Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75
DETERMINACIÓN DE LA CURVA DE TRANSFERENCIA DE FOTONES, RUIDO DE
LECTURA Y CORRIENTE OSCURA EN SENSORES CMOS
DETERMINATION OF THE PHOTON TRANSFER CURVE, READ NOISE, AND DARK
CURRENT IN CMOS SENSORS
L. Barreiro*1, F. Cammarata1, M. Danussi1, P. López Maggi1, J. Pérez Lanzillotta1, G.
Schulze1, C. Bonifazi2, A. M. Botti3, E. Depaoli1,4, D. Rodrigues1,5 y J. Tiffenberg3
1Universidad de Buenos Aires, Facultad de Ciencias Exactas y Naturales, Departamento de Física, Buenos Aires, Argentina
2ICAS-ICIFI - Universidad de San Martín/CONICET
3Fermi National Accelerator Laboratory, PO Box 500, Batavia IL, 60510, USA
4Comisión Nacional de Energía Atómica, Centro Atómico Constituyentes
5CONICET - Universidad de Buenos Aires, Instituto de Física de Buenos Aires (IFIBA). Buenos Aires, Argentina
Recibido: 22/04/2025 ; Aceptado: 03/06/2025
En los últimos 20 años, el uso de cámaras CMOS experimentó un fuerte auge, acompañado de notables mejoras en sus
prestaciones. En este trabajo, realizamos una exhaustiva caracterización de la tecnología utilizando sensores comercia-
les. Presentamos la medición de su curva de transferencia de fotones, lo que nos permitió evaluar el rango dinámico
y la linealidad del sensor. Medimos la tasa de corriente oscura en función de la temperatura y el efecto del filtro in-
frarrojo. Determinamos además el ruido de lectura, obteniendo como resultado un valor medio de (3.06 ±0.01) e−.
Los resultados presentados sobre los límites de operación y las posibles aplicaciones científicas de los sensores CMOS
comerciales busca servir como punto de partida para una serie de experimentos a nivel de pregrado, así como también
para su utilización en diversas aplicaciones científicas.
Palabras Clave: CMOS, PTC, Corriente Oscura, Ruido de lectura.
In the last 20 years, the use of CMOS cameras has experienced a strong growth, accompanied by significant improve-
ments in their performance. In this work, we carry out an exhaustive characterization of this technology using commer-
cial sensors. We present the measurement of the photon transfer curve, which allows us to evaluate the dynamic range
and linearity of the sensor. We measure the dark current rate as a function of temperature and analyze the effect of the
infrared filter. In addition, we determine the readout noise, obtaining an average value of (3.06 ±0.01)e−. The results
presented on the operating limits and potential scientific applications of commercial CMOS sensors are intended to
serve as a starting point for a series of undergraduate-level experiments, as well as for their use in a variety of scientific
applications.
Keywords: CMOS, PTC, Dark current, Readout noise.
https://doi.org/10.31527/analesafa.2025.36.4.71-75 ISSN - 1850-1168 (online)
* lara7barreiro@gmail.com
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 71
I. Cámaras CMOS
Las cámaras CMOS (Complementary Metal-Oxide-Semiconductor) son una de las tecnologías de imagen más populares
en la actualidad, principalmente debido a su bajo costo, tamaño compacto y versatilidad. Las CMOS son detectores de
silicio con píxeles que captan la luz mediante el efecto fotoeléctrico interno. Esta tecnología ha mejorado drásticamente en
las últimas tres décadas [1,2], lo que ha llevado a su implementación en numerosos campos, desde cámaras de teléfonos
inteligentes hasta aplicaciones científicas como astronomía espacial y detección de partículas [3-6]. En este contexto, se
vuelve de vital importancia contar con una exhaustiva caracterización de sus parámetros de desempeño, como los que son
objeto de este trabajo.
