Quad Bayer与Binning深度解析：像素排列、读出策略与选型指南

做图像传感器方案这几年，我经常遇到有人把Quad Bayer和Binning放在一起对比，甚至直接问“我到底该选Quad Bayer还是Binning”。乍一听好像是个选择题，但真正调过CMOS传感器的人都知道，这俩根本不在同一个维度上。Quad Bayer是一种像素排列方式，Binning是一种读出策略，两者经常同时出现在同一颗传感器里，只是在不同工作模式下分别生效。这篇文章我就从实际调试的角度，把这两个概念拆开揉碎讲清楚，再给出几个应用场景下的选型思路，希望对你下一个项目有帮助。

1. 先理清一个常被混淆的逻辑：Quad Bayer是像素排布，Binning是读出策略

很多人第一次看到Quad Bayer这个词，是从手机发布会听到的，比如“5000万像素四合一像素”。厂商的这个宣传把两个概念绑在一起讲，导致大家默认Quad Bayer就等于四合一输出。实际上，Quad Bayer说的是传感器色彩滤波阵列（CFA）的排列方式，Binning说的是传感器在读出时如何处理相邻像素的信号。一个是结构，一个是行为，两者可以组合使用，也可以独立存在。

1.1 Quad Bayer真正改变的是像素排列方式

传统拜耳阵列（Bayer Pattern）的排列原则是：一行RGRG，下一行GBGB，每个像素拥有独立的颜色滤镜，每个2x2子块内有R、G、G、B四个不同颜色。这样排列的好处是，相邻像素各不相同，颜色信息在空间上交错分布，单帧就能同时采到完整RGB信息，缺点也很直接：绿像素只占一半，红蓝各占四分之一，低光下每个像素收集的光子量都不够，信噪比会明显下滑。

Quad Bayer把CFA改成了2x2同色像素簇。具体来说，它的最小重复单元是4x4，其中左上角2x2全是R，右上角2x2全是G，左下角2x2全是G，右下角2x2全是B。也就是说，同样一颗5000万像素的传感器，在物理排布上每4个同色像素共享一块颜色滤镜。这颗传感器在出厂时，CFA是“大学宿舍式的四人间”——四个同颜色像素住一起，看似浪费了色彩分辨率，却为后续的合并输出和重排输出留出了操作空间。

这个设计的好处非常明显：它允许同一颗传感器在两种完全相反的工作模式之间切换。需要高分辨率时，通过重排（Remosaic）算法，把2x2同色像素重新映射成传统拜耳排列，输出5000万像素全分辨率照片；需要弱光画质时，把2x2同色像素合并成一个等效大像素，输出约1250万像素照片。一颗传感器，两种个性，这种灵活性正是Quad Bayer被手机、平板、车载摄像头广泛采用的核心原因。

1.2 Binning不只是一个开关，而是一条完整的数据通路

Binning，中文常叫像素合并，比Quad Bayer出现的早得多。早在传统拜耳阵列时代，工业相机和安防摄像头就有这个功能。它的核心思想是：把相邻像素的信号合在一起读出，用一个物理单元的能量去表征2x2或3x3范围内的平均亮度，从而提升灵敏度。

按合并发生的阶段，Binning可以粗略分成两类。第一类是模拟域Binning，也叫电荷域合并，通常的做法是在像素内部或像素阵列的读出通路里，把多个像素的电荷先汇入同一个浮空扩散节点，再做一次读出。这样做的直接效果是，4个像素的电荷被累加成一份大电荷，相当于一个物理上的大感光面积，读出噪声仍然只有单次读出的量，低光表现提升非常明显。这类Binning在CCD时代就很常用，CMOS传感器里一些型号也支持。

第二类是数字域Binning，更常见于现代CMOS图像传感器。像素各自独立读出、各自经过ADC转换，数字图像上相邻2x2的数值相加取平均，再输出。这类Binning实现灵活，不需要改动模拟电路，但劣势是读出噪声没有被平均掉，而是四份噪声叠加。信号提升4倍，随机噪声只提升2倍，最终信噪比还是有提升，只是不如模拟域合并来得干净。

