简介：《IMX678 datasheet》面向安防摄像头、计算机视觉与机器人视觉方向的硬件工程师和嵌入式开发者，是一份用于选型评估与驱动调试的索尼CMOS图像传感器规格手册。压缩包内含1个PDF文件，约592KB，便于集中查阅器件结构、读出模式、供电与时序等官方参数。已有2773人学习下载，在同类传感器资料中具有较高参考热度。文档围绕1/1.8英寸、约840万有效像素、3.0μm像素尺寸的IMX678展开，涵盖全像素扫描、2/2线合并、窗口裁剪、HDR、CSI-2输出及CDS/PGA增益等内容，可帮助读者快速理解高灵敏度、低暗电流特性，并为摄像头方案评估、参数配置与问题排查提供依据。

1. 一份 1/1.8 英寸 840 万像素 CMOS 数据手册被翻出来：它改变的是选型基线

一份标注 Ver.1.0、版权年份横跨 2021 与 2022 的 CMOS 图像传感器数据手册，最近又在 camera 模组和安防整机的圈子里被反复转发。它对应的是一颗 1/1.8 英寸、对角线 8.86 mm、840 万有效像素的背照式彩色图像传感器，推荐记录像素 3840×2160，全像素扫描下 12 bit 与 10 bit 都能跑到 60 帧。真正让做硬件的工程师停下来看的，不是这一串数字本身，而是手册里那几页对比图：0.2 lux 的暗场下，这一代用 48 dB 增益就能达到上一代 60 dB 增益的亮度；850 nm 近红外、同样曝光条件下，两者的成像差距一眼能看出来。参数表可以抄，边界条件抄不了——这份文档值得逐页读，原因正在这里。

2. 参数页逐条核对：三个决定设计余量的硬指标

数据手册的正文部分通常被跳过，大家都直奔“Features”。但对真正要画板、要选镜头、要写驱动的人来说，前面那几页像素结构表和接口表才是关键。这一章把这份文档里三个最容易被忽略、又最影响项目排期的指标拆出来算一遍。

2.1 2.0 μm 单元与 8.86 mm 对角线，先把账算平

手册给了四层像素数，这个层级关系比很多人想的要讲究。总像素 3856（H）×2200（V），约 8.48 M；有效像素 3856×2180，约 8.40 M；主动像素 3856×2176，约 8.39 M；推荐记录像素 3840×2160，约 8.29 M。横向从 3856 掉到 3840，少了 16 列；纵向从 2200 一路掉到 2160，少了 40 行。

差值不是随便定的。有效像素比总像素纵向少 20 行，光学黑区（Optical Black）的说明写得很清楚：垂直方向前 20 像素，后 0 像素；水平方向前后都是 0 像素；dummy 区四个方向全部为 0。也就是说这颗器件的黑电平参考只存在于画面顶端，左右两侧没有任何参考列。

这一点落到 ISP 配置上是有实际后果的。做黑电平钳位时，如果沿用“四边都有 OB 区”的默认参数，横向参考列会取到有效像素数据上，暗场下整幅画面的底部会出现轻微偏色或者亮度阶梯，属于典型的“玄学问题”，查一周都查不出来。正确的做法是在驱动里显式指定 OB 行范围，横向钳位改用固定值或统计方式。

像素尺寸 2.0 μm（H）×2.0 μm（V）。用总像素反推感光面：3856×2.0 μm = 7.712 mm，2200×2.0 μm = 4.400 mm，对角线 √(7.712² + 4.400²) ≈ 8.88 mm，和手册标注的 8.86 mm 基本吻合，差异来自封装与有效区口径。用推荐记录像素算则是 3840×2.0 = 7.68 mm、2160×2.0 = 4.32 mm，对角线约 8.81 mm。

2.0 μm 这个数字在 1/1.8 英寸这一档属于标准口径。它的实际意义不在于“大还是小”，而在于光学后端的复用性：镜头的主光线角、法兰距、CRA 曲线如果本来就是按这一档设计的，换料时结构件基本不用动，模组厂只需要改 sensor 板和驱动。对已经量产的机型来说，这比多 100 万像素重要得多。