Las cámaras CMOS utilizan filtros Bayer para reconstruir imágenes en color, los cuales consisten en una matriz de filtros
rojos, verdes y azules. Este patrón de filtros, dispuesto sobre los píxeles del sensor, se dispone con el doble de píxeles
verdes que rojos y azules, reflejando la mayor sensibilidad del ojo humano a la luz verde. Luego, algoritmos conocidos
como demosaicing combinan esta información para producir una imagen en color completa. Además, las cámaras CMOS
incorporan un filtro infrarrojo que bloquea los fotones de menor energía para evitar distorsiones y conservar la calidad
de la imagen. En este trabajo, caracterizamos una cámara de alta calidad de Raspberry Pi, que consiste en un sensor
CMOS retroiluminado Sony IMX477 [7] diseñado para facilitar su implementación con una Raspberry Pi. Cuenta con
una resolución de (3040×4056) píxeles y un tamaño de píxel de 1.55 µm. Así, cada cámara tiene 1520×2028 píxeles rojos
y azules, y 2×1520×2028 píxeles verdes. A diferencia de la mayoría de los sensores CMOS comerciales, el Sony IMX477
permite capturar la señal cruda del píxel, evitando el procesamiento en el chip, como el demosaicing, la compresión o la
reducción de ruido, y preservando la intensidad original. Esta característica facilita la medición de parámetros clave del
sensor, como la corriente oscura, la ganancia y el ruido de lectura, los cuales de otro modo serían inaccesibles.
En la sección II introducimos las herramientas estadísticas básicas que se utilizan en el trabajo, mientras que en la
sección III, discutimos el método de calibración basado en la medición de la curva de transferencia de fotones del CMOS.
En la sección IV presentamos resultados sobre la corriente oscura y el ruido de lectura. Finalmente, en la sección V
comentamos sobre posibles aplicaciones de estos sensores.
II. Estadística de la distribución de cargas
Los métodos utilizados en este trabajo se basan en conocer la distribución de la variable aleatoria número de cargas, q,
generadas en cada píxel, ya sea debido a la radiación incidente sobre el sensor o a mecanismos internos de producción de
carga (por ejemplo, corriente oscura). Dado el gran número de píxeles y la baja probabilidad de que estos procesos ocurran
en un dado píxel, la ocupación por píxel es bien descripta por una distribución de Poisson dada por la expresión (1).
P(Q=q) = µqe−µ
q!(1)
Por lo tanto, se espera que la varianza Var(Q)resulte igual al valor esperado E(Q). Sin embargo, dado que la carga
se mide en Unidades Analógico-Digitales (ADU), la relación entre la varianza y la esperanza de la carga medida, Qm, se
expresa de acuerdo a la ecuación (2).
Var(gQm) = E(gQm)⇒gVar(Qm) = E(Qm)(2)
donde la ganancia gse define como el factor de conversión para traducir las cargas medidas en ADU a electrones, es decir,
Q=gQm.
Así es que medir Var(Qm)en función de E(Qm)para valores crecientes de Qmproporciona información sobre la
ganancia del sensor en el rango dinámico de la ocupación. Esta curva, conocida como Curva de Transferencia de Fotones
(PTC, por sus siglas en inglés), se ha establecido como un procedimiento invaluable para caracterizar sensores pixelados
y cuantificar la optimización del rendimiento. Permite la evaluación absoluta de diversas características, como el ruido de
lectura, la corriente oscura, la linealidad, la no uniformidad de píxeles y el rango dinámico, entre otros [8].
III. Curva de Transferencia de Fotones
A partir del hecho de que la carga Qacumulada en un píxel individual está descripta por la estadística de Poisson,
podemos calcular la ganancia del sensor para cada valor de ocupancia. Para ello, iluminamos uniformemente el sensor y
determinamos la varianza y la esperanza de la distribución de carga en la imagen homogénea resultante. De esta forma,
la carga en cada píxel debe considerarse como una realización independiente de la misma variable aleatoria. Luego,
siguiendo la ecuación (2) y repitiendo este proceso para distintas intensidades (niveles de ocupancia), podemos construir
la PTC.
Para realizar las mediciones con luz blanca homogénea, utilizamos una pantalla RGB como medio de iluminación.