1.3 为什么两者总被放一起比较：因为它们在“输出什么”这个点上相遇

既然Quad Bayer像素本身是同色四合一排列，那只要把2x2同色像素合并成一个大像素，输出图像就会自然变成预期中的低分辨率高灵敏度画面。这种合并操作，从传感器工作流程角度看，就是一次典型的Binning行为。所以厂商宣传里“四合一”就是把这个过程简化为一个卖点。

同样的道理，如果传感器不支持Binning，Quad Bayer就是个麻烦。你拍一张照片，图像传感器输出的是四同色排布的RAW，边缘会有大量伪彩和错误的颜色间距，正常软件解不开这种RAW，必须经过Remosaic插值。所以实际项目中，Quad Bayer传感器基本都内置了2x2 Binning或者等效的合并输出模式，也就难怪很多人把这两个概念划等号了。但从选型角度，你必须要知道：Quad Bayer决定的是这枚传感器能不能做全分辨率重排，Binning决定的是低光模式能做得多好、有多快。两者的能力边界不同，对ISP和系统的影响也不同。

2. Binning的物理账：从光子到电子的合并，为什么暗光画质提升明显

理解了概念，接下来要把账算清楚。很多人知道Binning能提升暗光性能，但说不清提升多少、是什么条件下的提升、有没有副作用。我建议所有选型工程师都走一遍这条推导，比看任何数据表都管用。

2.1 2x2合并的信噪比账：信号翻4倍，噪声只翻2倍

先设一个最理想的简化模型。假设一个像素在某一光照下产生的光电子数是N，那么它的散粒噪声（Shot Noise）是sqrt(N)，这个噪声源于光子到达的随机性，是物理极限。单像素信噪比SNR就是N/sqrt(N) = sqrt(N)。

做2x2合并后，4个像素的光电子全部累加，信号量变成4N。散粒噪声的规律是方差相加：四个像素的散粒噪声方差都是N，总方差是4N，总噪声是sqrt(4N)=2sqrt(N)。合成信噪比就是4N / 2sqrt(N) = 2sqrt(N)。

把两个SNR对比一下，合并后是合并前的2倍。用dB表示，20log10(2)约等于6.02dB。也就是说，在散粒噪声受限的理想情况下，2x2 Binning能让信噪比提升约6dB，这几乎相当于把一档曝光时间或一档光圈加到了传感器上。这也是为什么很多安防摄像头在全彩夜视模式下，实际输出的分辨率远低于标称像素，但画面的确更亮更干净的原因。

但这里有个重要的前提：这个6dB只在散粒噪声主导的情况下成立。实际使用中，如果场景极度低光、读出噪声接近甚至超过散粒噪声，或者传感器存在明显的固定模式噪声（FPN）和像素响应不均匀（PRNU），合并带来的真实收益会打折扣。数字域Binning还会额外引入ADC读出噪声的叠加，虽然随机噪声叠加规律同样符合方差相加，但只要读出链路里有任何系统性偏差，合并后的画质就不会像理论值那么理想。所以数据表上的“暗光SNR提升”仅供参考，实际一定要实测。

下面这段Python代码可以直接用来估算不同光电子数下的信噪比提升，方便你快速判断某个方案值不值得上Binning：

import math def snr_db(N, pixels=4): signal = N * pixels shot_noise = math.sqrt(signal) snr = signal / shot_noise return 20 * math.log10(snr) # 对比不同光电子数下，单像素与4像素合并的SNR for N in [5, 10, 50, 100, 500]: print(f"N={N:5.0f} e- | 单像素SNR={snr_db(N, 1):6.2f} dB | 合并SNR={snr_db(N, 4):6.2f} dB " f"| 提升={snr_db(N, 4) - snr_db(N, 1):5.2f} dB")

