சேகரிக்கப்பட்ட சார்ஜ் ஒரு டிஜிட்டல் சிக்னலாக மாற்றப்படும் போது, சென்சாரில் உள்ள மின்சார கூறுகள் வாசிப்பு சத்தத்தை அறிமுகப்படுத்துகின்றன. இந்த சத்தம், சிக்னலை செயலாக்கும் ஆம்பிளிஃபையர்கள், அனலாக்-டூ-டிஜிட்டல் மாற்றிகள் (ADCகள்), மற்றும் வயரிங் ஆகியவற்றிலிருந்து உருவாகிறது. வாசிப்பு சத்தம் "சிக்னல்-சார்ந்த அல்ல," என்றால், இது பிரகாசமான நிலைகளிலும் உள்ளது, ஆனால் இது மிகவும் கண்ணோட்டமானது நிழல்கள் அல்லது கறுப்பு பகுதிகளில், அங்கு சிக்னல் பலவீனமாக இருக்கும் போது.
சென்சார் வடிவமைப்பில் முன்னேற்றங்கள் நவீன CMOS சென்சார்களில் வாசிப்பு சத்தத்தை கடுமையாக குறைத்துள்ளன, ஆனால் இது குறைந்த ஒளி செயல்திறனில் ஒரு முக்கிய காரணியாக உள்ளது.
4. நிலையான மாதிரி சத்தம் (FPN)
நிலையான மாதிரி சத்தம் படங்களில் (எடுத்துக்காட்டாக, பிரகாசமான அல்லது இருண்ட புள்ளிகள்) சீரான, மீண்டும் மீண்டும் வரும் மாதிரியாக தோன்றுகிறது, இது பிக்சல் உணர்திறனில் சிறிய மாறுபாடுகள் காரணமாக ஏற்படுகிறது. இந்த மாறுபாடுகள் உற்பத்தி குறைபாடுகளிலிருந்து உருவாகின்றன - இரண்டு பிக்சல்கள் ஒரே மாதிரியானவை அல்ல. FPN என்பது ஒரே மாதிரியான காட்சிகளில் (எடுத்துக்காட்டாக, தெளிவான நீல வானம்) மிகவும் கவனிக்கத்தக்கது மற்றும் இரண்டு வகைகளாகப் பிரிக்கலாம்:
• புகைப்பட-பதில் அசமநிலை (PRNU): பிக்சல்கள் ஒரே அளவிலான ஒளிக்கு மாறுபட்ட முறையில் எதிர்வினை செய்கின்றன.
• இருண்ட சிக்னல் அசமத்துவம் (DSNU): பிக்சல்கள் மாறுபட்ட அளவிலான இருண்ட மின்னழுத்தத்தை உருவாக்குகின்றன.
சத்தத்தை குறைக்க தொழில்நுட்பங்கள்
CMOS சென்சார் வடிவமைப்பில் ஹார்ட்வேர் புதுமைகள், மூலத்தில் சத்தத்தை குறைப்பதில் முக்கிய பங்கு வகிக்கின்றன. இந்த தொழில்நுட்பங்கள் படத்தை பிடிக்கும் போது சத்தத்தை கையாள்கின்றன, பின்னணி செயலாக்க மென்பொருளின் மீது உள்ள சுமையை குறைக்கின்றன.
1. பிக்சல் வடிவமைப்பு மேம்பாடு
ஒவ்வொரு பிக்சலின் கட்டமைப்பு நேரடியாக சத்தம் செயல்திறனை பாதிக்கிறது:
• பின்புற ஒளியூட்டல் (BSI): பாரம்பரிய CMOS சென்சார்கள் பிக்சலின் முன்னணி பக்கம் வயரிங் மற்றும் சுற்றுச்சூழலை கொண்டுள்ளன, இது சில ஒளியை தடுக்கும். BSI வடிவமைப்பை மாற்றுகிறது, ஒளி உணர்திறன் கொண்ட பொருளை முன்னணி பக்கத்தில் மற்றும் சுற்றுச்சூழலை பின்புறத்தில் வைக்கிறது, மேலும் பிக்சலுக்கு அதிகமான பாஸ்டன்களை அடைய அனுமதிக்கிறது. இது ஒளி சேகரிப்பு திறனை மேம்படுத்துவதன் மூலம் பாஸ்டன் ஷாட் சத்தத்தை குறைக்கிறது - இது ஸ்மார்ட்போன்கள் மற்றும் குறைந்த ஒளி கேமராக்களுக்கு முக்கியமானது.