Ambos dispositivos fueron controlados desde la misma Raspberry Pi 4, y todo el sistema (ver Fig. 1) fue colocado en una
caja oscura.
Fijamos un tiempo de exposición ∆t= 30 segundos, dentro del cual la pantalla era encendida sólo por algunos segundos.
De este modo, garantizamos que la pantalla estuviese apagada al momento de lectura del sensor; de lo contrario, se
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 72
FIG. 1: ConFig.ción experimental, donde se observa una cámara CMOS enfrentada a una pantalla RGB cubierta de papel de calcar
para difuminar la luz y con ello obtener imágenes homogéneas.
1000 1100 1200 1300 1400 1500 1600 1700 1800
Ganancia [e
/
ADU]
0
10
20
30
40
50
60
70
80
Cuentas
1e3
1.851.5 2.3
FIG. 2: Distribución de carga para tres valores de ganancia diferentes (en rojo). Cada una fue ajustada con una distribución de
Poisson, evidenciando que la ganancia central ofrece la mejor descripción.
observaba la aparición de franjas horizontales en las imágenes, características de la interferencia entre la pantalla y el
sensor.
Para barrer en diferentes intensidades, variamos dos parámetros: el tiempo de encendido de la pantalla y el número
de píxeles encendidos. El primero varió entre 1 y 24 segundos, y el segundo fue controlado dibujando un cuadrado en
el centro de la pantalla y variando su lado, de forma tal que la fracción de píxeles encendidos variase desde el 4 % hasta
el 25% del total presente en la pantalla. Estos valores fueron elegidos de forma tal de alcanzar intensidades en todo el
rango dinámico del sensor CMOS (desde 0 hasta 4095 ADU), para cada uno de los cuatro filtros de colores, donde cada
intensidad corresponde a una imagen tomada.
Para verificar que la iluminación en el sensor efectivamente fuera homogénea, utilizamos el hecho de que, bajo tal
condición, la distribución de carga en todos sus píxeles responde a la estadística de Poisson (ver sección II). Por lo tanto,
dada la distribución de carga medida en ADU debe existir un valor de ganancia que lleve dicha distribución a una en
electrones bien descripta por la ecuación (1). El proceso que seguimos consistió en ensayar distintos valores de ganancia
dentro de un rango razonable, y, para cada uno, realizar un ajuste del parámetro µ. En la Fig. 2se muestra el resultado de
convertir a electrones el histograma de carga de una misma imagen homogénea con tres valores de ganancia diferentes.
La existencia de una ganancia para la cual la distribución de Poisson ofrece una correcta descripción del histograma
(distribución central en la Fig. 2) fue tomado como indicación de que la iluminación podía considerarse homogénea. El
valor de gseleccionado fue aquél que minimizó el estadístico χ2reducido (χ2
ad j). Vale mencionar, sin embargo, que el
valor mínimo observado corresponde a un gradiente de inhomogeneidad en la imagen que implica un error porcentual en
la ganancia menor al 5%.
Por otra parte, en la Fig. 3mostramos, a modo de ejemplo, la distribución de carga para una imagen iluminada inho-
mogéneamente. Puede verse que, en realidad, ésta es una superposición de distintas distribuciones (provenientes de los
diferentes niveles de iluminación en distintas regiones de la imagen), y que, por lo tanto, no existe un parámetro µque
permita un ajuste razonable de la ecuación (1).
Calculamos entonces la media y la varianza de la carga en los todos los píxeles de cada imagen que correspondan a un
mismo color. Con estos datos, construimos las PTCs que presentamos en la Fig. 4, una para cada color. Cada punto en
la gráfica corresponde a una imagen individual y representa una estadística basada en aproximadamente tres millones de
píxeles, es decir, número de píxeles de un mismo color en el sensor. Lo primero que observamos de las curvas es su no
linealidad, lo que indica que el factor de conversión gdepende de la ocupancia. Esta no linealidad muy probablemente
sea el resultado del proceso de lectura y no una característica de los píxeles propiamente dichos.
