📚 课程目录第2章信噪比基础

2、信噪比基础：信号与噪声的概念、信噪比(SNR)的数学定义、分贝(dB)单位换算

聊图像质量，绕不开一个核心概念——信噪比。说白了，就是信号和噪声的比值。我刚开始接触图像处理时，总觉得这玩意儿是搞通信的人才会关心的。后来做了一次传感器选型测试，才发现信噪比直接决定了你拍出来的东西能不能用。

什么是信号？你想要的、有用的信息就是信号。在图像里，信号就是场景中真实的光强分布。比如你拍一张人脸，人脸各部分的亮度、颜色变化，就是信号。

什么是噪声？你不想要的、干扰你获取真实信息的成分，就是噪声。图像噪声的表现形式很多：颗粒感、雪花点、彩色条纹、固定模式条纹……

我个人的理解是：信号是你要的，噪声是你不想要的，但两者永远共存。你想想看，任何电子系统都有热噪声，任何光电转换过程都有散粒噪声，任何量化过程都有量化噪声。你不可能完全消除噪声，只能想办法让信号比噪声大得多。

核心认知：噪声不是“有没有”的问题，而是“有多少”的问题。图像质量评测的本质，就是量化信号相对于噪声的强度。

我在项目中遇到过一种情况：用同一款传感器，在室内灯光下拍出来的图像很干净，拿到室外强光下反而出现了明显的条纹噪声。后来排查发现，是自动增益控制(AGC)把信号放大的同时，也把电源纹波噪声一起放大了。这就是信号与噪声“同涨同跌”的典型例子。

信噪比，英文 Signal-to-Noise Ratio，缩写 SNR。它的数学定义非常直接：

SNR = P_signal / P_noise

其中 P_signal 是信号功率，P_noise 是噪声功率。在图像领域，我们通常用像素值的方差来近似功率：

SNR = σ²_signal / σ²_noise

或者直接用标准差：

SNR = σ_signal / σ_noise

嗯，这里要注意：功率比和幅度比差了平方关系。如果你用幅度（像素值）来计算，结果和用功率计算差了一倍的分贝值。后面讲dB换算时会详细说。

实际工程中，我们怎么测量SNR？我常用的方法是拍一张均匀灰卡：

小技巧：如果场景不是均匀的，可以用两张相同场景的连续帧做差，差图像里信号被抵消，剩下的就是噪声。这个方法在动态场景下也适用，但需要保证两帧之间没有运动。

我曾经用这个方法测试过一款工业相机，标称SNR是45dB，实测只有38dB。后来发现是电源滤波没做好，导致50Hz工频干扰混入了图像。加了滤波电容后，SNR回到了44dB。所以，标称值和实测值往往有差距，别盲目相信datasheet。

为什么用分贝？因为人眼对亮度的感知是对数级的，而且信号和噪声的比值跨度很大（从1到几万），用线性刻度不方便。分贝正好解决了这个问题。

分贝的定义：

SNR(dB) = 10 × log10(P_signal / P_noise)

如果用的是幅度（像素值），公式变成：

SNR(dB) = 20 × log10(A_signal / A_noise)

为什么一个是10倍，一个是20倍？因为功率正比于幅度的平方。log10(A²) = 2 × log10(A)，所以幅度比的分贝值要乘20。

我刚开始做这行时，经常搞混10和20。后来记住一句话：功率用10，幅度用20。就这么简单。

下面这张表是常用SNR值的换算，建议收藏：

避坑指南：我曾经在写测试报告时，把幅度比当成功率比用了10倍log，结果SNR算出来比实际高了6dB。幸好同事复核时发现了。记住：用像素值计算时，一定要用20log10，除非你先把像素值平方转换成功率。

还有一个常见误区：dB和dBm、dBFS的区别。在图像领域，我们几乎只用dB（比值单位），不用dBm（功率单位）或dBFS（满量程相对单位）。但如果你做的是模拟视频信号链，可能会遇到dBm。记住：dB是比值，没有量纲；dBm是功率，1dBm = 1mW。

下面这张图总结了信噪比基础的核心逻辑，我画成了流程图，方便你理解：

这张图从左到右、从上到下展示了信噪比的知识脉络。你可以看到，信号和噪声是源头，SNR定义是核心，两种计算方式对应不同的工程场景，最终落到实际测量方法上。

我个人建议初学者先把这张图记在脑子里。每次做图像质量评测时，问自己三个问题：

把这三个问题想清楚，信噪比这块就算入门了。