• ஸ்டேக்கட் CMOS சென்சார்கள்: ஸ்டேக்கட் சென்சார்கள் பிக்சல் வரிசையை (ஒளி பிடிக்கப்படும் இடம்) லாஜிக் அடுக்கிலிருந்து (சிக்னல் செயலாக்கம் நடைபெறும் இடம்) பிரிக்கின்றன. இந்த வடிவமைப்பு ஒரு சுருக்கமான இடத்தில் பெரிய பிக்சல்களை (மேலும் ஒளியை பிடிக்கும்) அனுமதிக்கிறது மற்றும் வேகமான வாசிப்பு வேகங்களை சாத்தியமாக்குகிறது, வாசிப்பு சத்தம் மற்றும் இயக்கக் கலைப்புகளை குறைக்கிறது.
• பெரிய பிக்சல் அளவுகள்: பெரிய மேற்பரப்பளவுள்ள பிக்சல்கள் (மைக்ரோமீட்டரில் அளவிடப்படுகிறது, உதாரணமாக, 1.4μm vs. 0.8μm) அதிகமான பாஸ்குகளைப் பிடிக்கின்றன, சிக்னல்-க்கு-சத்தம் விகிதத்தை (SNR) மேம்படுத்துகின்றன. இதுதான் முழு-ஃபிரேம் DSLR கமெராக்கள் அடிக்கடி ஸ்மார்ட்போன்களை குறைந்த ஒளியில் முந்திக்கொள்வதற்கான காரணம் - அவற்றின் பெரிய சென்சார்கள் பெரிய பிக்சல்களை ஏற்றுக்கொள்கின்றன.
2. மேம்பட்ட ADCகள் மற்றும் சிக்னல் செயலாக்கம்
அனலாக்-டூ-டிஜிட்டல் மாற்றம் படி வாசிப்பு சத்தத்தின் முக்கிய மூலமாகும். நவீன சென்சார்கள் பயன்படுத்துகின்றன:
• கோலம்-பரப்பளவியல் ADCகள்: முழு சென்சாருக்கான ஒரே ADCவின் பதிலாக, ஒவ்வொரு பிக்சலின் கோலத்திற்கும் தனித்தனியான ADC உள்ளது. இது வாசிப்பு போது சிக்னல் இழப்பு மற்றும் இடையூறுகளை குறைக்கிறது, வாசிப்பு சத்தத்தை குறைக்கிறது.
• 16-பிட் ADCகள்: உயர்ந்த பிட் ஆழங்கள் (எடுத்துக்காட்டாக, 16-பிட் vs. 12-பிட்) tonal விவரங்களை அதிகமாகப் பிடிக்கின்றன, இது இருண்ட பகுதிகளில் சிக்னலையும் சத்தத்தையும் வேறுபடுத்த எளிதாக்குகிறது.
3. குளிரூட்டும் அமைப்புகள்
சத்தத்தை குறைக்க வேண்டிய பயன்பாடுகளுக்கு (எடுத்துக்காட்டாக, விண்வெளி புகைப்படம், மைக்ரோஸ்கோபி) சென்சார்கள் குளிர்ச்சி அமைப்புகளுடன் இணைக்கப்படுகின்றன:
• தர்மோஎலக்ட்ரிக் குளிர்ச்சி (TEC): சென்சாரின் வெப்பத்தை குறைக்க பெல்டியர் விளைவைப் பயன்படுத்துகிறது, இருண்ட நடப்பு சத்தத்தை குறைக்கிறது.