Al calcular la relación entre la media y la varianza, podemos determinar la ganancia para cada ocupancia. Esto da lugar
a las curvas de ganancia mostradas en la Fig. 5, donde la no linealidad mencionada previamente se vuelve más evidente.
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 73
0 20 40 60 80 100 120
Carga [ADU]
0.0
0.2
0.4
0.6
0.8
1.0
Frecuencia [u. a.]
FIG. 3: Distribución de carga en ADU para los píxeles rojos de una imagen iluminada de forma inhomogénea.
0 500 1000 1500 2000 2500 3000 3500
Esperanza [ADU]
0
500
1000
1500
2000
2500
3000
Varianza [ADU
2
]
Azul
Verde 1
Verde 2
Rojo
FIG. 4: Curva de transferencia de fotones usando luz blanca. Se grafican las curvas de forma independiente para cada filtro de color.
En todos los canales, observamos que las curvas de ganancia aumentan rápidamente, alcanzan un pico en un valor de
carga relativamente bajo y luego disminuyen.
0 500 1000 1500 2000 2500 3000 3500
Esperanza [ADU]
1.2
1.4
1.6
1.8
2.0
Ganancia [e
/
ADU]
Azul
Verde 1
Verde 2
Rojo
FIG. 5: Curva de ganancia en función de la ocupancia discriminando por filtro de color.
IV. Corriente oscura y ruido de lectura
En los sensores CMOS existen al menos dos tipos de contribuciones internas a la carga registrada en cada píxel: la
corriente oscura y el ruido de lectura.
La corriente oscura corresponde a carga eléctrica no deseada generada por agitaciones térmicas en el interior del sensor.
Estas excitaciones térmicas provocan que electrones del silicio se promuevan desde la banda de valencia hacia la banda de
conducción, ocupando así los píxeles del sensor en ausencia de luz[9]. Al igual que la carga producida por la exposición a
una fuente de luz, el número de cargas originadas en corriente oscura sigue una distribución de Poisson. Esta contribución
depende del tiempo de exposición del sensor y es altamente sensible a la temperatura.
La cantidad de carga acumulada en un píxel debido a la corriente oscura crece linealmente con ∆t. No obstante, estos
sensores incorporan un mecanismo interno de corrección que asegura que el valor medio de la carga en un píxel, cuando
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 74
0 100 200 300 400 500
Tiempo de exposición [s]
0
200
400
600
800
1000
1200
Varianza rojo [
e
²
]
Con el filtro infrarrojo
Sin el filtro infrarrojo
0 100 200 300 400 500
Tiempo de exposición [s]
10
20
30
40
50
60
Varianza azul [
e
²
]
Con el filtro infrarrojo
Sin el filtro infrarrojo
FIG. 6: Varianza electrónica en función del tiempo de exposición a una temperatura controlada de 1 °C para los píxeles bajo filtros
rojos (panel superior) y bajo filtros azules (panel inferior). En ambas figuras separamos los dos casos analizados, con y sin el filtro
infrarrojo.
esta proviene únicamente de la corriente oscura, sea nulo. Sin embargo, dado que las cargas generadas siguen una distri-
bución de Poisson, su valor medio puede estimarse a partir de la varianza, la cual no se ve afectada por dicha corrección.
Por consiguiente, la tasa de corriente oscura, ηDC , puede obtenerse a partir de la ecuación (3):
ηDC =VarDC(Qm)/∆t,(3)
Para que esta ecuación sea válida es necesario que el sensor no sea expuesto a una fuente externa, por lo que para realizar
estas mediciones cubrimos la cámara con papel de aluminio. Este material actúa como una jaula de Faraday, protegiendo
el sistema de cualquier campo eléctrico externo. Las mediciones se realizaron con tiempos de exposición crecientes y a
temperatura controlada. Al realizar las mediciones bajo estas condiciones, la curva de varianza en función del tiempo de
exposición, presentó el comportamiento que se muestra en la Fig. 6(panel superior, curva con filtro infrarrojo), lo que
contradice la dependencia lineal descripta por la ecuación (3).
