多帧降噪基础：噪声来源与信噪比提升

各位同学，今天我们来聊聊多帧降噪的根基——噪声到底从哪来，以及为什么多帧能搞定它。

我做计算摄影这些年，最深的体会就是：不懂噪声，就别谈降噪。你想想看，如果连敌人长什么样都不知道，怎么打？

噪声来源分析

传感器上的噪声，说白了就三大类。我一个个说。

1. 光子噪声（Shot Noise）

这是最根本的噪声，躲不掉的。光本身是由一个个光子组成的，到达传感器的数量服从泊松分布。什么意思呢？就是同一场景、同一曝光，每次到达的光子数都不一样。

我记得刚入行时，总觉得暗光下噪点多是因为传感器不行。后来才明白，光子噪声是物理极限，跟传感器质量无关。

举个例子：

信号强度（光子数）	噪声标准差	信噪比（dB）
100	10	20
10,000	100	40
1,000,000	1,000	60

看到没？信号强了，信噪比自然就上去了。这就是为什么白天拍照噪点少，晚上噪点多——不是传感器变差了，是光子不够用。

2. 读出噪声（Read Noise）

这个就好玩了。光子被传感器捕获后，要转换成电压信号，再经过模数转换变成数字值。每一步都会引入噪声。

我遇到过最坑的一次，是某款传感器的读出噪声在增益提高时反而暴增。查了三天才发现是电源纹波的问题。嗯，这里要注意：读出噪声跟ISO设置强相关。

• 低ISO（原生ISO）：读出噪声最小，动态范围最大
• 高ISO：读出噪声被放大，但光子噪声也被放大，整体信噪比变化复杂

3. 热噪声（Thermal Noise / Dark Current）

温度每升高6-8°C，暗电流翻倍。这就是为什么手机拍长曝光，画面会越来越「热」。

我曾经在夏天户外做测试，手机背面烫得能煎鸡蛋。长曝光30秒，画面右下角全是红绿噪点——那就是热噪声的杰作。

三种噪声对比一下：

噪声类型	来源	与信号关系	能否消除
光子噪声	光的量子特性	√信号	物理极限，不可消除
读出噪声	电路转换	固定值（与信号无关）	可通过电路设计降低
热噪声	温度导致的暗电流	随时间累积	可降温或短曝光

多帧降噪的核心思想

好了，知道噪声长什么样了。那怎么对付它？

核心思想就一句话：拍多张，然后平均。

你可能会说：「就这么简单？」

嗯，原理确实简单，但实现起来坑很多。我先说原理。

假设你拍一张照片，信号是S，噪声是N。信噪比就是S/N。

现在你拍M张同样的照片，每张的信号都是S，但噪声是独立的（每次都不一样）。你把M张加起来：

• 信号：S × M（线性叠加）
• 噪声：√(N₁² + N₂² + ... + Nₘ²) ≈ √M × N（因为噪声是随机的，叠加后是平方和开根号）

所以信噪比变成了：

说白了，拍4帧，信噪比翻倍；拍16帧，信噪比翻4倍。

我做过一个项目，用32帧降噪，暗部细节提升肉眼可见。但代价是——你得保证这32帧之间没有运动。否则就糊了。

信噪比提升原理

刚才的公式大家记住了吧？我再展开说说实际中的表现。

假设单帧信噪比是20dB（这已经算不错的暗光表现了）：

帧数M	信噪比提升（dB）	最终信噪比（dB）
1	0	20
4	6	26
8	9	29
16	12	32
32	15	35

看到规律了吗？帧数翻倍，信噪比提升3dB。但代价是存储和计算量也翻倍。

下面这张图展示了多帧降噪的核心流程：

流程其实不复杂：先拍多帧，然后对齐（防止手抖或运动），最后融合。融合时，信号叠加，噪声抵消。

但这里有个关键点：对齐必须准。如果对齐不准，融合后边缘会模糊，那就得不偿失了。