从机器人到网络摄像头，依赖图像数据来实现安全操作或执行核心功能的应用数量和种类不断增加。而对于拍摄这些图像的传感器来说，现代应用带来了许多挑战，要保证图像精度就必须克服这些挑战。

比如，在车辆或安防摄像头这样的应用中，传感器需要能够在黑暗或高动态场景中拍摄出高质量的画面，还要能够精确跟踪移动物体，并且不受 LED 灯光的干扰。

这就需要用到一些先进技术，例如 HDR 片上智能线性化，以确保传感器即使在很有挑战性的场景中也能捕获准确的图像。

HDR 合并的挑战

合并多张图像的过程称为“线性化”，由于如今传感器的分辨率很高，线性化可能需要很强的处理能力和很大的内存。

由于这些图像是在相隔很短的时间点拍摄的，所以移动的物体或闪烁的灯光可能会造成图像质量问题，例如最终合成的图像中出现伪影。但是，如果将智能技术应用于线性化过程，就可以缓解或完全避免这些问题。线性化的问题之一发生在从长曝光图像到短曝光图像的过渡过程中，由于两张图像的信噪比不同，最终图像上可能会出现一条反映这种突然变化的线。

图 1：智能线性化可以让 HDR 处理中的过渡更自然

智能线性化可以根据长曝光和短曝光图像中的信号水平，计算出一个加权信号，从而让过渡更平滑，改善最终图像的质量。

物体运动是另一个具有挑战性的问题，在监控、执法记录仪和工业机器人等应用中很常见。由于要处理的多张图像是在不同时间点拍摄的，因此移动的物体在每张图像中的位置会略有不同。

我们可以用一个转动的风扇来模拟这种情况。安森美 (onsemi) 的 AR0822 图像传感器可以检测出长曝光和短曝光图像之间移动物体的位移。利用这些信息，可以产生一个合成信号，消除物体运动造成的色彩伪影。

图 2：智能线性化可以减轻物体运动带来的影响

如果放大没有使用智能线性化的合并图像，可以看到一条线，而智能线性化可以消除这条线。

图像感知最常见的挑战之一是到处可见的 LED 照明的干扰。场景中可能有 LED 灯光，或者使用 LED 灯光来照亮场景。LED 灯光不是恒定的，在长曝光和短曝光图像之间可能会发生很大变化，这可能会导致图像的色调发生变化，或者 LED 可能看似“关闭”，但人眼却能清楚地看到它是“打开”的。

图 3：对于不具备智能线性化功能的图像传感器， LED 光会影响高质量成像

同样，通过感知两次捕捉之间线性化信号的差异，可以生成一个合成信号，从而减轻 LED 看似“关闭”的问题，以及由此产生的颜色失真。

系统级优势

随着图像感知系统变得愈加精密、采用多个高分辨率摄像头，处理水平和数据吞吐量急剧上升，给外部图像信号处理器 (ISP) 或系统单芯片 (SoC) 带来了压力。

然而，使用 eHDR 等技术，将线性化从 ISP 转移到智能图像传感器（如 AR0822），带宽需求就会大大降低，因为只有最终图像会被发送到 ISP。这也减少了 ISP 内部所需的计算量，从而在不显著增加带宽的情况下就能实现更高的帧率。

安森美的图像传感器内置了先进的智能线性化算法，可以减轻或消除在合并多重曝光 HDR 图像时产生的任何伪影。这样，将一个或多个传感器集成到外部 ISP/SoC 上就能变得更容易。