Este comportamiento no lineal, nos llevó a plantear la hipótesis de que el filtro infrarrojo podría estar emitiendo radia-
ción, comportándose de manera similar a un cuerpo negro que emite en el rango del infrarrojo cercano. Como resultado,
al medir la corriente oscura con el filtro, no solo estamos registrando la corriente oscura per se, sino también una con-
tribución adicional detectada principalmente por los píxeles rojos. Con intenciones de comprobar la hipótesis formulada,
repetimos las mediciones removiendo el filtro infrarrojo. Los resultados se presentan en las Fig. 6(panel superior, curva
sin filtro infrarrojo). Este efecto se presenta menos pronunciado en los píxeles azules, como se muestra en la Fig. 6(panel
inferior), donde se aprecia la discrepancia en la varianza de los píxeles bajo filtros azules. Esto se encuentra en concordan-
cia con el hecho de que la distribución espectral del rojo y el azul se encuentran en extremos opuestos del espectro visible.
Cabe mencionar que esta contribución adicional solo resulta apreciable en condiciones de iluminación extremadamente
baja.
Finalmente, en la Fig. 7presentamos las curvas de varianza electrónica en función del tiempo obtenidas, sin el filtro
infrarrojo, para tres temperaturas controladas diferentes. Estas mediciones muestran un comportamiento más lineal, lo cual
refuerza las hipótesis planteadas previamente. Observamos que la varianza aumenta con el incremento de la temperatura,
lo cual es coherente con la naturaleza térmica de la corriente oscura.
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 75
TABLA 1: Tasa de corriente oscura a distintas temperaturas.
T [°C] η[e/pix/s]
1 0.171 ±0.004
10 0.286 ±0.005
17 0.386 ±0.005
A partir de estos resultados fuimos capaces de determinar la tasa de corriente oscura a cada temperatura, utilizando la
ecuación (3). Los resultados obtenidos se resumen en la Tabla 1.
El ruido de lectura, otra contribución interna en este tipo de sensores, puede ser definido como la desviación estándar
σede la distribución gaussiana de carga en los píxeles de imágenes tomadas con tiempo de exposición nulo. El resultado
obtenido tras promediar esta cantidad sobre veinte imágenes resultó en σe= (3.06 ±0.01)e−.
V. Discusión y conclusiones
Las cámaras CMOS comercial Sony IMX477 caracterizadas en este trabajo representan una oportunidad única para
la enseñanza práctica de técnicas avanzadas utilizadas en física de partículas, instrumentación y electrónica, gracias a su
accesibilidad y bajo costo. Su uso en entornos educativos puede abarcar diversos enfoques experimentales. Por ejemplo,
la cámara permite la detección de partículas cargadas a través de sus trazas de ionización, lo que facilita la diferenciación
entre leptones cargados mediante la forma de sus trayectorias, con líneas rectas para muones y trayectorias curvas para
electrones como se muestra en la Fig. 8.
0 50 100 150 200 250
Tiempo de exposición [s]
0
20
40
60
80
Varianza electrónica [
e
2
]
T: 1°C
T: 10°C
T: 17°C
FIG. 7: Varianza electrónica debido a la contribución de la corriente oscura para tres temperaturas controladas, sin el filtro infrarrojo.
Además, al apilar dos cámaras y buscar coincidencias espaciales en las imágenes obtenidas, es posible construir un
hodoscopio de muones, lo que permite rastrear su trayectoria a través de la región de detección y determinar la dirección de
incidencia. Este método podría emplearse para medir la distribución angular del flujo de muones atmosféricos. Asimismo,
la cámara puede utilizarse como detector de partículas para estudiar la energía depositada por muones en silicio, lo que
permite obtener la pérdida de energía por unidad de longitud mediante el análisis de la carga de los píxeles. Esta aplicación
resulta ideal para la enseñanza de la detección de radiación con sensores de silicio, permitiendo a los estudiantes realizar
experimentos prácticos con partículas que constituyen el fondo natural de radiación. Posibilita, además, llevar a cabo
análisis mediante herramientas de procesamiento de imágenes y comparar resultados con modelos teóricos.
