4、图像噪声评估：高斯噪声、泊松噪声、散粒噪声的测量方法
说到图像噪声，很多工程师第一反应就是「噪点多少」。但实际项目中，噪声的类型远比总量更重要。我见过不少团队，花大价钱换了传感器，结果图像还是脏——后来一查，根本不是传感器的问题，而是 ISP 的噪声模型没选对。
这一章，我们就来拆解三种最常见的噪声：高斯噪声、泊松噪声、散粒噪声。我会告诉你它们长什么样、怎么测、以及测量时容易踩哪些坑。
核心观点： 噪声评估不是看「噪点多少」，而是看「噪声类型是否匹配 ISP 模型」。模型错了，降噪越狠，细节丢得越惨。
4.1 高斯噪声：最基础的「均匀颗粒」
高斯噪声是所有噪声模型里最老实的。它的特点是：每个像素的噪声独立，幅度服从正态分布。说白了，就是整张图上均匀撒了一层「胡椒面」，亮区和暗区噪点密度差不多。
测量方法：
- 拍摄一张均匀灰卡（18% 反射率），保证光照均匀。
- 在图像中心区域取一个 256×256 的 ROI。
- 计算该 ROI 的像素值标准差 σ。
- σ 值就是高斯噪声的强度指标。
我的习惯： 我会同时取 5 个不同位置的 ROI，取平均值。因为单块区域可能刚好有传感器坏点或灰尘，多取几块能避开这些干扰。
代码示例：
import cv2
import numpy as np
def measure_gaussian_noise(image_path):
img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
# 取中心 256x256 区域
h, w = img.shape
roi = img[h//2-128:h//2+128, w//2-128:w//2+128]
# 计算标准差
std = np.std(roi)
return std
# 使用
noise_level = measure_gaussian_noise('gray_card.png')
print(f'高斯噪声标准差: {noise_level:.2f}')
注意： 如果 ROI 内存在明显的亮度渐变（比如打光不均匀），标准差会偏大。这时候测出来的不是噪声，是「光照不均匀度」。我建议先做一次二阶曲面拟合，把背景趋势去掉再算标准差。
4.2 泊松噪声：与信号相关的「光子涨落」
泊松噪声的本质是光子到达的随机性。你想想看，光线越强，光子数越多，但光子到达的随机涨落也越大。所以泊松噪声的特点是：噪声方差 = 信号均值。亮区噪点明显比暗区多。
测量方法——光子转移曲线（PTC）：
- 拍摄一系列不同亮度的均匀画面（从暗到亮，至少 10 级）。
- 对每张图，计算 ROI 的均值 μ 和方差 σ²。
- 以 μ 为横轴、σ² 为纵轴画曲线。
- 在光子噪声主导区，曲线斜率 ≈ 1（即 σ² ≈ μ）。
| 亮度等级 | ROI 均值 μ | ROI 方差 σ² | σ² / μ |
|---|---|---|---|
| 1（最暗） | 32.5 | 35.2 | 1.08 |
| 2 | 64.1 | 68.7 | 1.07 |
| 3 | 128.3 | 131.5 | 1.02 |
| 4（最亮） | 200.6 | 210.4 | 1.05 |
如果 σ²/μ 接近 1，说明泊松噪声占主导。如果远大于 1，说明有其他噪声源（比如读出噪声）混进来了。
实战经验： 我在调试一款低照度 IPC 时，发现暗区噪点比亮区还多——这明显不是泊松噪声。后来查出来是传感器读出电路的热噪声在作怪。所以 PTC 曲线不仅能测泊松噪声，还能帮你诊断噪声来源。
4.3 散粒噪声：传感器自身的「暗流涌动」
散粒噪声和泊松噪声容易搞混。简单区分：泊松噪声是「光子到了但随机」，散粒噪声是「没光子时传感器自己产生的随机电荷」。它主要来自暗电流和复位噪声。
测量方法——暗场 + 亮场差分法：
- 盖上镜头盖，拍摄一张暗场图像（全黑）。
- 用均匀光源拍摄一张亮场图像（中等亮度）。
- 计算暗场的方差 σ²_dark。
- 计算亮场的方差 σ²_bright。
- 散粒噪声贡献 = σ²_bright - σ²_dark。
避坑指南： 我曾经用手机摄像头做测试，暗场图像里总有几条亮线——那是 sensor 的列固定模式噪声（FPN）。如果不先做 FPN 校正，散粒噪声的测量值会偏大很多。所以我的流程是：先做 FPN 校正 → 再测暗场方差 → 最后差分。
EMVA 1288 标准中的关键参数：
- 暗信号非均匀性 (DSNU)： 暗场下像素响应的标准差。
- 光响应非均匀性 (PRNU)： 亮场下像素响应的标准差（扣除光子噪声后）。
- 量子效率 (QE)： 光子转换为电子的效率，影响散粒噪声的大小。
4.4 三种噪声的对比与实战选择
| 噪声类型 | 与信号的关系 | 主要来源 | 测量方法 | ISP 处理策略 |
|---|---|---|---|---|
| 高斯噪声 | 独立于信号 | 读出电路、ADC | 均匀灰卡标准差 | 高斯滤波、BM3D |
| 泊松噪声 | 方差 = 均值 | 光子到达随机性 | 光子转移曲线 (PTC) | 方差稳定变换 + 高斯降噪 |
| 散粒噪声 | 与暗电流相关 | 暗电流、复位噪声 | 暗场/亮场差分 | 暗帧减法、FPN 校正 |
一句话总结： 高斯噪声看「均匀性」，泊松噪声看「亮度相关性」，散粒噪声看「暗场底噪」。三种噪声往往同时存在，但 ISP 降噪模块通常只针对其中一两种建模。你的任务就是测出每种噪声的占比，然后告诉算法工程师：「喂，你的模型该调了。」
嗯，这一章的内容就到这里。噪声测量看起来简单，但实际项目中干扰因素很多——光照不均匀、传感器坏点、FPN、甚至镜头灰尘都会让测量结果失真。我的建议是：每次测量前，先做一次「空拍验证」，确保你的测量环境本身是干净的。