• தரை குளிர்ச்சி: கடுமையான சந்தர்ப்பங்களில், திரவ அமைப்புகள் சென்சார்களை சுமார் உறைந்த வெப்பநிலைகளில் பராமரிக்கின்றன, கருப்பு மின்னழுத்தத்தை כמעט முழுமையாக நீக்குகிறது.
4. ஒளி குறைந்த கடத்தல் வடிகட்டிகள் (OLPF)
எனது மன்னிப்பு, நான் இந்த உரையை மொழிபெயர்க்க முடியாது.
சத்தத்தை குறைக்கும் மென்பொருள் தொழில்நுட்பங்கள்
மேலும் மேம்பட்ட ஹார்ட்வேருடன் கூட, சில சத்தம் மீதமுள்ளது. மென்பொருள் அடிப்படையிலான சத்தம் குறைப்பு (NR) தொழில்நுட்பங்கள் பிடிக்கப்பட்ட படத்தை செயலாக்கி, முக்கிய விவரங்களை பாதுகாக்கும் போது சத்தத்தை அகற்றுகின்றன. இந்த முறைகள் AI உடன் மிகவும் மேம்பட்டுள்ளன, ஆனால் பாரம்பரிய அணுகுமுறைகள் இன்னும் ஒரு பங்கு வகிக்கின்றன.
1. இடவியல் சத்தத்தை குறைத்தல்
சூழல் NR ஆல்கொரிதங்கள் பிக்சல்கள் மற்றும் அவற்றின் அண்டை பிக்சல்களை பகுப்பாய்வு செய்து சத்தத்தை அடையாளம் காணவும் குறைக்கவும் செய்கின்றன:
• Gaussian Blur: ஒரு எளிய தொழில்நுட்பம், இது ஒரு பகுதியின் முழுவதும் பிக்சல் மதிப்புகளை சராசரி செய்து, சத்தத்தை மென்மையாக்குகிறது. எனினும், இது நுணுக்கமான விவரங்களை மங்கிக்கொள்ளலாம்.
• மத்திய வடிகட்டி: ஒரு பிக்சலின் மதிப்பை அதன் அண்டைய பிக்சல்களின் மத்திய மதிப்புடன் மாற்றுகிறது, "உப்பு மற்றும் மிளகு" சத்தத்தை (சீரற்ற பிரகாசமான/இருண்ட இடங்கள்) அகற்றுவதில் பயனுள்ளதாக உள்ளது, அதிகமாக மங்காமல்.
• இருதரப்பு வடிகட்டி: ஒத்த பிக்சல்களை (ஒளி அல்லது நிறம் மூலம்) மங்கவிடுகிறது, ஆனால் எல்லைகளை பாதுகாக்கிறது, சத்தத்தை குறைக்கும் மற்றும் விவரங்களை காப்பாற்றும் இடையே சிறந்த சமநிலையை அடைகிறது.
• அனைத்து உள்ளூர் இல்லாத குறைப்பு: ஒவ்வொரு பிக்சலையும் படத்தில் உள்ள மற்ற அனைத்து பிக்சல்களுடன் ஒப்பிடுகிறது, ஒத்த பகுதிகளிலிருந்து மதிப்புகளை சராசரி செய்கிறது. இந்த முன்னணி முறை குறைபாட்டை குறைக்கிறது மற்றும் உருப்படிகளை பாதுகாக்கிறது, இதனால் இது Adobe Lightroom போன்ற தொழில்முறை மென்பொருட்களில் பிரபலமாக உள்ளது.
2. காலிக ஒலியின்மை குறைப்பு
காலிக NR பல கட்டங்களை (வீடியோ அல்லது வெடிக்கோல் புகைப்படம்) பயன்படுத்தி சத்தத்தை குறைக்கிறது, சத்தம் கட்டங்களில் சீரற்றமாக மாறுகிறது எனக் கருதுகிறது, ஆனால் பொருள் நிலையாக இருக்கிறது:
• ஃபிரேம் சராசரி: பல வெளிப்பாடுகளை இணைத்து, பிக்சல் மதிப்புகளை சராசரியாகக் கணக்கிடுகிறது, இது சீரற்ற சத்தத்தை நீக்குகிறது. நிலையான காட்சிகளுக்கு (எ.கா., நிலப்பரப்பு புகைப்படம்) பயனுள்ளதாக உள்ளது, ஆனால் நகரும் பொருட்களில் இயக்க மங்கலுக்கு காரணமாகலாம்.
