成就世界上首个数码单反相机的图像传感器

简介:
今年夏初,我们的KAF-1300图像传感器入榜美国电气和电子工程师协会的旗舰杂志和网站IEEE Spectrum的首届芯片名人堂。芯片名人堂旨在讲述历史上最好和最有影响力的微芯片(及创建它们的人)的故事。1991年图像传感器成就了世界上首个数码单反(DSLR)相机,KAF-1300当然入选。
06a119acc91fc47e5814ecbeb28022015fd88df7
虽然具有数百万像素的相机在今天已是平常,但在20世纪90年代初,100万像素是个“不可思议的数字”,令数码相机用于当时全胶卷的世界。KAF 1300 –由柯达图像 传感器部(现是安森美半导体的一部分)开发和生产,–突破130万像素的目标,足够用于清晰的5英寸x 7英寸打印。当用于DCS-100摄像系统,该传感器被集成到尼康F3胶卷背面,然后连接到挎肩的“便携的”5公斤存储单元。尽管该系统的大小,DCS-100相机推出了一些我们理所当然用于今天的数码摄影的功能,包括一个用于图像预览的显示屏幕、捕获图像的直方图分析、针对远程工作的可拆卸电池、和一个可用的电话调制解调器,使图像可以从现场“发邮件”。这一切“仅需”20,000美元就可获得。
KAF-1300成为未来CCD图像传感器的基础,帮助启动数码摄影的革新,为世界上看似无数的应用带来了高质量的图像。虽然KAF-1300已经停产,但该芯片的首席设计人员Eric Stevens––继续担任图像传感器部的资深技术人员,致力于下一代像素设计用于我们即将推出的产品。

目录
相关文章
|
PHP
使用sdk验签方法详解
说明:正常接口使用 AlipaySignature.rsaCheckV1,sign_type不参与签名     特殊说明:AlipaySignature.rsaCheckV2方法生活号异步通知需要使用,会保留sign_type参数参与验签。
1713 12
|
数据挖掘
深入分析:ERP系统的优势与劣势
深入分析:ERP系统的优势与劣势
945 3
|
9月前
|
人工智能 算法 芯片
天天都在说的“算力”到底是个啥?一文全讲透!
算力是数字经济发展的重要支撑,尤其在AI和大数据应用中起着关键作用。阿里云致力于构建全球领先的算力基础设施,助力各行业数字化转型。吴泳铭和马云均强调了算力在未来科技竞争中的核心地位。2023年底,我国算力总规模达230EFLOPS,位居全球第二。算力分为通用、智能和超算算力,广泛应用于人工智能训练与推理等场景。中国正加速建设智算中心,推动算力产业链发展,并注重绿色低碳和智能运维,以应对日益增长的计算需求。
12755 19
|
11月前
|
存储 监控 区块链
探索区块链技术在数据安全中的应用
本文深入探讨了区块链技术如何革新数据安全领域,通过其独特的去中心化、不可篡改和透明性特点,为数据安全提供了新的解决方案。我们将从区块链的基本原理出发,分析其在保护数据完整性、增强隐私保护以及提升交易安全性方面的应用,并通过案例研究展示区块链技术在实际场景中的有效性。
|
8月前
|
人工智能 BI 自然语言处理
【瓴羊数据荟】 共话AI×Data的企业应用进化,瓴羊「数据荟」MeetUp城市行上海场顺利收官!
瓴羊「数据荟」Meet Up城市行系列活动第四期活动将于3月7日在上海举办,由中国信息通信研究院与阿里巴巴瓴羊专家联袂呈现,共同探讨AI时代的数据应用实践与企业智能DNA的革命性重构。
298 0
【瓴羊数据荟】  共话AI×Data的企业应用进化,瓴羊「数据荟」MeetUp城市行上海场顺利收官!
|
负载均衡 安全 网络协议
|
机器学习/深度学习 人工智能 数据可视化
大数据时代的数据可视化技术:趋势、挑战与未来展望
【7月更文挑战第22天】随着技术的不断进步和应用场景的不断拓展,数据可视化技术将在更多领域发挥更大的作用。未来,我们可以期待更加智能化、实时化、沉浸式和民主化的数据可视化解决方案的出现。同时,随着数据量的不断增加和数据类型的不断丰富,数据可视化技术也将面临更多的挑战和机遇。只有不断创新和优化技术才能满足日益增长的需求并推动数据可视化技术的持续发展。
1535 3
|
安全 关系型数据库 MySQL
深入解析MySQL 8中的角色与用户管理
深入解析MySQL 8中的角色与用户管理
729 3
|
JSON 数据可视化 数据格式
PIE-engine 教程 ——长时间序列NDVI影像计算和chart时序图加载(2017年锦州全年植被指数展示)
PIE-engine 教程 ——长时间序列NDVI影像计算和chart时序图加载(2017年锦州全年植被指数展示)
718 0
PIE-engine 教程 ——长时间序列NDVI影像计算和chart时序图加载(2017年锦州全年植被指数展示)
|
12月前
|
机器学习/深度学习 自然语言处理 数据挖掘
从理论到实践:详解GraphRAG框架下的多模态内容理解与生成
【10月更文挑战第10天】随着多媒体内容的爆炸性增长,如何有效地理解和生成跨模态的数据(如图像、文本和视频)变得越来越重要。近年来,图神经网络(GNNs)因其在处理非结构化数据方面的强大能力而受到广泛关注。在此背景下,Graph Retrieval-Augmented Generation (GraphRAG) 框架作为一种新的方法,通过结合图检索和生成模型来提升多模态内容的理解与生成效果。本文将深入探讨GraphRAG的基本原理、核心组件以及实际应用,并通过代码示例展示其在多媒体内容处理中的潜力。
1573 0