运行结果很直观：无论N是多少，合并后的SNR都刚好比合并前高6dB。只要你的目标场景处于散粒噪声主导区，这个理论值就是可靠的。

2.2 模拟域合并和数字域合并的差异：噪声处理不在同一层次

刚才提到模拟Binning和数字Binning，实操中对画质影响差异很大。我举个真实调过的项目例子：一颗200万像素的安防传感器，原生像素尺寸1.45μm，支持2x2模拟合并，合并后等效2.9μm像素，输出50万像素。在0.1 lux的光照下，模拟合并模式能把画面主体轮廓看得很清楚，噪点虽有但颗粒感均匀，没有明显横向条纹。同样场景下，如果用数字2x2 binning，信号量提升一样，但读出噪声处理不如模拟合并干净，等亮度的画面上会看到更多的高频噪声点，尤其暗部区域更明显。

原因在于模拟合并是先把电荷累加再做一次放大和模数转换，等效于放大器的输入信号更大，读出噪声只分摊到4个像素信号上。数字合并则是每颗像素先独立经过放大和ADC，再把4个数值相加，读出噪声、复位噪声、ADC量化误差都是4份叠加。虽然随机噪声符合平方和关系，但如果传感器本身的读出噪声偏大，数字合并的收益就会被稀释。所以，如果项目里有极低照度场景，优先找支持模拟域Binning的传感器；如果只是通用场景，数字Binning的灵活性和成本优势可能更合适。

2.3 动态范围的额外收益和重排的代价

除了信噪比，Binning还有一个容易忽略的福利：动态范围。合并后等效像素面积变大，满阱电荷量也会相应变大。比如原像素满阱4000e-，2x2合并后满阱可以到16000e-（理想情况下），同一场景下，高光区域不容易提前饱和，能容纳更大的信号摆幅，这让暗部和亮部能同时保留更多层次。这也是为什么很多传感器的HDR模式喜欢结合合并输出一起用。

不过，Quad Bayer传感器的全分辨率输出并不免费。它需要经过Remosaic重排算法，把2x2同色像素“拆回”拜耳排列。这个过程很依赖插值算法，如果插值不当，画面边缘会出现方向性伪彩，尤其在灰阶纹理和细密线条区域，比如毛衣纹路、百叶窗、远处铁丝网，肉眼很容易看出紫边或彩点。我调试过一台预研机，Remosaic模式下拍黑白色卡，RGB通道不一致导致灰卡上出现很明显的粉色条纹，折腾了三四天才用黑电平校准和偏色校正矩阵压下去。

所以选Quad Bayer传感器前，务必问清楚ISP端有没有成熟的Remosaic方案，以及重排后中心与边缘的MTF50值能做到多少。不少平台只是简单做了个色差修正，输出看似正常，一放大截图就露馅。全分辨率重排的解析力打折问题，几乎可以确定，但打折比例差异很大，有的能保持在95%以上，有的只有70%，这个数据只能靠实测。等到了选型阶段，你会后悔没早点把这块纳入测试项。

3. 场景化对比：不同行业应该怎么选

理论讲完，落到实际选型。不同应用场景对图像传感器的诉求差异很大，下面从手机影像、安防监控、车载摄像头、工业机器视觉四个方向谈谈我的理解。

3.1 手机影像：追求“按需切换”的均衡方案

手机行业是Quad Bayer推广最猛的地方。原因很简单：消费者既想要高像素数、能数毛，又想要暗光拍照能看，而物理空间又放不下大底大像元，Quad Bayer成了用一颗传感器同时满足两种需求的最现实的方案。