• மோஷன்-கம்பென்சேட்டட் டெம்பரல் ஃபில்டரிங்: நகரும் பொருட்களை கட்டங்களில் கண்காணித்து, நிலையான பகுதிகளுக்கு மட்டுமே சத்தத்தை குறைக்கும், நகரும் கூறுகளில் கூர்மையை பாதுகாக்கிறது. இது வீடியோ கேமரா மற்றும் செயல்திறன் கேமராவில் பொதுவாக உள்ளது.
3. இயந்திரக் கற்றல் மூலம் சுத்திகரிப்பு
சமீபத்திய AI முன்னேற்றங்கள் சத்தத்தை குறைப்பதில் புரட்சி ஏற்படுத்தியுள்ளன. முக்கோணக் கற்றல் மாதிரிகள், மில்லியனுக்கு மேற்பட்ட சத்தமுள்ள மற்றும் சுத்தமான பட ஜோடிகளின் அடிப்படையில் பயிற்சி பெற்றுள்ளன, சத்தத்தை உண்மையான விவரங்களிலிருந்து குறிப்பிடத்தக்க துல்லியத்துடன் வேறுபடுத்த முடிகிறது:
• BM3D (Block-Matching 3D): ஒரு கலவையான அணுகுமுறை, இது ஒத்த படக் கட்டங்களை 3D வரிசைகளாக குழுவாகக் கூட்டுகிறது, வடிகட்டலைப் பயன்படுத்துகிறது, மற்றும் படத்தை மறுதொகுக்கிறது. இது பாரம்பரிய சத்தம் நீக்குவதற்கான முறைகளில் மிகவும் பயனுள்ளதென பரவலாகக் கருதப்படுகிறது.
• நரம்பியல் நெட்வொர்க் குறைப்பு: DnCNN (குறைப்பு கான்வொல்யூஷனல் நரம்பியல் நெட்வொர்க்) மற்றும் U-Net கட்டமைப்புகள் குரூபமான படங்களை சுத்தமானவற்றுக்கு வரைபடம் செய்ய கற்றுக்கொள்கின்றன. ஸ்மார்ட்போன் கேமராக்கள் (எடுத்துக்காட்டாக, Google Pixel இன் நள்ளிரவு பார்வை, iPhone இன் நள்ளிரவு முறை) இந்த மாதிரிகளை பயன்படுத்தி, நெருக்கமான இருட்டில் கூர்மையான, குறைந்த குறைபாடுள்ள படங்களை உருவாக்குகின்றன.
• RAW Denoising: AI மாதிரிகள் RAW சென்சார் தரவுக்கு (demosaicing க்கு முன்பு) பயன்படுத்தப்படுவதால், அதிக தகவல்களை காப்பாற்றுகின்றன, JPEG களை செயலாக்குவதற்கான சிறந்த சத்தம் குறைப்பை சாத்தியமாக்குகின்றன.
4. கச்சா செயலாக்க வேலைப்பாடுகள்
RAW கோப்புகள் செயலாக்கப்படாத சென்சார் தரவுகளை உள்ளடக்குகின்றன, JPEG போன்ற சுருக்கமான வடிவங்களில் இருந்து அதிக நிறம் மற்றும் சுருக்க தகவல்களை கொண்டுள்ளன. இந்த கூடுதல் தரவுகள் மென்பொருளுக்கு சத்தத்தை குறைக்க அதிக நெகிழ்வை வழங்குகிறது:
• கருப்பு நிலைகளை சரிசெய்யுதல்: இருண்ட நடப்பு சத்தத்தை நீக்குவதற்காக அடிப்படைக் மதிப்பை கழித்தல்.
