一、课程导论与基础概念

什么是多帧合成降噪？

多帧合成降噪，说白了就是「拍多张，叠一张」。

你想想看，单张照片里的噪点，本质上是随机出现的。既然它是随机的，那同一个场景拍 4 张、8 张、16 张，每张的噪点位置都不一样。把这几张叠在一起取平均，噪点就会互相抵消，而真实的画面细节会保留下来。

我早年做安防摄像头项目时，遇到过极低光照下的监控画面——全是雪花点，人脸根本看不清。后来就是用多帧合成，把连续 8 帧叠起来，画面一下就干净了。嗯，那是我第一次直观感受到「叠加的力量」。

举个例子：4 帧合成，噪点降低约 50%；16 帧合成，噪点降低约 75%。当然，这是理想情况，实际还要考虑运动、对齐精度等因素。

为什么需要边缘保留？

直接做平均有个大问题——边缘会糊。

我刚开始做多帧降噪时踩过一个坑：把 8 张夜景照片直接叠在一起，噪点是没了，但建筑物的轮廓、树叶的边缘全变成了一团模糊。为什么？因为手持拍摄时，每张照片之间有微小的位移，直接平均就把锐利的边缘「抹平」了。

边缘保留滤波，就是要在降噪的同时，把那些「不该被平均掉」的结构信息留下来。比如：

• 强边缘（建筑物轮廓、文字边缘）——保持锐利
• 纹理区域（布料、木纹）——保留细节
• 平坦区域（天空、墙面）——大力降噪

说白了，降噪算法得学会「看人下菜碟」。不同区域用不同强度的滤波，这就是边缘保留的核心思想。

多帧降噪 vs 单帧降噪

很多人问我：既然单帧降噪算法（比如 BM3D、NLM）已经能去噪了，为什么还要搞多帧？

我直接给你看对比：

单帧降噪的瓶颈很明显：你只有一张图，噪点和细节混在一起，算法只能「猜」哪些是噪点、哪些是细节。猜对了还好，猜错了要么糊一片，要么噪点还在。

多帧降噪就不一样了。我有 8 张图，每张的噪点位置都不同，但细节位置是相同的。通过统计就能把噪点和细节分开——这不是猜，这是算。

知识体系总览

下面这张图，帮你快速建立本章的知识框架：

避坑指南

我刚开始做多帧降噪时，犯过几个低级错误，分享给你：

• 没做对齐就直接平均——结果边缘全糊了。后来我才知道，哪怕是三脚架拍摄，微小的震动也会导致像素级偏移。
• 帧数越多越好？ 不一定。超过 16 帧后，降噪收益递减，但计算量线性增长。我一般用 4~8 帧，性价比最高。
• 忽略运动物体——拍夜景时有个行人走过，结果合成出来一个半透明鬼影。后来我加了运动检测，只对静止区域做多帧融合。