📚 课程目录第2章传感器物理

2、传感器物理：从光子到电子，噪声是怎么产生的？——读出噪声、散粒噪声、热噪声

做暗光HDR去噪，绕不开一个根本问题：噪声到底从哪来的？

很多人调了一堆降噪参数，效果还是不行。为什么？因为你没搞懂噪声的物理根源。我刚开始接触传感器时也踩过这个坑——拿着示波器对着模拟前端一顿猛调，结果发现噪声根本没降多少。后来才明白，噪声不是电路设计的问题，而是物理定律的锅。

这一章，我们就从光子到电子的全过程，把三种核心噪声讲清楚。

先看一张整体流程图，帮你建立全局认知：

这张图展示了信号从光子到数字值的完整路径。每个环节都会引入噪声，而且这些噪声是相互独立的。总噪声是它们的平方和开根号——也就是所谓的均方根叠加。

散粒噪声，也叫光子散粒噪声。它来自光的量子特性。

你想想看，光是由一个个光子组成的。到达传感器的光子数量，不是一个固定值，而是服从泊松分布的随机变量。也就是说，即使场景亮度完全不变，每个像素接收到的光子数也会上下波动。

关键公式：

散粒噪声的标准差 = √(信号电子数)

信噪比(SNR) = 信号电子数 / √(信号电子数) = √(信号电子数)

这意味着什么？信号越强，散粒噪声的值越大，但信噪比反而越高。暗光下信号弱，散粒噪声就成了主要限制因素。

我在项目中遇到过一个问题：用同一颗传感器拍暗光场景，降噪算法在亮区效果很好，暗区却全是颗粒感。后来一分析，暗区信号只有几十个电子，散粒噪声的信噪比只有7~8dB，再怎么滤波也救不回来。这就是物理极限。

实战经验：

暗光下散粒噪声占主导时，不要指望单帧降噪能完美恢复细节。这时候多帧融合才是正道——通过多帧平均，把散粒噪声的方差降下来。

热噪声，也叫暗电流噪声或约翰逊-奈奎斯特噪声。它来自半导体内部的热运动。

说白了，温度会让半导体中的电子获得能量，即使没有光照，也会产生电子-空穴对。这些“凭空产生”的电子，会被势阱收集，形成暗电流。

热噪声有两个特点：

我记得有一次做安防摄像头的HDR项目，客户反馈夜间长曝光画面全是“雪花”。排查了半天，发现是传感器温度到了55°C。后来加了散热片，温度降到35°C，暗电流降了将近一个数量级，画面干净多了。

避坑指南：

我曾经在算法上花了两周调参数，试图用滤波去掉热噪声，效果始终不理想。后来才意识到，热噪声在长曝光下是空间非均匀的——不同像素的暗电流不一样。单纯的空域滤波会留下固定图案噪声（FPN）。正确的做法是先做暗场校正，再做时域滤波。

读出噪声，是电荷从势阱转移到读出电路、再转换成电压、最后被ADC量化的过程中引入的噪声。

它和信号强度无关，是一个固定底噪。无论你拍的是亮场景还是暗场景，读出噪声都一样大。

读出噪声的主要来源：

典型数值：

消费级CMOS传感器：读出噪声 2~5 e⁻ rms

工业级/科学级传感器：读出噪声 1~2 e⁻ rms

高端sCMOS：读出噪声 < 1 e⁻ rms

读出噪声在暗光下特别致命。为什么？因为暗光信号可能只有10~20个电子，读出噪声就有3个电子，信噪比直接掉到10dB以下。这时候你看到的不是图像，是噪点。

噪声类型	来源	与信号的关系	与温度的关系	与曝光时间的关系	暗光下的影响
散粒噪声	光子的量子随机性	√(信号)	无关	√(时间)	主要限制
热噪声	半导体热运动	无关	指数上升	线性增加	长曝光时严重
读出噪声	电路不完美	无关（固定底噪）	轻度相关	无关	极暗时占主导

实战中怎么判断哪种噪声占主导？我有个简单方法：

我的个人习惯：

做HDR去噪算法时，我会先做噪声标定，把三种噪声的系数拟合出来。这样在算法里就可以针对不同亮度区间采用不同的去噪策略——亮区用轻滤波，暗区用重滤波，中间区做自适应过渡。效果比一刀切的降噪好得多。

三种噪声，各有各的脾气。散粒噪声是量子力学决定的，你改不了；热噪声是热力学决定的，你可以降温；读出噪声是电路设计决定的，你可以选更好的传感器。

做HDR去噪，第一步不是调算法参数，而是搞清楚你的噪声从哪来、长什么样、有多大。只有摸清了噪声的底细，才能对症下药。