一、先给出直观结论

如果一个像素点内部集成 3 个独立感光二极管（分别检测红、绿、蓝），工程上将面临四大无法接受的难题：像素尺寸暴涨、感光效率暴跌、成本飙升、读出速度下降。拜耳阵列（单点单色采样 + 插值）是光学、半导体、成本三者权衡后的最优工业方案。

---

二、逐层拆解底层原因

1. 物理面积限制（最核心）

现在消费 / 工业 MIPI 传感器像素尺寸典型：1.4μm、2.0μm、2.4μm。 假设单个像素区域大小固定：

• 方案 A（拜耳）：1 个像素 = 1 块光电二极管 + 1 片单色滤光片（R/G/B 任选其一）
• 方案 B（单像素 3 色）：同一个像素格子里，要塞下3 套独立光电二极管 + 3 套滤光片

在相同感光区域面积下： 方案 B 里每一种颜色对应的感光面积只有原来的 1/3。

✅ 后果： 进光量大幅降低 → 暗光信噪比急剧变差，夜景、弱光画面布满噪点。

类比：同样大小窗户，拜耳是一整块玻璃；三色像素是窗户被隔成 3 个小格子，每个格子采光面积更小。

2. 半导体电路布线复杂、读出电路拥挤

每个感光二极管都需要配套：传输晶体管、复位电路、信号读出线路。 1 像素 3 感光单元 = 电路数量直接翻 3 倍。

• 像素内部走线拥挤，容易产生光电串扰（crosstalk）：相邻感光单元光线、电荷互相干扰，色彩失真；
• 晶体管挤占感光区域，进一步压缩光电二极管有效面积；
• 芯片设计难度上升，良率下降，传感器价格大幅上涨。

3. 数据带宽、功耗、帧率瓶颈

假设分辨率 1920×1080：

• 拜耳 RAW：一帧只有 207 万采样点
• 单像素三色方案：一帧需要输出 622 万采样点（3 倍数据量）

同等时钟速率下： 数据量 ×3 → 传输带宽需求 ×3、ADC 模数转换功耗上升、最大帧率下降。 对于 MIPI 接口相机，带宽压力会直接限制分辨率与帧率。

4. 光学难题：垂直堆叠结构的短板（补充：Foveon X3 特例）

有一种技术叫 Foveon X3（适马相机传感器）： 垂直堆叠感光层，同一 XY 位置，从上到下分层捕捉蓝、绿、红光。 看起来实现了 “同一像素获取三色”，但是存在明显缺陷：

1. 不同波长光线穿透硅片深度不同，色彩分离不纯净，存在串色；
2. 难以小型化，无法做到小像素尺寸，不适合手机、嵌入式 MIPI 摄像头；
3. 量产成本极高，无法普及。

这也侧面证明：理论可行，但不适合大规模工业视觉 / 消费摄像头。

---

三、拜耳阵列的折中思路（工程师的取舍）

工程师放弃「每个像素直接拿到完整 RGB」，换来了巨大优势：

1. 每个像素只保留1 个感光二极管，感光面积最大化，暗光性能最优；
2. 像素电路极简，适合缩小像素尺寸，轻松做到千万级像素；
3. 原始数据量更小，MIPI 传输、存储压力低；
4. 芯片结构简单，量产良率高，成本可控。

代价： 单个像素仅采集单一颜色，必须依靠 ISP 执行 Demosaic 插值，利用周边像素估算另外两个颜色通道。

⚠️插值属于估算，会存在轻微伪色、细节损失；但在绝大多数场景下，人眼几乎无法察觉。

四、一张对比总结表

表格

方案	感光面积	数据量	成本	弱光性能	适用场景
拜耳 Bayer（1 像素单色）	最大	基础值	低	优秀	手机、MIPI 工业相机、监控（99% 市场）
单像素内置 R/G/B 三个感光单元	缩小至 1/3	×3	极高	很差	几乎无商用产品
Foveon X3 垂直堆叠	中等	×3	极高	一般	小众单反，无法小型化

五、延伸关联你的视觉工程

1. 为什么 Sensor 输出只能是拜耳 RAW？ 硬件架构决定原生只能单点单色采样，RAW 就是传感器最原始的采样结果；
2. NV12 从何而来？ RAW 送入 ISP → Demosaic 插值补齐三色 → 色彩空间转换 → NV12 (YUV)；
3. AI 网络为什么不能直接用 RAW？ RAW 每个像素只有单一颜色，不满足 CNN 输入要求（每个像素需要完整 RGB 信息）。

补充拓展：有没有其他替代 CFA 阵列？

除拜耳 RGGB 外，还有 RGBW 阵列（增加白色无滤光像素提升亮度），多用于监控低光照场景，但依然不是单像素三色，依旧依靠插值，属于同类思路延伸。