📚 课程目录第3章数据采集与预处理

3、数据采集与预处理：光学测量数据的采集方式、噪声来源与去噪滤波方法

光学测量系统的数据质量，从根本上决定了后续可视化分析与报告结论的可信度。无论是基于 CCD/CMOS 的面阵成像测量，还是基于光电探测器的点扫描测量，采集链路中都会不可避免地引入多种噪声。本章围绕“采集方式—噪声机理—去噪方法”这条主线，系统讲解光学测量数据从光信号转换为数字量的全过程，深入剖析散粒噪声、热噪声与环境振动的产生机制，并给出均值滤波、中值滤波与小波去噪的适用场景、操作流程与实战对比。理解这些内容，是构建可靠光学测量数据管道的第一步。

3.1 光学测量数据的采集方式

3.1.1 CCD/CMOS 面阵成像采集

CCD（电荷耦合器件）与 CMOS（互补金属氧化物半导体）是当前光学测量中最常用的两类面阵探测器。CCD 的突出优势在于电荷转移效率高、暗电流低、像素一致性优良，适合弱光、长曝光、高信噪比要求的精密测量场景，例如干涉条纹采集、光谱成像。CMOS 则凭借高帧率、低功耗、片上集成 ADC 与 ROI 读出能力，在高速动态测量、结构光三维扫描、机器视觉在线检测中占据主导地位。

从数据采集链路看，面阵成像测量需关注以下关键参数：

像素位深（Bit Depth）：常见 8-bit、10-bit、12-bit 甚至 16-bit。位深决定了灰度分辨力，直接影响后续阈值分割与边缘提取的精度。
量子效率（QE）：表示入射光子转换为光电子的概率，QE 越高，同等光照下信号越强，散粒噪声的相对影响越小。
满阱容量（Full Well Capacity）：单个像素可存储的最大电子数，满阱越大，动态范围越宽，高光区域不易饱和。
读出噪声（Read Noise）：由像素复位、放大器和 ADC 引入，是限制弱光检测下限的主要因素。

工程经验：在干涉测量或激光光斑分析中，建议优先选用 12-bit 以上、QE>60% 的科学级 CMOS 或 CCD。若测量对象为高速运动目标（如转子振动），则应选择全局快门（Global Shutter）CMOS，避免卷帘快门（Rolling Shutter）导致的运动畸变。

3.1.2 光电探测器点扫描采集

光电探测器（如 PIN 光电二极管、雪崩光电二极管 APD、光电倍增管 PMT）配合扫描机构，构成点扫描测量系统。此类方式适用于需要高时间分辨率或高光谱分辨率的场景，如激光雷达回波信号采集、共聚焦显微镜逐点扫描、光谱仪逐波长采样。与面阵成像相比，点扫描方式没有像素间串扰，但测量速度受限于机械扫描或波长调谐速度。

点扫描采集的关键参数包括：

响应度（Responsivity）：单位光功率产生的光电流大小，单位 A/W。
带宽（Bandwidth）：探测器与跨阻放大器（TIA）共同决定的 -3dB 带宽，需覆盖信号最高频率分量。
噪声等效功率（NEP）：探测器可检测的最小光功率，NEP 越低，灵敏度越高。

在数据采集时，需根据扫描速度设置合理的采样率，遵循奈奎斯特采样定理，同时考虑 TIA 的增益带宽积限制。对于微弱信号，常采用锁相放大技术，将调制光信号从噪声背景中提取出来。

3.2 噪声来源与机理分析

3.2.1 散粒噪声（Shot Noise）

散粒噪声源于光子的离散随机到达以及光电子产生过程的统计涨落。其大小与光电流的平方根成正比，属于白噪声，功率谱密度在频域内平坦。散粒噪声无法通过硬件滤波完全消除，只能通过增加积分时间或多次平均来降低其相对影响。在面阵成像中，散粒噪声表现为像素灰度值的随机波动，其标准差近似等于信号电子数的平方根。

例如，当某像素收集到 10,000 个光电子时，散粒噪声标准差为 √10000 = 100 个电子，信噪比 SNR = 10000/100 = 40 dB。若光电子数增加到 100,000，SNR 提升至 50 dB。这说明信号越强，散粒噪声的相对影响越小。