提示：像素数有四层，签合同和写规格书时要确认写的是哪一层。写“840 万”通常指有效像素，写“829 万”才是推荐记录像素，两者差着 11 万像素的裁切策略。

2.2 三路供电、132 pin LGA：板级设计的边界在哪

供电结构是这份手册里信息密度很高的一段。模拟 3.3 V、数字 1.1 V、接口 1.8 V，三路独立。模拟域和数字域分开是常规做法，1.1 V 的核心电压说明它用的是较先进工艺节点，接口 1.8 V 则是为了和主流 SoC 的 MIPI D-PHY 电平对齐，省掉电平转换芯片。

三路供电带来的第一个问题是上电时序。行业里的通用规律是核心数字域与模拟域要先建立、接口域随后，掉电反序，具体顺序和最小间隔必须按手册的时序图来，不能凭经验。时序做错的表现往往不是“不亮”，而是“能出图但偶发花屏”，尤其是在低温启动时概率更高，这种问题在实验室里极难复现，属于典型的血泪经验。

封装是 132 pin LGA。这个 pin 数在 1/1.8 英寸这一档里不算少，意味着 PCB 要走高密度布线，四层板基本是下限，六层更稳妥。LGA 没有引脚外伸，焊盘设计要严格按推荐图形来，回流焊的平整度要求比 QFN 高，小批量打样时容易出现边角虚焊，调试阶段如果遇到“部分帧正常部分帧丢包”，先量焊盘再怀疑驱动。

特性测试条件标注的是 Tj = 60 °C——这是结温，不是环境温度。很多规格书对比时把结温和室温混着用，得出的灵敏度结论没有可比性。整机做高温老化时，如果环境温度已经到 60 °C，结温会更高，暗电流会明显上升，这时候手册标的“低暗电流”需要在降额之后重新评估。

手册里对功耗只写了“low power consumption”，没有给具体的毫瓦数，这一点必须诚实地说：任何声称知道这颗器件精确功耗的数字，如果来源不是厂商的功耗测试报告，都不可信。选型阶段要功耗数据，只能找原厂要或者自己上板实测。

2.3 60 帧背后的带宽账：CSI-2 到底该配几 Lane

输出接口这块，手册列得很细：CSI-2 串行输出，支持 2 Lane / 4 Lane / 8 Lane / 4 Lane × 2ch，输出格式 RAW10 与 RAW12。全像素扫描模式下，12 bit 和 10 bit 的最大帧率都是 60 frame/s。

先算净荷。3840×2160 = 8,294,400 像素/帧，12 bit 下是 99,532,800 bit/帧，乘 60 帧约 5.97 Gbps。10 bit 下约 4.98 Gbps。这只是有效像素数据，还没算 CSI-2 的包头、行尾填充和时钟容差。

# 按手册给出的推荐记录像素与输出位深，估算 CSI-2 链路需求 W, H = 3840, 2160 # 推荐记录像素，不是总像素 fps = 60 # 全像素扫描模式下的最大帧率 OVERHEAD = 1.15 # 协议开销经验系数，含包头/填充/容差，非手册数值 for bit in (10, 12): payload = W * H * bit * fps # 有效数据净荷 bit/s total = payload * OVERHEAD # 含协议开销后的链路需求 print(f"RAW{bit}: 净荷 {payload/1e9:.2f} Gbps, 含开销 {total/1e9:.2f} Gbps") for lane in (2, 4, 8): print(f" {lane} lane -> 每 Lane 需 {total/lane/1e9:.3f} Gbps")

跑出来可以看到问题的位置：RAW12 全像素 60 帧的净荷接近 6 Gbps，加上开销按 15% 粗估会到 6.8 Gbps 上下。4 Lane 均摊下来每 Lane 约 1.7 Gbps，已经逼近不少 SoC 的 MIPI D-PHY 单 Lane 实际可用上限，而 2 Lane 直接翻倍到 3.4 Gbps，多数平台接不住。

