20年相機技術更迭教我們的事

第一次使用數位相機是2001年到尼泊爾爬山時，也一起帶了使用正片與負片的傳統相機。雖然解析度不高(640x480)，卻頻於分享數位相片，因為方便在電腦上觀看、聚會時投影出來解說旅程的故事、或是透過電子郵件分享。所以「數位化」、「便於分享」彌補了早期數位相機品質的不足。

2002年到紐約進行博士學業，與台灣家人的分享完全透過數位照片，大量拍照更新，讓家人理解在美國的生活情形，透過E-mail以及後來使用的照片社群服務(如Flickr)，讓照片分享、儲存更為容易。之間更換了多台數位相機，較佳的攝影品質、鏡頭焦段等促進換機的理由；數位相機品質提升，傳統底片相機沒落。

2010年行動(手機)攝影問世後，10年來不斷竄升，方便攜帶、搭配網路、互動頻繁的網路社群App，讓行動攝影後發先至，不斷取代數位相機。數位相機由2010年的高峰，快速下滑，也讓數位相機產業產生極大變化。而行動攝影品質、手機鏡頭也成了現今行動電話換機的首要因素。

與數位相機相比，手機的尺寸不大，限制了行動攝影的相機硬體規格。感光元件尺寸小(解析度低)、固定光圈、進光量有限、影像可記錄數值範圍狹小。厚度的限制，也無法負荷光學變焦，景深等更為有限。

即使這樣，行動攝影為何可以達到這麼好的品質呢？憑藉的是這十年方興未艾的計算攝影(Computational Photography)技術，利用演算法，打破相機的硬體侷限來提升照片品質，甚至降低硬體成本。

善用手機上較高的運算能力，計算攝影技術利用各種演算法來補強相機光學以及感光元件的限制：例如提高影像解析度、降噪、高動態範圍成像(HDR)、低光拍攝、或是模擬出景深效果等，甚至利用多顆鏡頭，多張影像計算提升影像品質。目前的研究，或是早期產品都發現，跳過傳統ISP (Image Signal Processor)，直接由感光元件上(RAW訊號)進行計算攝影運算，可以獲得更好的影像品質。

從傳統相機、數位相機、到行動攝影，甚至延伸至各樣視覺感測器。二十年產業結構轉變，肇因於數位化、連網、分享能力、軟體彌補硬體的侷限、多鏡頭/多訊號源、3D成像、社群、App等，絕大部分是我們忽略的軟性技術：軟體與服務。 

另一個更躍躍欲試的是「智慧化」，受惠於這幾年進展快速的卷積網路(深度學習技術)。傳統的相機ISP大都使用近乎線性、考慮小區域的計算來增益影像品質，卷積網路可以提供更複雜的運算，甚至考量畫面語意(如樹、路面、人等)更精準的改善影像品質。搭配逐漸成形的卷積加速晶片，深度學習演算法與硬體加速兩股力量匯流，預期會看到更令人驚艷的影像產品。一系列neural-based ISP技術發展(如DeepISP)，值得關注。

而這樣的攝影技術更替還沒停止，甚至蔓延到其他產業。鏡頭捕捉的畫面不再是為了美觀，而是讓機器精準判讀：視訊監控、AOI、ADAS、自駕車、機械手臂等使用大量鏡頭。特別是在快速成長的車用市場，每部車鏡頭個數將高達兩位數，用於車道/障礙物監控、路線規劃、自動停車、環景、或是了解駕駛(乘客)的狀態。搭配V2X 聯網、5G通訊等，過去二十年相機技術典範轉移的成因(軟體與服務)，似乎也是熱衷於新能源車的企業們，所不能忽略的。