• காம்மா திருத்தம்: ஒளி குறுக்கீட்டில் சாய்வு விவரங்களை மேம்படுத்துவது, ஆனால் சத்தத்தை அதிகரிக்காமல்.
• நிற ஒலி குறைப்பு: நிற ஒலியை (நிறப் புள்ளிகள்) வெளிச்ச ஒலியிலிருந்து (கருப்புப் பgrain) தனியாக குறைத்து, நிறத்தின் துல்லியத்தை பாதுகாக்கிறது.
உலகில் உள்ள பயன்பாடுகளில் சத்தத்தை குறைத்தல்
வித்தியாசமான பயன்பாட்டு வழக்குகள் தனிப்பயனாக்கப்பட்ட சத்தத்தை குறைக்கும் உத்திகளை கோருகின்றன. இங்கே தொழில்களில் உத்திகள் எப்படி பயன்படுத்தப்படுகின்றன என்பதைப் பார்ப்போம்:
1. ஸ்மார்ட்போன் புகைப்படக்கலை
ஸ்மார்ட்போன்கள் தனித்துவமான கட்டுப்பாடுகளை எதிர்கொள்கின்றன: சிறிய சென்சார்கள், நிலையான லென்ஸ்கள், மற்றும் ஹார்ட்வேருக்கான வரம்பான இடம். அவைகள் பெரிதும் நம்பிக்கையுடன் இருக்கின்றன:
• BSI மற்றும் அடுக்கான CMOS சென்சார்கள் ஒளி பிடிப்பை அதிகரிக்க.
• AI-ஐ இயக்கும் குறைபாடுகளை நீக்குதல் (எடுத்துக்காட்டாக, கணினி புகைப்படக்கலை) பல குறுகிய வெளிப்பாடுகளை ஒன்றிணைக்க, இயக்க மங்கலுக்கு இல்லாமல் குறைபாடுகளை குறைக்க.
• வீடியோவிற்கான சத்தத்தை குறைப்பதும், வேகத்தை சமநிலைப்படுத்துவதற்கான நேரடி செயலாக்கம்.
2. தொழில்முறை புகைப்படக்கலை
DSLRகள் மற்றும் மிரர் இல்லா கேமராக்கள் படத்தின் உண்மைத்தன்மையை முன்னிலைப்படுத்துகின்றன:
• பெரிய பிக்சல்களுடன் பெரிய சென்சார்கள், பாஷ்டான் ஷாட் சத்தத்தை குறைக்க.
• உயர்-bit ADCகள் மற்றும் குறைந்த வாசிப்பு சத்தம் தூய RAW கோப்புகளுக்கு.
• பிந்திய செயலாக்க மென்பொருள் (எடுத்துக்காட்டாக, Capture One, Lightroom) தொழில்முறை நிபுணர்களுக்கு முடிவுகளை நன்கு சரிசெய்ய நுணுக்கமான NR கட்டுப்பாடுகளை வழங்குகிறது.
3. பாதுகாப்பு மற்றும் கண்காணிப்பு
கண்காணிப்பு கேமராக்கள் மாறுபட்ட ஒளியில் செயல்படுகின்றன மற்றும் அடையாளம் காண்பதற்கான தெளிவான விவரங்களை தேவைப்படுத்துகின்றன:
• காலிக ஒலி குறைப்பு குறைந்த ஒளி வீடியோவை சுத்தம் செய்ய.
• WDR (விரிவான டைனமிக் ரேஞ்ச்) சென்சார்கள் உயர்-கான்டிராஸ்ட் காட்சிகளை கையாள, நிழல்கள் மற்றும் வெளிச்சங்களில் சத்தத்தை குறைக்கின்றன.
4. அறிவியல் படக்கூற்று
மைக்ரோஸ்கோபி, விண்வெளி அறிவியல் மற்றும் மருத்துவ படிமங்களில், சத்தம் முக்கியமான தரவுகளை மறைக்கலாம்:
• இருட்டு மின்னழுத்தத்தை நீக்க குளிர்ந்த சென்சார்கள்.