这也解释了手册为什么同时列了 8 Lane 和 4 Lane × 2ch：前者是为了在单颗传感器上留出带宽余量，后者是为了双 sensor 同步场景——两颗器件各走 4 Lane，分别进 SoC 的两个 MIPI 端口。手册后半段专门列了“Synchronizing sensors function”，这两项要一起看，单独看任何一个都会误判。

参数说明上还有几个点值得注意。OVERHEAD 取 1.15 是工程经验值，不是手册数字，实际项目要按 SoC 端实测调整；lane 数选择要留 20% 以上的余量，因为线长、连接器、FPC 都会吃掉眼图；如果 SoC 只支持 4 Lane，那 RAW10 全像素 60 帧会比 RAW12 更稳，或者退到窗口裁剪模式。

输入频率那一串数字也有信息量：13.5 / 18 / 24 / 27 / 36 / 37.125 / 72 / 74.25 MHz。37.125 MHz 和 74.25 MHz 这两档是视频领域沿用了很多年的标准像素时钟，1080p60 的像素时钟就是 148.5 MHz，取其一半正是 74.25 MHz。手册把这些频率列进来，说明它在时钟树上兼容既有的视频时序体系，接广播级或监控级主控时省掉一层时钟转换。

3. 低照与近红外：那两页对比图才是这份手册的重点

3.1 0.2 lux 下 12 dB 的增益差，换算成整机是什么

对比页给的条件非常明确：F1.6 光圈、曝光时间 33.3 ms、环境照度 0.2 lux。上一代产品需要 60 dB 增益才能达到的亮度，这一代用 48 dB 就能达到。

先用 dB 的原始定义换算。模拟增益的 dB 值按 20 log₁₀（电压比）计算，60 dB 对应 1000 倍，48 dB 对应约 251 倍。两者相差约 4 倍。也就是说在完全相同的进光条件下，新器件少放大 4 倍就能出同样的亮度。

这 4 倍的意义不在“亮度”，在噪声结构。增益放大的是信号和噪声的和，放大倍数越大，后级 ADC 的量化噪声和前级像素的读出噪声被一起抬得越高。少放 4 倍，意味着同样亮度下信噪比更宽裕，暗部细节不会被噪声吞掉。整机上体现为三件事：夜间画面里人脸的轮廓能不能分辨、码流在低照下会不会暴涨、以及智能分析模型在暗场的召回率。

这里可以做一次粗算，看看 0.2 lux 这个条件到底有多苛刻。手册给的灵敏度典型值是 15886 Digit/lx/s，含义是每 lx·s 的曝光量在 12 bit 换算下产生的数字码值。但要注意这是 F5.6 条件下的标定值。0.2 lux × 0.0333 s = 0.00666 lx·s，乘以 15886 约 106 码值；换成 F1.6 光圈，进光量是 F5.6 的 (5.6/1.6)² ≈ 12.25 倍，折算约 1300 码值。而饱和信号的最小值是 3895 Digit。也就是说即便在 F1.6 下，0.2 lux 场景的有效信号只占到饱和区的三分之一左右，剩下全靠增益补。

这个推算解释了两件事。第一，为什么对比图要用 48 dB 和 60 dB 这么大的增益——不加根本出不了可用画面。第二，为什么“增益省 12 dB”在整机侧能换成成本：补光灯功率可以降、镜头光圈可以松、ISP 的降噪强度可以调低从而保住细节。

注意：灵敏度 15886 Digit/lx/s 是特定条件下的典型值，不是所有模组都能复现。镜头透过率、红外截止滤光片的光谱曲线、封装玻璃都会让实测值偏离，横向对比不同厂商的传感器时，这个数不能直接拿来比。