在手机主摄上，我的选型建议是优先看像素尺寸和满阱电荷量，而不是单纯看像素数。同样5000万像素，0.7μm和1.0μm两种方案的暗光差距肉眼可见。0.7μm像素在合并后等效1.4μm，1.0μm合并后等效2.0μm，后者单片暗光进来的光量更大，信噪比优势明显。手机上还有超广角和潜望长焦，超广角建议选约4000万到5000万像素、阵列较小的传感器，因为超广角更多是记录大场景和大动态范围，过度追求像素意义不大；潜望长焦反而可以选像素高一点的，因为长焦适合数码裁剪，合并输出后的噪点控制对弱光变焦画质至关重要。

这里最容易踩的坑是“默认像素数”和“实际输出像素数”不一致导致的体验困惑。有些手机默认拍1200万像素，光线不足时切回低分辨率模式，用户缩放对比时会觉得“怎么变糊了”。设计上要把模式切换策略写成“渐进式”：暗到一定程度才切到四合一输出，而不是一进夜景就全用低分辨率，否则长焦和主摄之间的观感断层会很严重。

3.2 安防与车载：暗光与HDR优先，合并是默认项

安防摄像头和车载摄像头是另一个极端。它们对像素数的敏感度远低于对低光照度和运动拖影的敏感度。安防场景，尤其是定焦枪机，晚上依然要输出可用的人脸、车牌、行为轮廓，这时Quad Bayer的合并输出基本就是默认运行状态。实际项目里，我更看重的是传感器在合并模式下的灵敏度覆盖范围，以及帧率是否因为在2x2合并时通过降低行周期而得到提升。

车载应用里，除了低光，还强调高动态范围。车道上的隧道出入口、夜间对向大灯、树荫与强烈顺光并存，这些都容易过曝。选型时建议关注传感器是否有单帧多曝光HDR能力，Quad Bayer像素在这类传感器中越来越常见，因为合并模式天然提高了暗部灵敏度，配合长中短曝光合成，整个场景的HDR表现会更自然。有一点需要特别提醒：车载系统在HDR合成时，如果曝光帧之间发生运动，容易出现重影，要确认ISP端有没有可靠的动态对齐和去重影方案，这块翻车的案例不少。

3.3 工业与机器视觉：分辨率和一致性说话

工业检测和机器视觉的选型逻辑又不一样。这类场景通常光照可控，不太依赖Binning去补灵敏度，反而更看重整张图像的一致性、畸变控制、像元响应均匀性，以及高速读出能力。如果产线上需要抓取极细的裂纹、划痕或微小缺陷，建议优先选择大靶面、原生高分辨率、像素尺寸不太小的传感器，必要时用软件层面的Binning做快速预扫描，再用全分辨率模式精拍。

还需要考虑的是帧率带宽。很多高速检测要求每秒30帧以上的全分辨率输出，这需要传感器支持高带宽接口，比如MIPI CSI-2多通道或SLVS-EC。开了Binning虽然输出像素减少、接口压力下降，但代价是细节丢失，有些表面缺陷恰恰就藏在细节里。另外，工业环境温度变化大，Binning合并后暗电流也会累加，长时间运行画面容易出现暗角或亮度偏移，最好在标定阶段做一次多点温度的黑电平补偿。

4. 选型决策的四个实用步骤

每个项目都有自己的特殊性，但选型逻辑是有共性的。我这里总结四步走，适合大多数需要评估Quad Bayer或Binning能力的项目。

4.1 第一步：列出输出目标与光线预算

选型第一步不是看芯片规格书，而是把最终使用场景写清楚。你需要回答几个问题：最终输出给用户或算法的是RAW还是YUV？目标分辨率是多少？最暗环境下照度大概多少？画面里要求能看到多小的目标？

这些指标决定了你可接受的最小像素尺寸。比如你要求夜间0.1 lux环境下依然能识别5米外的人脸，合并后的等效像元尺寸最好在1.5μm以上，一定小于1.4μm像素就别碰了。有了光线预算后，再倒推传感器增益、快门时间、镜头光圈，可以快速缩小候选范围。

4.2 第二步：评估合并模式的“副作用”