Otra aplicación interesante es la detección de rayos X, donde la cámara CMOS permite medir la absorción en silicio a
partir de una fuente radiactiva, lo que posibilita la determinación de la energía media de creación de pares electrón-hueco
y la estimación del ruido de Fano. Esta experiencia educativa ayudaría a los estudiantes a comprender los principios de
detección de rayos X, la calibración de energía y la mitigación del fondo.
La versatilidad del sensor abre además la posibilidad de explorar técnicas avanzadas como la imagen con apertura
codificada, que podría emplearse en múltiples contextos experimentales y educativos.
Agradecimientos
A la universidad pública, gratuita y de calidad.
REFERENCIAS
[1] E. Fossum. CMOS image sensors: electronic camera-on-a-chip. IEEE Transactions on Electron Devices 44, 1689-1698 (1997).
[2] A. J. P. Theuwissen. CMOS Image Sensors: State-of-the-Art Technology, Applications, and Future Trends. Solid-State Electronics
52, 1401-1406 (2008).https://doi.org/10.1016/j.sse.2008.04.012.
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 76
3238 3240 3242 3244 3246 3248 3250 3252
2932
2934
2936
2938
2940
2942
2944
2946
0
50
100
150
200
250
300
350
400
450
1720 1722 1724 1726 1728 1730 1732 1734
2722
2724
2726
2728
2730
2732
2734
2736
0
20
40
60
80
100
120
140
160
FIG. 8: Izquierda, carga generada por un electrón. Derecha, traza de carga generada por el paso de un muón.
[3] M. Pérez, J. Lipovetzky, M. S. Haro, I. Sidelnik, J. J. Blostein, F. A. Bessia y M. G. Berisso. Particle detection and classification
using commercial off the shelf CMOS image sensors. Nuclear Instruments and Methods in Physics Research Section A: Accele-
rators, Spectrometers, Detectors and Associated Equipment 827, 171-180 (2016).https://www.sciencedirect.com/science/article/
pii/S0168900216302844.
[4] M. Pérez, J. J. Blostein, F. P. A. Bessia, A. Tartaglione, I. P. Sidelnik, M. F. S. Haro, S. G. Suárez, M. L. Gimenez, M. G. Berisso
y J. Lipovetzky. Thermal neutron detector based on COTS CMOS imagers and a conversion layer containing Gadolinium. Nuclear
Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment 893,
157-163 (2018).https://www.sciencedirect.com/science/article/pii/S0168900218303681.
[5] F. P. A. Bessia, M. Pérez, J. Lipovetzky, N. A. Piunno, H. Mateos, I. P. Sidelnik, J. J. Blostein, M. F. S. Haro y M. G. Berisso.
X-ray micrographic imaging system based on COTS CMOS sensors. International Journal of Circuit Theory and Applications 46,
1848-1857 (2018).https://onlinelibrary.wiley.com/doi/full/10.1002/cta.2502.
[6] M. Pérez, O. I. Abbate, J. Lipovetzky, F. P. A. Bessia, F. A. Sánchez, M. F. S. Haro, J. M. Longhino, M. G. Berisso y J. J. Blostein.
Neutron imaging based on transfer foil activation and COTS CMOS image sensors. Journal of Instrumentation 17, P02004 (2022).
https://doi.org/10.1088/1748-0221/17/02/P02004.
[7] Sony Corporation. IMX477 Data Sheet https://docs.arducam.com/Raspberry-Pi-Camera/Native-camera/source/IMX477-DS.pdf.
Accessed: 2025-04-21. 2020.
[8] J. Janesick. Scientific Charge-Coupled Devices ISBN: 0-8194-3698-4 (SPIE Press, Bellingham, Washington, 2001).
[9] N. W. Ashcroft y N. D. Mermin. Solid State Physics ISBN: 0-03-083993-9 (Holt, Rinehart y Winston, 1976).
L. Barreiro / Anales AFA Vol. 36 Nro. 4 (Diciembre 2025 - Marzo 2026) 71 - 75 77