3.2.2 热噪声（Thermal Noise / Dark Current）

热噪声主要由探测器内部电子的热运动产生，包括暗电流（Dark Current）和电阻热噪声（Johnson Noise）。暗电流随温度升高呈指数增长，通常每升高 6-8°C 暗电流翻倍。在长曝光或高温环境下，暗电流会显著增加背景灰度，降低图像对比度。电阻热噪声则与带宽和电阻值相关，在 TIA 电路中尤为明显。

抑制热噪声的常用手段包括：

制冷探测器（如 TE 制冷至 -20°C 或更低），大幅降低暗电流。
缩短曝光时间，减少暗电荷积累。
采用暗场校正（Dark Frame Subtraction），从测量图像中减去相同曝光时间下的暗电流图像。

3.2.3 环境振动噪声

环境振动通过改变光学元件的位置或角度，导致光斑位置偏移、干涉条纹抖动或成像模糊。振动噪声具有低频特征（通常在 1 Hz - 1 kHz 范围），且与测量系统的机械结构刚度密切相关。在精密干涉测量中，纳米级振动即可引起相位误差；在长焦成像中，角秒级振动即可造成像素级模糊。

振动噪声的抑制需从源头和信号处理两个层面入手：

机械隔振：采用气浮隔振平台、阻尼减振器，隔离地面振动。
主动稳定：使用快速反射镜（FSM）配合位置传感器构成闭环，抑制高频抖动。
算法补偿：通过帧间配准、特征点跟踪，对图像序列进行运动校正。

风险提示：环境振动噪声与信号在频域上可能重叠，单纯依赖频域滤波容易损伤有效信号。建议在采集阶段优先做好机械隔振，再结合算法进行残余振动补偿，切勿完全依赖后处理。

3.3 去噪与滤波方法

3.3.1 均值滤波

均值滤波是最基础的线性平滑方法，通过对邻域像素取平均来抑制随机噪声。其数学表达式为：

g(x,y) = (1/M) * Σ f(i,j)  (i,j)∈N(x,y)

其中 N(x,y) 为以 (x,y) 为中心的邻域窗口，M 为窗口内像素总数。均值滤波对高斯白噪声（如热噪声）有较好的平滑效果，但会模糊边缘和细节，窗口越大平滑越强，细节损失越严重。

适用场景：背景均匀、边缘较少的测量图像，如光斑能量分布、均匀面光源照度测量。

3.3.2 中值滤波

中值滤波是一种非线性滤波方法，将邻域内像素灰度值排序后取中值作为输出。它对脉冲噪声（如椒盐噪声、坏点）具有极佳的抑制效果，同时能较好地保留边缘信息。在光学测量中，中值滤波常用于去除传感器坏点、宇宙射线击中 CMOS 产生的异常亮点。

中值滤波的窗口形状可选用方形、十字形或圆形，窗口尺寸通常为 3×3 或 5×5。对于密集脉冲噪声，可考虑迭代中值滤波或加权中值滤波。

3.3.3 小波去噪

小波去噪利用小波变换的多分辨率特性，将信号分解为不同尺度的近似系数和细节系数。噪声通常集中在高频细节系数中，而有效信号的能量则分布在特定尺度上。通过阈值处理（软阈值或硬阈值）衰减细节系数，再重构信号，即可实现去噪。

小波去噪的关键参数包括：

小波基选择：常用 Daubechies（db4、db8）、Symlets（sym4）、Coiflets（coif2）等。光滑信号宜选高阶小波，突变信号宜选低阶小波。
分解层数：通常 3-5 层，层数过多会丢失低频有效信息。
阈值规则：常用 VisuShrink（全局阈值）、SureShrink（基于 Stein 无偏风险估计）、BayesShrink（基于贝叶斯估计）。

实战建议：对于光谱数据或干涉条纹信号，小波去噪效果优于均值滤波，因为小波能在去除噪声的同时保留峰位和条纹相位信息。建议先使用 db4 小波、分解 4 层、软阈值处理，再根据残差分析调整阈值。