3.2 850 nm 补光方案要重新算一遍

第二组对比图的条件是 850 nm 近红外、F1.6、33.3 ms、增益 0 dB。两边增益都设成 0，纯看像素本身的响应能力，这样排除了增益带来的噪声变量，比的是量子效率。

手册对这项技术给了一段定义性描述：背照式像素结构，灵敏度在 2000 mV/µm² 以上（彩色产品，706 cd/m² 光源、F5.6、1 s 累积等效条件下）；在相同像素尺寸、单次曝光的前提下，动态范围（AD 12 bit）比上一代同类技术高出 8 dB 以上；在可见光和近红外两个波段都能保持画质。

这几句话里，含金量最高的是“单次曝光”和“8 dB 以上”。单次曝光意味着宽动态不是靠多帧合成堆出来的，运动物体不会出现合成鬼影，这对需要抓拍人车目标的场景是硬需求。8 dB 换算成线性大约是 2.5 倍的动态范围，落到图像上是高光不容易死白、暗部不容易死黑。

对做安防整机的团队来说，850 nm 这一档的提升直接影响补光方案的成本结构。传统做法是靠增加红外灯珠数量、提高驱动电流来把照射距离顶上去，代价是功耗、发热和光衰。如果像素端在同样照度下能多拿到一档信号，等效选择有三个：灯珠数量砍掉一部分、驱动电流降一档延长寿命、或者保持硬件不变把识别距离往外推。

有一条边界必须说清楚：手册只给了 850 nm 的数据，没有给 940 nm。940 nm 补光的优势是无红暴，但硅基传感器在这个波长的量子效率天然更低，不能把 850 nm 的表现线性外推到 940 nm 上。做无红暴方案时要单独要数据或者自己实测，这是选型时最容易翻车的地方之一。

4. 谁要重新评估：三类团队的账本不一样

4.1 安防整机：省下来的不只是补光灯

对整机厂来说，这颗器件带来的第一个变量是低照性能的重新定价。0.2 lux 场景里省下 12 dB 增益，在 BOM 上可以走三条路。

第一条是降光学成本。原本为了进光量要用 F1.2 甚至更大的镜头，现在 F1.6 就能达到同等画面亮度，镜头的口径、镜片数量、成本都能往下走。第二条是降补光成本。红外灯珠数量和驱动能力可以按新的灵敏度重算，功耗预算和散热结构跟着松。第三条是降传输和存储成本。低照下噪声少了，编码器不需要为了保住细节把码率顶到上限，同样画质下码流能降一截，对于多路 NVR 项目，这是直接可算的硬盘成本。

还有一条不太被提起但很实际的：调试周期。低照表现好的器件，ISP 的降噪和锐化参数不用调得那么激进，参数少了，不同场景之间的翻车概率就低。做过多路项目的工程师都清楚，一套参数能不能覆盖白天、夜间、逆光、雨雾，决定了现场返工的次数。

手册里两种 HDR 模式也对应两类场景。Digital overlap HDR 面向的是画面内有运动的场合，比如出入口、道路卡口，重点是合成时不出鬼影；Clear HDR 更偏向静态高对比场景，比如逆光下的停车场。选型时不要只看“支持 HDR”四个字，要问清楚在 HDR 模式下帧率会掉到多少、输出的 RAW 位深是多少——这两项直接决定后端 SoC 能不能吃得下。

4.2 机器视觉与机器人：快门和同步能力的落点

先说一个容易被忽略的前提：这份手册通篇没有出现全局快门（Global Shutter）的字样，读出模式列的是全像素扫描、水平/垂直 2/2 线合并、窗口裁剪，这些都是卷帘快门的工作方式。也就是说，用它做高速运动物体的几何测量，rolling shutter 的形变是绕不过去的，选型阶段就要把这条排除掉或者做补偿。

它真正适合的是另一类场景。可变速度快门的分辨率是 1H 单位，意味着曝光时间可以按行精调，这在需要和外部光源同步的场合很有用——比如频闪照明、结构光投射、或者和产线上的触发信号对齐。曝光窗口能细到一行，同步误差就能压下来。