Binning不是白白送的性能，它会把一些隐藏问题放大。最典型的是坏点，一个亮点坏像素在合并后会被放大成一个大亮点，而且不同位置的坏点合并后形态各异；其次是暗电流不均，合并后暗部会出现块状亮度差异，这种伪纹理在黑色背景场景里很显眼；还有CFA串扰，Quad Bayer因为同色像素紧挨着，电学串扰会比传统拜耳更明显，极端角度光照射下会出现色偏。

所以我建议在评估阶段就抓几颗样片，在暗房用均匀光源拍灰色板，分别输出单像素模式和合并模式，计算FPN和PRNU，肉眼还要看有没有明显mura。实测数据比规格书里写的“Binning模式暗电流”来得真实得多。

4.3 第三步：把ISP和接口带宽拉进来一起算

传感器选得再好，ISP跟不上一样白搭。Quad Bayer全分辨率输出模式下，RAW数据量是极大的。以5000万像素RGB Bayer编码10bit为例，一帧RAW约50MB，30fps就是1.5GB/s的数据流，这对接口和ISP的管线吞吐都是巨大考验。如果没有对应的硬件Remosaic单元，纯软件重排的算力开销会让你整个模组发热量上升，出图延迟也会明显增加。

我的经验是，先列出下列三项再选传感器：传感器支持的最大输出模式、接口型号与lane数、后端ISP在对应分辨率下的帧率余量。三者必须互相匹配。如果接口带宽吃紧，有几种缓解方案：开Binning输出降低分辨率、用RAW压缩、降低帧率，但这都会影响体验，最好还是选择带宽余量充足的组合。

4.4 第四步：用标准测试图验证，而不是肉眼看样张

最后一步是实测。室内看样张只能给你一个模糊的感觉，不能给你可复现的结论。我建议准备这几样东西：24色色卡、ISO 12233分辨率测试卡、灰阶卡、以及一个可控亮度的积分球或灯箱。用同一镜头、同一焦距、同一白平衡，在不同照度下分别拍摄全分辨率、合并模式、开启Remosaic和关闭Remosaic的样张，然后用Imatest或专用软件计算MTF50、SNR和动态范围。

实际测试中，我经常遇到规格书上标称“Binning模式帧率30fps，全分辨率帧率10fps”的传感器，但开合并后噪声形态反而比全分辨率重采样更差的情况。所以优化输出策略，不一定非得走传感器内Binning，也可以全分辨率输出后在ISP里做数字重采样。两种方式殊途同归，但适用条件不同，一定要用实测数据说话。

5. 高频问题与排查速查

做图像传感器这几年，我在Binning和Quad Bayer相关项目里踩过不少坑，下面把最常遇到的现象和排查思路整理成表，算是给大家的一个避坑参考。

除了表格，还有两个经验值得单独提。一是温度对暗电流的影响被很多人低估。在室外密闭的枪机外壳里，传感器温度能比实验室高十几度甚至二十度，暗电流会翻倍，合并模式下的暗部均匀性会肉眼可见地变差。项目里最好在高温环境下跑一次24小时长测，记录不同温度点的黑电平漂移，再写进标定。

二是关于Binning IC和外部处理的问题。某些模组设计里，传感器本身不提供Binning能力，或合并输出模式受限，后端会用FPGA或ISP做数字binning，也就是常说的软件级Binning IC方案。这种方案灵活，不受限于传感器型号，但要注意数据带宽是从传感器到处理芯片的RAW全分辨率，并不是“省带宽”的方案。如果你的模组空间和功耗余量足够，独立做一层预处理也不错；但如果本来就是低功耗产品，我更建议直接在传感器内部解决。

最后再分享一个我在实际调机中的感受：面对Quad Bayer和Binning，没必要神话任何一个。Binning是工具，Quad Bayer是排列，两者组合出来的效果好不好，取决于你的场景是想保细节还是保亮度。只要前期把照度、噪声、带宽这三件事算清楚，大部分坑都可以在设计阶段就避开。