锐睛微电子（深圳）有限公司 是拥有世界领先的专用CMOS图像传感器芯片及模组应用技术的创新型集成电路设计公司，成立于2022年12月，总部位于珠海横琴粤澳合作区。公司在深圳、北京以及日本横滨设有研发中心，依靠国内先进成熟的设计制造测试技术和日本知名专家国际领先的技术资源，可快速推出深受市场欢迎的具有国际先进水平的图像传感器产品。
公司创始人及核心团队成员主要来自于索尼/松下/豪威（思比科）/Intel等行业巨头，并拥有清华大学、早稻田大学等国际知名学府科研背景和人才支持, 在产品研发和市场等方面具有平均十五年以上的资深经验，并拥有集成电路领域的成功创业经验，曾主导索尼、松下、思比科行业领军企业的图像传感器的研发，实现超一亿颗图像传感器的出货。
公司拥有行业先进的研发体系、供应链及市场推广体系，主要产品为面向医疗（一次性内窥镜）、图像识别、工业视觉设备等高新领域的超小型化图像传感器芯片及模块，并获得多项创业比赛大奖。公司首款产品SV9196开发一版成功量产，效果引领行业，很好的解决了现有产品在性能成本及技术方案支持方面的痛点，获得行业的广泛认可和多家客户的量产，推动了行业的进步！
主要产品
图像传感器
当今，CMOS图像传感器已经成为了图像采集领域的主流技术。相比于传统的CCD图像传感器，CMOS图像传感器具有更低的功耗、更高的集成度、更低的噪声、更高的速度等优点。CMOS图像传感器广泛应用于消费电子、安防、医疗等领域。
我们的CMOS sensor在图像质量方面有很多优点，例如：
CMOS sensor具有更高的动态范围，可以捕捉到更多的细节；
CMOS sensor具有更低的噪声，可以提供更清晰的图像；
CMOS sensor具有更高的灵敏度，可以在低光环境下拍摄更好的照片；
CMOS sensor具有更快的读取速度，可以实现更快的连拍和更快的自动对焦。
我们提供从芯片、模组到板级的优质图像感应和采集方案。
定制服务
专业CMOS图像传感器定制服务，满足多样需求！
我们拥有技术精湛的专业团队，深入了解各行业需求，为客户提供贴心服务。无论是安防监控所需的高分辨率与低光性能兼备传感器，还是工业检测领域的超高精度传感器，亦或是消费电子里的小型化、低功耗定制产品，我们都能精心打造。
定制服务涵盖多种特性，包括像素规格、光学性能、帧率、功耗、尺寸等，全方位满足客户独特需求。同时，我们严格把控生产环节，确保产品质量可靠、性能稳定。
选择我们，就是选择高效的解决方案。我们将与您紧密合作，以专业的态度和高效的服务，助力您的项目顺利推进，共同开创美好未来！
定制服务流程：
1. 签署NDA、共同完成产品定义
2. 可行性分析以及原型设计、仿真
3. 芯片设计和生产
4. 测试和交付
特别说明：
合作双方对相关信息严格保密
最终交付产品为芯片而非设计版图
定制产品全生命周期内提供技术支持
特征提取
图像特征提取是指对图像进行处理和分析，将其中不易受随机因素干扰的信息，作为图像的特征提取出来，进而实现将图像的原始特征，表示为一组具有明显的物理意义或统计意义的特征。常见的图像特征包括颜色、纹理、形状等。在计算机视觉领域中，图像特征提取技术是一项非常重要的技术，它可以用于图像分类、目标检测、人脸识别等方面1。
常见的图像特征提取算法有SIFT、SURF、ORB、FAST等。其中SIFT算法是一种基于尺度空间理论的算法，它可以在不同尺度下检测出关键点，并计算出每个关键点的局部特征向量；SURF算法是一种基于Hessian矩阵的算法，它可以在不同尺度下检测出关键点，并计算出每个关键点的局部特征向量；ORB算法是一种基于FAST和BRIEF算法的算法，它可以在不同尺度下检测出关键点，并计算出每个关键点的局部特征向量；FAST算法是一种基于灰度值变化率的角点检测算法。
我们针对特定领域如点阵识别、虹膜/指纹识别、机器视觉的芯片/模组级一站式解决方案。
行业应用
医疗
为了满足医疗和生命科学领域日益苛刻的要求，迫切需要可靠、准确和高性能的视觉和相机传感器来提高图像效率和准确性。 像素级技术的进步使CMOS图像传感器的具备更多优势，例如低噪声、功耗低、集成度高、易于制造、可以实现高速读出和高灵敏度。CMOS成像在医疗设备和生命科学领域的应用前景广阔，包括X-ray、内窥镜、分子成像、光学相干断层扫描以及超声成像等方面。
机器视觉
机器视觉是一种通过计算机和摄像头等设备对图像进行特征处理和分析的技术。它可以应用于许多领域，如工业自动化、医疗、安防、智能交通、无人驾驶、农业等。在工业自动化中，机器视觉可以用于检测产品的缺陷、计量、定位等方面；在医疗领域，机器视觉可以用于医学影像的分析和诊断；在安防领域，机器视觉可以用于人脸识别、车牌识别等方面；在智能交通领域，机器视觉可以用于交通流量监测、车辆检测、行人检测等方面；在无人驾驶领域，机器视觉可以用于环境感知、障碍物检测等方面；在农业领域，机器视觉可以用于作物生长监测、果实采摘等方面。