Sensor 同步功能配合 4 Lane × 2ch 输出，指向的是双目或多目结构。两个传感器共用一套同步信号，曝光起点对齐，视差计算才不会引入时间偏差。这对做避障、做三维重建的团队是刚需，单颗传感器再强也替代不了。

CDS/PGA 那一段也值得看一眼。0 dB 到 30 dB 是纯模拟增益，步进 0.3 dB，大约 100 档；30.3 dB 到 72 dB 是模拟 30 dB 固定加数字增益 0.3 dB 到 42 dB，步进同样是 0.3 dB。这个结构说明厂商把模拟增益的上限卡在 30 dB，再往上走数字域。做自动曝光算法时，增益曲线的拐点在 30 dB，越过这个点噪声特性会变，AE 的收敛策略要跟着改，否则会出现“暗一点就突然变糊”的观感。

4.3 方案商与算法侧：RAW12 链路带来的连锁反应

输出格式支持 RAW10 和 RAW12，这不是一个可以随便选的选项。12 bit 意味着每个像素多 2 bit，链路上的每一环都要跟着升级：MIPI 接收端、ISP 输入带宽、内存带宽、DDR 占用、编码前处理。

很多方案商的做法是在 sensor 端出 RAW12，进 ISP 之前先降到 10 bit 处理，图省事。这样做的代价是把传感器多出来的那 8 dB 动态范围白白扔掉了——高光和暗部两端各损失一部分，等于花 12 bit 的钱用 10 bit 的效果。要吃到这份手册里写的宽动态，ISP 的整条管线得按 12 bit 设计，包括降噪、色调映射、局部对比度这几个模块的位深。

算法侧的影响同样实在。检测模型在训练时用的多是 8 bit sRGB 图，换成 12 bit 输入的宽动态图之后，暗部细节多了，但输入分布也变了，归一化参数不改会导致召回率不升反降。做低照人脸、车牌识别的团队，拿到新硬件之后第一件事应该是重跑一遍数据分布统计。

5. 四个常见误读：选型和画板时最容易踩的坑

5.1 误读一：像素尺寸被传成 3.0 μm

这是目前流传最广的一条错误信息。不少二手解读和摘要里写着“像素尺寸 3.0 μm × 3.0 μm”，但手册的器件结构表写得很清楚：Unit cell size 2.0 μm（H）×2.0 μm（V）。

为什么会传错？大概率是把 1/1.8 英寸这一档里其他产品，或者把上一代某些型号的参数抄串了。也可能是把“像素面积 4 µm²”和“边长”搞混。

怎么看：拿到任何二手参数，先用对角线反算一遍。3856×2.0 = 7.712 mm，2200×2.0 = 4.400 mm，对角线 8.88 mm，和手册标的 8.86 mm 对得上。如果按 3.0 μm 算，画幅会变成 1/1.2 英寸级别，对角线超过 13 mm，和“Type 1/1.8”直接矛盾。一个乘法就能证伪的东西，却能一路传下去，说明大多数人在选型时并没有真的算过。

5.2 误读二：把 60 帧当成“所有模式都能跑”

手册写的“Maximum frame rate in All-pixel scan mode: 12 bit: 60 frame/s, 10 bit: 60 frame/s”，限定语是“All-pixel scan mode”，也就是全像素扫描模式。

误判点在于把这个数字当成器件的通用上限。实际上开 HDR 之后帧率一定会降——无论是 Digital overlap 还是 Clear HDR，都需要在时间轴上安排多次曝光，帧周期被拉长是物理限制。另外窗口裁剪模式虽然像素少了，但帧率提升也受限于行时间，不是线性增长。

怎么看：做系统设计时，先确定要用的读出模式和 HDR 开关状态，再去查对应模式下的帧率，不要拿全像素模式的数字去套。如果方案里明确需要 60 帧加宽动态，得先确认这两个条件能不能同时满足，手册没写的组合一律按“需要实测”处理。