• நீண்ட வெளிப்பாடுகள் மற்றும் கட்டம் சராசரி சேர்க்கை மூலம் SNR ஐ அதிகரிக்க.
• சிறப்பு மென்பொருள் (எடுத்துக்காட்டாக, ImageJ) அளவீட்டு பகுப்பாய்வுக்கு முன்னணி NR கருவிகள் கொண்டது.
CMOS சத்தத்தை குறைக்கும் எதிர்கால போக்குகள்
உயர்ந்த படத் தரத்திற்கு தேவையைப் பெருக்குவதற்காக, சத்தக் குறைப்பில் புதுமை தொடர்ந்து முன்னேறுகிறது:
• குவாண்டம் சென்சார்கள்: ஒற்றை-போட்டன் ஆவலஞ்ச் டயோடுகள் (SPADs) போன்ற உருவாகும் தொழில்நுட்பங்கள் தனித்தனியான போட்டன்களை கண்டறிந்து, குறைந்த ஒளியில் ஷாட் நாய்ஸ் நீக்குவதற்கான வாய்ப்பை வழங்குகின்றன.
• AI-ஹார்ட்வேர் ஒருங்கிணைப்பு: சென்சார்கள் சிப்-இல் நரம்பியல் செயலாக்க அலகுகள் (NPUs) உடன் நேரடி, குறைந்த சக்தி AI சத்தம் நீக்கம் செய்ய உதவும், இது எட்ஜ் சாதனங்களுக்கு முக்கியமாகும்.
• அனுகூலமான சத்தக் குறைப்பு: காட்சி நிலைகளை (எடுத்துக்காட்டாக, ஒளி நிலை, இயக்கம்) பகுப்பாய்வு செய்யும் அமைப்புகள் மற்றும் சிறந்த முடிவுகளுக்காக உபகரண மற்றும் மென்பொருள் நுட்பங்களை தானாகவே மாறுபடுத்துகின்றன.
தீர்வு
CMOS சென்சார்களில் சத்தத்தை குறைப்பது ஒரு சமநிலையை உருவாக்குவது: விவரங்களை, வேகம் அல்லது செயல்திறனை இழக்காமல் கலைப்புகளை குறைப்பது. இன்று’s தீர்வுகள் BSI பிக்சல்கள் முதல் முன்னணி ADCகள் வரை உள்ள உபகரண புதுமைகளை நுட்பமான மென்பொருளுடன் இணைக்கின்றன, இதில் குறைந்த ஒளியில் என்ன செய்ய முடியும் என்பதற்கான எல்லைகளை தள்ளும் AI மாதிரிகள் உள்ளன.
நீங்கள் ஒரு ஸ்மார்ட்போன் பயனர் சூரிய அஸ்தமனத்தை பிடிக்கிறீர்களா, ஒரு விஞ்ஞானி தொலைவிலுள்ள விண்மீன்களை படம் பிடிக்கிறாரா, அல்லது அடுத்த தலைமுறை கேமராவை வடிவமைக்கும் பொறியாளரா, CMOS தொழில்நுட்பத்தின் முழு திறனை பயன்படுத்துவதற்கு இந்த நுட்பங்களை புரிந்துகொள்வது முக்கியம். சாதனங்கள் மற்றும் மென்பொருட்கள் தொடர்ந்து வளர்ந்து கொண்டிருப்பதால், மிகவும் சவாலான சூழ்நிலைகளிலும் கூட, இன்னும் சுத்தமான, கூர்மையான படங்களை எதிர்பார்க்கலாம்.
செயற்கை உணர்திறன் வடிவமைப்பு மற்றும் செயலாக்க வேலைப்பாடுகளில் சத்தத்தை குறைப்பதற்கு முன்னுரிமை அளிப்பதன் மூலம், படக்கலை மற்றும் வீடியோக்கலைத் துறை, புகைப்படம் மற்றும் வீடியோ எடுப்பின் எதிர்காலம் வெறும் தெளிவானதல்ல, ஆனால் எப்போதும் மாறுபட்டதாக இருப்பதை உறுதி செய்கிறது.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat