图像噪声基础：噪声来源与模型
做夜景降噪，第一件事不是调算法，而是搞清楚——噪声到底从哪来的。
我刚开始接触手机摄像头时，总觉得噪声就是「画面不干净」。后来在项目中吃过亏才明白：不同来源的噪声，处理方式完全不同。你拿高斯滤波去处理泊松噪声，效果会很差。
这一章，我们就把噪声的底细摸清楚。
2.1 三大噪声来源
夜景拍摄时，传感器上的噪声主要来自三个地方。我习惯把它们分成「源头噪声」和「电路噪声」两类。
| 噪声类型 | 英文 | 产生环节 | 核心特点 |
|---|---|---|---|
| 光子噪声 | Photon Shot Noise | 光电转换 | 与信号强度平方根成正比 |
| 读出噪声 | Read Noise | 模拟电路读出 | 与信号无关，固定底噪 |
| 热噪声 | Thermal Noise | 像素暗电流 | 随温度指数上升 |
2.1.1 光子噪声
这是物理极限带来的噪声。光本身就是离散的光子，到达传感器的数量服从统计分布。你想想看，夜景下光线很弱，每个像素接收到的光子可能只有几十个。这时候，光子数的随机波动就会非常明显。
关键公式：光子噪声的标准差 = √(信号强度)
信号越强，噪声值越大，但信噪比反而提高。
我在项目中遇到过一个问题：用长曝光拍星空，明明信号很强，但星星周围还是有颗粒感。后来一查，就是光子噪声。它没法消除，只能通过多帧叠加来抑制。
2.1.2 读出噪声
读出噪声是传感器把电荷转换成电压时引入的。它跟信号大小没关系，是一个固定的底噪。
举个例子：你拍全黑画面（盖上镜头盖），看到的那些亮斑和条纹，主要就是读出噪声。
避坑指南：我曾经在调试一款传感器时，发现暗电流校正后画面反而更差了。后来才意识到，读出噪声的分布不是均匀的——不同列之间可能有差异。这时候需要用「暗场减除」而不是简单的均值减除。
2.1.3 热噪声
热噪声来自像素本身的暗电流。温度每升高 6-8°C，暗电流大约翻一倍。这就是为什么手机拍夜景久了，画面会越来越「热」。
我做过一个实验：把手机放在冰箱里（约 4°C）和室温下（约 25°C）分别拍 30 秒长曝光。结果冰箱里的画面干净得多，热噪声降低了约 75%。
注意：热噪声在长曝光（>1秒）时尤其严重。如果你在做夜景模式，曝光时间超过 2 秒，必须考虑热噪声校正。
2.2 噪声模型
搞清楚了来源，接下来要建模。噪声模型决定了你用什么样的数学工具去处理它。
2.2.1 高斯噪声
高斯噪声是最常见的模型。它的概率密度函数是正态分布：
p(x) = (1 / (σ√(2π))) * exp(-(x-μ)² / (2σ²))读出噪声和热噪声都近似服从高斯分布。它的好处是数学性质好，很多滤波器（比如高斯滤波、BM3D）都是基于这个假设设计的。
但要注意：高斯噪声假设噪声与信号无关。这在弱光下并不成立。
2.2.2 泊松噪声
光子噪声服从泊松分布。它的特点是：均值等于方差。
也就是说，信号越强的地方，噪声波动也越大。这跟高斯噪声完全不同。
核心区别：
- 高斯噪声：方差固定，与信号无关
- 泊松噪声：方差 = 均值，与信号相关
我建议你在做夜景降噪时，先把图像做一次「方差稳定变换」（VST），把泊松噪声转换成近似高斯噪声，再用高斯模型去处理。这样效果会好很多。
2.2.3 混合模型
实际传感器上的噪声是混合的：
总噪声 = 泊松噪声(光子) + 高斯噪声(读出+热)这个模型叫 Poisson-Gaussian 模型。它是目前工业界最常用的噪声模型。
| 参数 | 物理含义 | 典型值（夜景） |
|---|---|---|
| α (增益因子) | 模拟增益 | 1-16x |
| σ_read | 读出噪声标准差 | 1-5 e⁻ |
| σ_dark | 暗电流噪声 | 0.1-2 e⁻/s |
2.3 信噪比（SNR）
信噪比是衡量图像质量的核心指标。说白了就是：信号有多强，噪声有多弱。
公式很简单：
SNR = 20 * log10(信号强度 / 噪声标准差) (单位: dB)我一般用这个经验值来判断：
- SNR > 40 dB：画面非常干净，几乎看不到噪声
- SNR 20-40 dB：有轻微噪声，但可以接受
- SNR < 20 dB：噪声明显，需要降噪处理
夜景模式下，SNR 通常在 10-25 dB 之间。这就是为什么降噪算法这么重要。
个人经验：我在评估降噪算法时，不会只看 SNR 提升。因为 SNR 提升 3 dB 可能人眼根本看不出区别。我习惯同时看 PSNR 和主观视觉评分（MOS）。
2.4 本章知识结构
下面这张图把噪声的来源、模型和信噪比串起来了。你可以把它当作一个快速参考。
2.5 小结
这一章我们讲了三个核心概念：
- 噪声来源：光子噪声（物理极限）、读出噪声（电路底噪）、热噪声（温度相关）
- 噪声模型：高斯模型（固定方差）、泊松模型（方差=均值）、混合模型（更贴近实际）
- 信噪比：衡量图像质量的标尺，夜景下通常只有 10-25 dB
嗯，这些概念看起来有点理论，但后面每一章都会用到它们。尤其是当你调参数调到头秃的时候，回头看看噪声模型，往往能找到答案。