第4章 高通降噪模块详解：从ANR到CNR的实战拆解
各位好，我是老张。在高通平台摸爬滚打了十几年，降噪这块算是啃得最硬的骨头之一。今天咱们把高通降噪的几大核心模块——ANR、MCTF、BNR、YNR、CNR——挨个拆开看看。说白了，这些模块就是ISP Pipeline里负责「去脏」的几道关卡，每一关都有它的脾气。
核心观点：高通降噪不是单一算法，而是一个分层协作的系统。ANR是大脑，MCTF是时间轴上的清洁工，BNR/YNR/CNR是空间域的精修师。理解它们的关系，比死磕单个参数重要得多。
4.1 ANR架构：自适应降噪的「大脑」
ANR，全称Adaptive Noise Reduction。它不是某个具体的滤波算法，而是一套决策框架。我习惯把它理解为「降噪调度中心」——它根据图像内容动态决定：哪里该降、降多少、用什么方式降。
ANR的核心输入有三个：亮度统计、纹理复杂度、运动矢量。这三个信号经过一个查表映射，输出每个像素点的降噪强度系数。
我的经验：ANR的查表曲线是调试中最关键的部分。我曾经在一个夜景项目里，因为曲线斜率太陡，导致暗部降噪过度，整个画面像涂了一层油。后来把曲线拉平，配合MCTF的时域权重，才把纹理保住了。
ANR的典型配置参数包括：
| 参数名 | 作用域 | 典型范围 | 调试建议 |
|---|---|---|---|
| anr_strength | 全局 | 0.0 ~ 1.0 | 暗光场景建议0.6~0.8，强光场景0.2~0.4 |
| anr_edge_threshold | 边缘保护 | 0 ~ 255 | 值越小边缘保护越强，但降噪效果会下降 |
| anr_motion_sensitivity | 运动检测 | 0 ~ 100 | 运动场景建议调高，防止鬼影 |
| anr_lut_curve | 亮度映射 | 自定义曲线 | 暗部斜率要缓，亮部可以陡一些 |
4.2 MCTF原理：时域降噪的「记忆」
MCTF（Motion Compensated Temporal Filter）说白了就是「用过去帧的信息帮当前帧降噪」。它的核心假设是：噪声是随机的，而真实场景是连续的。多帧平均一下，噪声就互相抵消了。
但问题来了——如果场景里有运动物体，直接平均就会产生鬼影。所以MCTF引入了运动补偿：先做运动估计，找到前后帧的对应块，再做加权平均。
注意：MCTF的权重分配非常敏感。权重给过去帧太高，运动区域会拖尾；给当前帧太高，降噪效果又不够。我曾经在一个行车记录仪项目里，因为MCTF权重没调好，车辆尾灯拖了半条街——那画面，客户直接打回重做。
MCTF的关键参数：
- mctf_temporal_weight：时域权重，控制历史帧的贡献比例。建议0.3~0.7。
- mctf_motion_threshold：运动检测阈值。低于此值认为静止，可以大胆用时域滤波。
- mctf_block_size：运动估计的块大小。16x16是常用值，块越小越精细但计算量越大。
- mctf_search_range：运动搜索范围。±4到±8像素，视分辨率而定。
MCTF的典型处理流程：
- 接收当前帧和参考帧（通常是前一帧）
- 分块做运动估计，生成运动矢量场
- 根据运动矢量做运动补偿，对齐参考帧
- 计算时域差异，生成运动置信度
- 加权平均：当前帧 × (1-α) + 补偿后参考帧 × α
- 输出降噪后的当前帧，同时更新参考帧缓存
避坑指南：MCTF在低帧率场景（如15fps）下效果会明显下降。因为帧间间隔太大，运动估计不准。我曾经在调试一个低帧率监控项目时，不得不把MCTF强度降到接近0，全靠空间域降噪撑着。所以，如果你的项目帧率低于24fps，别对MCTF抱太大期望。
4.3 BNR配置：Bayer域的「第一道防线」
BNR（Bayer Noise Reduction）是在RAW域做的降噪。为什么要在Bayer域做？因为此时还没有做去马赛克，噪声还没有被插值算法扩散。说白了，在源头就把噪声干掉，后面就轻松多了。
