3. 低照度成像基础

车载环视系统在夜间、隧道口、地下车库等场景下，摄像头接收到的光子数量急剧下降。此时图像质量不再由镜头分辨率主导，而是被噪声与动态范围支配。理解低照度成像的物理链路，是后续做降噪、HDR 合成与畸变校正的前提。本节从光子到达传感器开始，逐级拆解噪声来源、动态范围约束、信噪比定义，并给出可工程化的退化模型。

一、核心原理：从光子到电子的物理链路

CMOS 图像传感器的成像过程可抽象为四个阶段：光子入射 → 光电转换 → 电荷积累 → 读出量化。每个阶段都会引入噪声，且噪声性质不同。

• 光子噪声（Shot Noise）：光子到达像素服从泊松分布，其标准差等于均值的平方根。若某像素平均接收 N 个光子，则噪声为 √N，信噪比 SNR = N/√N = √N。这意味着光越少，信噪比越差，且无法通过电路设计消除，只能靠增加曝光或增大像素面积缓解。
• 读出噪声（Read Noise）：包括复位噪声、源跟随器噪声、列放大器噪声和 ADC 量化噪声，通常用电子数（e⁻）表示。它与信号无关，属于加性噪声，在极暗场景下会成为主导噪声。
• 暗电流噪声（Dark Current）：热激发产生的电子，随温度每升高 6~8℃ 约翻倍，长曝光时不可忽略。
• 固定模式噪声（FPN）：像素间响应不一致造成的空间性噪声，表现为固定纹理。

二、动态范围与信噪比：两个必须区分的指标

动态范围（DR）描述传感器能同时容纳的最亮与最暗信号之比，通常用 dB 表示：

DR(dB) = 20 × log10( FWC / RN )

其中：
  FWC = 满阱容量（Full Well Capacity，单位 e⁻）
  RN  = 读出噪声（单位 e⁻）
示例：FWC = 20000 e⁻，RN = 4 e⁻
  DR = 20 × log10(20000 / 4) = 20 × log10(5000) ≈ 74 dB

信噪比（SNR）则描述某一具体亮度下的信号质量：

SNR = S / √(S + RN² + D²)

S  = 信号电子数
RN = 读出噪声
D  = 暗电流噪声
当 S >> RN² 时，SNR ≈ √S，进入光子噪声极限区；
当 S << RN² 时，SNR ≈ S / RN，进入读出噪声极限区。

两者关系可用一句话概括：动态范围是“能看多宽”，信噪比是“看得多干净”。车载环视在夜间需要同时保留暗部细节（高 SNR 下限）和抑制车灯眩光（高 DR 上限），因此对传感器与算法提出双重挑战。

三、低照度图像退化模型

工程上常将低照度退化建模为“光照衰减 + 噪声叠加 + 量化压缩”的复合过程：

I_low(x,y) = α · I_ideal(x,y) + n_p(x,y) + n_r(x,y) + n_q(x,y)

α        ：光照衰减系数（0 < α < 1）
n_p      ：光子噪声，服从泊松分布，方差 = α·I_ideal
n_r      ：读出噪声，近似高斯分布 N(0, σ_r²)
n_q      ：量化噪声，与 ADC 位深相关
最终再经 γ 压缩与 JPEG/HEVC 编码，进一步放大暗部噪声。

该模型解释了三个常见现象：

1. 暗部彩色噪点：光子噪声在低信号区相对占比高，且 RGB 三通道独立，形成彩色斑点。
2. 细节被噪声淹没：高频噪声与边缘纹理混叠，传统锐化会同时放大噪声。
3. 动态范围压缩后暗部更脏：为保留高光而压低曝光，暗部 SNR 进一步下降。

四、工程场景与参数对照

下表给出典型车载环视摄像头在不同照度下的噪声主导类型与可用策略，便于选型与调参时快速判断。

五、误区与复盘

• 误区一：提高 ISO 就能提升低照度画质。ISO 增益同时放大信号与噪声，SNR 不会因数字增益而改善，反而可能因量化饱和而恶化。
• 误区二：只看动态范围，忽略读出噪声。高 DR 若由高 FWC 实现但读出噪声大，暗部依然不可用。选型时应同时关注 RN 与 FWC。
• 误区三：用锐化补偿暗部细节。锐化会放大高频噪声，形成“噪点更锐”的负效果，应优先做时域降噪再锐化。
• 复盘要点：低照度优化的本质是在光子噪声极限与读出噪声极限之间寻找平衡，任何算法都无法突破物理 SNR 上限，只能逼近它。