3.4 案例拆解：激光光斑中心提取中的噪声抑制

背景与约束：某激光准直系统需要实时测量光斑中心位置，用于判断光束指向稳定性。测量系统采用 CMOS 相机（1280×1024，12-bit），帧率 100 fps。现场存在 50 Hz 环境振动和 CMOS 暗电流噪声，光斑直径约 30 像素，背景灰度约 200 DN（数字数），光斑峰值灰度约 3500 DN。

初始现象：直接对原始图像进行质心计算，光斑中心位置在 X 方向波动 ±0.8 像素，Y 方向波动 ±0.5 像素，无法满足 ±0.2 像素的精度要求。

分析判断过程：

首先检查暗电流影响：在遮挡光源条件下采集 100 帧暗场图像，发现平均灰度 200 DN，且存在少量坏点（灰度异常偏高）。
检查振动影响：对光斑序列进行傅里叶变换，发现 X 方向位移谱在 50 Hz 处有明显峰值，确认振动是主要误差源。
检查散粒噪声：光斑峰值处信号电子数约 3500 DN / 0.5 (增益) = 7000 e-，散粒噪声标准差约 84 e-，对应灰度波动约 42 DN，相对较小。

实际操作步骤：

1. 暗场校正：采集 50 帧暗场图像取平均，得到暗场模板 DarkMap；
   校正图像 = 原始图像 - DarkMap；
2. 坏点修复：对校正后图像进行 3×3 中值滤波，去除孤立坏点；
3. 振动补偿：以光斑周围 100×100 区域为参考，采用相位相关法估计帧间位移，
   对图像序列进行平移配准；
4. 小波去噪：对配准后的图像使用 db4 小波、分解 3 层、软阈值去噪，
   阈值采用 BayesShrink 规则；
5. 质心计算：对去噪后图像进行阈值分割（阈值 = 背景均值 + 5×背景标准差），
   计算光斑质心。

结果对比：

处理阶段	X 方向波动 (像素)	Y 方向波动 (像素)	计算耗时 (ms)
原始图像直接质心	±0.80	±0.50	0.5
暗场校正 + 中值滤波	±0.55	±0.38	1.2
+ 振动配准	±0.25	±0.20	8.5
+ 小波去噪	±0.18	±0.15	15.0

风险与代价：振动配准增加了约 7 ms 计算耗时，在 100 fps 帧率下仍可满足实时性要求（单帧预算 10 ms）。小波去噪进一步增加 6.5 ms，但换来了 28% 的精度提升。若帧率要求更高（如 500 fps），可考虑省略小波去噪，仅依赖暗场校正+中值滤波+振动配准，此时精度约 ±0.25 像素。

复盘经验：噪声抑制应遵循“先硬件后算法、先全局后局部”的原则。暗场校正和中值滤波是性价比最高的预处理步骤，振动补偿是提升精度的关键，而小波去噪是锦上添花。在实际工程中，需根据实时性要求和精度目标合理取舍。

3.5 常见误区与总结复盘

误区一：盲目使用大窗口均值滤波。虽然平滑效果好，但会严重模糊光斑边缘，导致质心计算偏差增大。建议优先使用中值滤波或小波去噪。

误区二：忽略暗场校正。在长曝光或高温环境下，暗电流可能占信号灰度 10% 以上，不校正会引入系统性偏差。

误区三：小波分解层数过多。分解层数超过 5 层后，低频近似系数可能丢失光斑的细节结构，导致重构信号过度平滑。

误区四：将振动噪声当作随机噪声处理。振动具有周期性，若用均值滤波处理，反而可能模糊时间序列中的振动特征。应先识别振动频率，再决定是否采用频域陷波或配准补偿。

总结：光学测量数据的采集与预处理是一个系统工程，需要从探测器选型、采集参数设置、噪声机理分析到滤波算法选择进行全链路考量。CCD/CMOS 与光电探测器各有适用边界，散粒噪声、热噪声与环境振动的抑制手段截然不同。均值滤波、中值滤波与小波去噪各有优劣，实际应用中应根据信号特征、噪声类型和实时性要求灵活组合。建议建立标准化的预处理流程：暗场校正 → 坏点修复 → 振动补偿 → 小波去噪 → 质量评估，并在每次测量前记录关键参数（曝光时间、增益、温度、振动频谱），以便追溯数据质量。