2. 光子散粒噪声（Shot Noise）：泊松分布建模，信噪比与光子数的关系，高光照与低光照下的表现差异

散粒噪声，我习惯叫它“光子散粒噪声”。这是图像传感器里最根本、最躲不开的一种噪声。为什么？因为它来自光本身的量子特性。说白了，光是一份一份的光子，不是连续的水流。你想想看，光子到达像素的时间是随机的，就像雨滴落在屋顶上——有时候多几滴，有时候少几滴。

这种随机性，就是散粒噪声的根源。不管你用多好的传感器，它都在那里。我当年刚入行时，总想着能不能通过电路设计把它“滤掉”，后来才明白——这是物理极限，只能管理，不能消除。

2.1 泊松分布：散粒噪声的数学语言

散粒噪声服从泊松分布。为什么是泊松？因为光子到达事件满足三个条件：

• 独立：每个光子到达与否，跟其他光子没关系
• 稀有：在极短时间窗口内，到达的概率很小
• 平稳：平均到达率是常数

这三个条件一凑，泊松分布就来了。数学上，一个像素在曝光时间内接收到 k 个光子的概率为：

P(k) = (λ^k * e^(-λ)) / k!

其中 λ 是平均光子数。泊松分布有个重要性质：均值等于方差。也就是说，如果平均收到 100 个光子，那么方差也是 100，标准差就是 √100 = 10。

我在项目中遇到过一位同事，他坚持用高斯分布近似散粒噪声。在强光下问题不大，但一到暗光场景，模型就完全不准了。嗯，这里要注意——泊松分布只在光子数较少时表现出明显的“离散性”，光子数多了才接近高斯。

2.2 信噪比与光子数的关系

信噪比（SNR）是衡量图像质量的核心指标。对于散粒噪声，SNR 的计算非常简单：

SNR = 信号 / 噪声标准差 = λ / √λ = √λ

你看，信噪比只跟光子数的平方根成正比。这意味着什么？

平均光子数 λ	散粒噪声标准差 √λ	信噪比 SNR (dB)	主观画质
10	3.16	10 dB	噪点明显，细节模糊
100	10	20 dB	可接受，轻度颗粒感
1,000	31.6	30 dB	干净，细节丰富
10,000	100	40 dB	极佳，接近无噪

从表格里能看出一个规律：光子数每增加 100 倍，SNR 只增加 10 dB。想提升画质，就得大幅增加进光量。这就是为什么手机在暗光下再怎么算法优化，也比不过大底相机的物理优势。

2.3 高光照 vs 低光照：表现差异

散粒噪声在不同光照下的表现，完全是两个世界。我分别说说。

高光照场景（λ > 1,000）

• 噪声形态：近似高斯分布，看起来像细密的颗粒
• 相对强度：噪声标准差 / 信号 = 1/√λ，很小（比如 λ=10,000 时只有 1%）
• 主观感受：图像干净，散粒噪声几乎不可见
• 主要矛盾：此时其他噪声（如读出噪声、固定模式噪声）可能更突出

低光照场景（λ < 100）

• 噪声形态：明显的泊松分布，出现“斑点状”噪声
• 相对强度：噪声标准差 / 信号 = 1/√λ，很大（λ=10 时高达 31.6%）
• 主观感受：图像粗糙，暗部细节被噪声淹没
• 主要矛盾：散粒噪声成为画质瓶颈

我曾经调试过一款安防摄像头，客户投诉夜间画面“全是雪花点”。我一看数据，暗部区域平均光子数只有 15 左右，SNR 不到 12 dB。这不是传感器坏了，是物理极限。后来我们通过延长曝光时间和像素合并（binning），把等效光子数提到了 60，SNR 到了 18 dB，客户才满意。

2.4 散粒噪声的视觉影响：一张 SVG 图说清楚

下面这张图展示了不同光子数下，散粒噪声对图像的影响。我把它画成了从“理想信号”到“实际观测”的流程。

2.5 实际调优中的应对策略

知道了散粒噪声的规律，调优就有方向了。我总结了几条实战经验：

1. 优先保证曝光：延长积分时间、增大光圈、使用更大像素——这些物理手段直接提升 λ，是降噪的根本。
2. 像素合并（Binning）：在低光照下，把相邻 2×2 或 4×4 像素合并成一个超级像素。代价是分辨率下降，但 SNR 提升 √(合并数) 倍。
3. 多帧叠加：拍摄多帧图像后平均，等效于增加曝光时间。适合静态场景。
4. 避免过度增益：增益放大信号的同时也放大散粒噪声。我一般把模拟增益控制在 12 dB 以内，超过这个值就考虑其他手段。
5. 算法降噪的边界：空域降噪（如双边滤波）可以平滑散粒噪声，但会损失细节。时域降噪（多帧）效果更好，但需要运动补偿。