2、客观评测指标详解（上）：信噪比（SNR）的计算与测量方法、不同光照条件下的SNR表现、SNR与画质的关系
各位同学，今天我们聊一个非常基础但又极其重要的指标——信噪比，也就是 SNR。很多刚入行的朋友觉得 SNR 不就是个比值嘛，看看就完了。但说实话，我在项目里踩过的坑，有一半都跟 SNR 的误判有关。你想想看，一个指标如果测不准，后面所有的调优都是白费功夫。
2.1 什么是信噪比？
信噪比，全称 Signal-to-Noise Ratio，说白了就是有用信号和噪声的比值。单位是 dB，公式很简单：
SNR = 10 * log10(Psignal / Pnoise)其中 Psignal 是信号功率，Pnoise 是噪声功率。比值越大，说明信号越干净，画质越好。
我个人习惯把 SNR 理解为「水杯里的糖水」——信号是糖，噪声是水。糖越多，水越少，喝起来越甜。但现实中，噪声永远存在，你只能尽量让糖多一点儿。
核心认知： SNR 不是值，而是相对值。同一个场景，不同传感器测出来的 SNR 可能差很多，这跟 sensor 的量子效率、读出噪声、暗电流都有关系。
2.2 SNR 的计算与测量方法
测量 SNR 的方法有好几种，我挑最常用的两种讲。
2.2.1 均匀区域法
这是最直观的方法。拍一张均匀灰卡或均匀光照下的 flat field 图像，然后：
- 选取一块平坦区域（比如 100x100 像素）
- 计算该区域像素值的均值 μ，作为信号强度
- 计算该区域像素值的标准差 σ，作为噪声强度
- SNR = 20 * log10(μ / σ)
注意这里用的是 20log，因为像素值是电压或数字码值，属于幅度量。如果是功率量才用 10log。这个细节很多人搞混，我刚开始也犯过这个错。
// 伪代码示例
def calculate_snr(image, roi):
patch = image[roi.y:roi.y+roi.h, roi.x:roi.x+roi.w]
mean_val = np.mean(patch)
std_val = np.std(patch)
if std_val == 0:
return float('inf')
snr = 20 * np.log10(mean_val / std_val)
return snr小技巧： 选 ROI 时尽量避开边缘和镜头阴影区域。我一般选图像中心偏一点的位置，因为中心区域的光学衰减最小，测出来的 SNR 最接近 sensor 的真实能力。
2.2.2 双图像法
有时候场景不是均匀的，比如你拍的是实景。这时候可以用双图像法：
- 连续拍两张完全相同的场景（固定相机、固定光照）
- 两张图像逐像素相减，得到差异图像
- 差异图像的标准差就是噪声的估计（因为信号被抵消了）
- 原始图像的标准差作为信号+噪声的估计
- 通过公式反推 SNR
这个方法的好处是不需要均匀场景，但要求两张图像严格对齐。我曾在手机模组测试中用过这个方法，结果因为手持微抖动，两张图没对齐，算出来的 SNR 直接负了……后来加了稳像算法才搞定。
2.3 不同光照条件下的 SNR 表现
SNR 不是一成不变的。光照越强，信号越强，SNR 越高。但这里有个非线性关系，我画了张图来说明。
从图上可以清楚看到三个区域：
- 低光区（<10 lux）： SNR 很低，通常不到 20dB。这时候噪声主要是读出噪声和暗电流噪声，信号被噪声淹没。我做过一个夜景项目，SNR 只有 12dB，画面全是噪点，降噪算法怎么调都救不回来。
- 中光区（10-1000 lux）： SNR 随光照线性增长。这是大多数室内场景的范围，也是 ISP 调优的主战场。
- 高光区（>1000 lux）： SNR 增长放缓，最终趋于饱和。因为 sensor 的满阱容量有限，信号不能无限增大。
注意： 高光区 SNR 饱和不代表画质最好。我见过一些项目为了追求高 SNR 拼命增加曝光，结果高光过曝，细节全丢。SNR 高不等于画质好，这个后面会细讲。
2.4 SNR 与画质的关系
SNR 和画质的关系，我用一个表格来总结：
| SNR 范围 | 画质表现 | 典型场景 | ISP 处理重点 |
|---|---|---|---|
| < 20 dB | 噪声明显，细节丢失严重 | 夜景、暗光室内 | 强降噪、多帧融合 |
| 20 - 30 dB | 可接受，但仍有可见噪点 | 黄昏、普通室内 | 适度降噪、边缘保护 |
| 30 - 40 dB | 画质良好，噪声不明显 | 白天室内、阴天室外 | 轻微降噪、锐化 |
| 40 - 50 dB | 画质优秀，几乎无噪声 | 晴天室外、强光 | 锐化、色彩增强 |
| > 50 dB | 画质极佳，但可能过曝 | 直射阳光、雪地 | 高光压缩、HDR |
这里有个关键点：SNR 和主观画质不是线性关系。我做过一个盲测实验，30dB 和 35dB 的图像，人眼几乎分不出区别。但 20dB 和 25dB 的差距，一眼就能看出来。所以 SNR 的「及格线」大概在 25-30dB 之间。
我的经验： 在 ISP 调优时，不要盲目追求高 SNR。有时候为了 SNR 提高 3dB，付出的代价是功耗翻倍、帧率减半。性价比最高的 SNR 区间是 30-40dB，这个范围内画质和资源消耗最平衡。
2.5 避坑指南
最后分享几个我踩过的坑：
- 不要用 JPEG 算 SNR： JPEG 有损压缩会改变噪声分布，算出来的 SNR 不准。一定要用 RAW 或 BMP 格式。
- 注意暗电流补偿： 测 SNR 前要先做暗电流校正，否则暗场下的噪声会被低估。
- 区分 temporal noise 和 fixed pattern noise： 前者是时域噪声，多帧平均可以消除；后者是空域噪声，平均没用。测 SNR 时要说明测的是哪种。
- ROI 大小要一致： 不同大小的 ROI 算出来的标准差不一样，对比 SNR 时要用相同尺寸的 ROI。