5.3 误读三：Lane 数越多接口越强

看到“2 Lane / 4 Lane / 8 Lane / 4 Lane × 2ch”就认为 8 Lane 是最高配，这是一种典型的参数直觉错误。

8 Lane 的意义是把同样的数据分摊到更多物理通道上，降低单 Lane 速率要求。但如果 SoC 只有 4 Lane 的 MIPI 接收口，配置成 8 Lane 根本接不上。反过来，4 Lane × 2ch 不是“8 Lane 的另一种说法”，它对应的是两个独立的数据流，服务的是双目同步场景。

怎么看：接口选型要倒着做，先看主控的 MIPI 能力（端口数量、单 Lane 速率上限、是否支持 D-PHY 分路），再回头选 sensor 的 Lane 配置。6 Gbps 净荷这个量级上，4 Lane 是刚好够用、8 Lane 是从容、2 Lane 是基本不可行，选错一档就是整板重画。

5.4 误读四：增益开到 72 dB 就能救暗场

手册写的增益范围上限是 72 dB，看起来像是“暗场能力”的指标。

误判点在于把增益当成万能钥匙。按手册的结构，0 到 30 dB 是模拟增益，30.3 到 72 dB 是模拟 30 dB 加数字增益。数字增益是在 ADC 之后乘上去的，信号和量化噪声一起放大，不会带来新的信息。把数字增益拉到 42 dB，画面上看到的是“亮”，不是“清楚”。

怎么看：做 AE 策略时把 30 dB 当作分水岭。30 dB 以内可以放心用模拟增益换亮度，超过之后要开始权衡，一旦进入数字增益区，就该考虑补光、延长曝光、或者接受画面质量下降。手册里 0.2 lux 的对比用的是 48 dB，其中 30 dB 是模拟、18 dB 是数字，这个配比本身就说明了工程上的取舍。

6. 趋势判断：1/1.8 英寸这一档的竞争基线被抬高了

把这份手册放到更长的时间轴上看，它传递的信号不是“某颗器件变强了”，而是“1/1.8 英寸、2.0 μm 这一档的及格线被重新划定了”。

过去几年，这一档的竞争主要围绕分辨率和帧率展开，从 500 万到 800 万，从 30 帧到 60 帧，参数表上的数字不断刷新，但低照表现和近红外响应一直是“看厂商良心”的部分。这份文档把 0.2 lux 和 850 nm 两组对比图直接放进正文，等于把过去只在选型会上口头交流的信息写进了公开材料——这会推着同类产品把这两项也摆到台面上。

对从业者的直接影响，可以按角色分开看。

整机厂的动作会比较慢，因为换料牵动结构件、认证和产线；但方案商和算法团队的动作会很快，因为这两类角色最怕的是“手上的板子测不出差异化”。一旦有客户拿着对比图来问“你们的方案在 0.2 lux 下什么样”，没有对应硬件就只能靠话术顶，这在 B 端生意里是撑不了几轮的。

再往远看一层，这一档器件的性能上移，会把压力传导到两个方向。向上，1/1.2 英寸那一档必须拿出更明显的优势，否则客户会算一笔账：既然 1/1.8 英寸已经能覆盖大部分夜间场景，多花的镜头和结构成本值不值。向下，1/2.8 英寸那一档的空间会被进一步挤压，因为它既没有成本优势到可以忽略画质，也没有画质优势到可以谈溢价。

最后说个我自己的教训。早些年做一款夜间监控方案，选型时只看了规格书首页的“高灵敏度”三个字，没去翻后面的对比页，也没算过 OB 区的位置，结果板子回来之后暗场底部有一条明显的亮带，查了快两周才定位到黑电平钳位的参考列配错了。从那以后我每次拿到一份新的传感器手册，都会先把像素数四层关系、光学黑区位置、输出 Lane 组合这三项抄到一页纸上，再去看宣传页上的形容词。这份文档里的信息量，值得用同样的方式过一遍。希望帮到你。

本文还有配套的精品资源，点击获取