BNR的核心是自适应低通滤波。它根据局部梯度判断是平坦区域还是纹理区域：平坦区用强低通，纹理区用弱低通甚至跳过。
配置BNR时，我通常会关注这几个参数：
- bnr_flat_strength：平坦区降噪强度。建议0.5~0.9，太高会丢失微弱纹理。
- bnr_edge_strength：边缘区降噪强度。通常0.1~0.3，边缘要尽量保留。
- bnr_gradient_threshold：梯度阈值，区分平坦和纹理。值越小，越多的区域被视为纹理。
- bnr_kernel_size：滤波核大小。5x5是常用值，7x7降噪更强但细节损失也大。
小技巧：BNR的强度不要一刀切。我习惯按ISO分段配置：ISO 100时bnr_flat_strength设0.3，ISO 800时提到0.6，ISO 3200时提到0.9。这样能保证低ISO的细节，高ISO的噪声也能压住。
4.4 YNR与CNR：亮度与色度的「分工协作」
YNR和CNR是在YUV域做的降噪。为什么要把亮度和色度分开处理？因为人眼对亮度和色度的敏感度完全不同——亮度细节丢了，画面就糊了；色度噪声多了，画面就脏了。
YNR（Luma Noise Reduction）的目标是：在降噪的同时，尽量保留边缘和纹理。它通常采用双边滤波或非局部均值滤波的变体。YNR的强度控制要非常小心，因为亮度通道承载了大部分图像结构信息。
CNR（Chroma Noise Reduction）的目标是：消除色斑和伪色。色度噪声通常表现为红绿蓝的随机闪烁，CNR通过低通滤波UV通道来抑制。因为人眼对色度细节不敏感，CNR的强度可以比YNR大很多。
| 对比项 | YNR | CNR |
|---|---|---|
| 处理通道 | Y（亮度） | U/V（色度） |
| 核心算法 | 边缘保护滤波 | 低通滤波 |
| 强度范围 | 0.0 ~ 0.6（谨慎） | 0.3 ~ 1.0（大胆） |
| 主要风险 | 细节丢失、模糊 | 颜色溢出、饱和度下降 |
| 调试优先级 | 高（影响清晰度） | 中（影响色彩纯净度） |
注意：YNR和CNR的强度要联动调整。YNR太强，画面会像磨皮；CNR太强，颜色会发灰。我一般先调YNR到边缘刚好不糊的程度，再调CNR到色斑刚好消失。两者之间有个平衡点，需要反复试。
4.5 各模块的协作关系
这几个模块不是独立工作的。我画个简单的协作流程：
- RAW输入 → BNR做第一轮Bayer域降噪
- BNR输出 → 去马赛克 → YUV转换
- YUV数据 → MCTF做时域降噪（利用前后帧信息）
- MCTF输出 → ANR做自适应决策（计算每个像素的降噪强度）
- ANR输出强度图 → 指导YNR和CNR的局部强度
- YNR/CNR输出 → 最终降噪结果
这里有个关键点：ANR输出的强度图是YNR和CNR的「指挥棒」。ANR说这里噪声大，YNR和CNR就加大力度；ANR说这里是纹理，YNR和CNR就手下留情。
我的经验：调试时不要单独调某个模块。我习惯先固定BNR和MCTF的参数，然后调ANR的曲线，最后微调YNR和CNR。如果发现YNR调不动，回头看看ANR的强度映射是不是给得太低了——这种情况我遇到过好几次。
4.6 实战调试建议
最后给几条实战建议，都是踩过坑换来的：
- 先看噪声分布：用平坦区域分析噪声的亮度和色度分量，确定主要噪声类型。
- 分段调试：低ISO场景优先保细节，高ISO场景优先降噪。不要试图一套参数通吃。
- 关注运动场景：MCTF在运动区域容易出问题，一定要用运动场景验证。
- 用主观评价收尾：客观指标（PSNR/SSIM）只能参考，最终以人眼判断为准。
- 保留调试记录：每次参数调整都截图+记录，方便回溯。我吃过不记录的亏——调了一周，最后不知道哪个版本最好。