3. 传感器噪声模型：光子散粒噪声、读出噪声、固定模式噪声的数学建模
做HDR图像处理，绕不开一个核心问题——噪声从哪来？
我个人习惯把传感器噪声分成三类：光子散粒噪声、读出噪声、固定模式噪声。这三兄弟性格完全不同，建模方式也各有门道。今天咱们就把它们一个个拆开，看看数学上怎么描述，实际项目中又该怎么处理。
3.1 光子散粒噪声：物理本质决定的随机性
先说最根本的——光子散粒噪声。这玩意儿是量子效应的直接体现，躲不掉的。
光打到传感器上，本质是离散的光子事件。单位时间内到达的光子数服从泊松分布。你想想看，就算场景亮度完全恒定，每个像素收集到的光子数也会有波动。
核心公式：
光子散粒噪声方差 = 平均光子数 (μ)标准差 = √μ
为什么是泊松分布？因为光子到达是独立随机事件，且单位时间内的平均到达率是常数。泊松分布有个重要性质：均值等于方差。这意味着信号越强（光子数越多），噪声的值越大，但信噪比反而提高。
我在项目中遇到过一个问题：低光照场景下，散粒噪声的信噪比极低。比如平均只有10个光子时，标准差就是√10 ≈ 3.16，信噪比只有10/3.16 ≈ 3.16。这直接导致暗部区域出现明显的颗粒感。
| 平均光子数 (μ) | 标准差 (√μ) | 信噪比 (μ/√μ) |
|---|---|---|
| 10 | 3.16 | 3.16 |
| 100 | 10 | 10 |
| 1000 | 31.62 | 31.62 |
| 10000 | 100 | 100 |
从表格能看出来，光子数越多，信噪比越高。这就是为什么HDR合成时，长曝光帧的暗部细节其实比短曝光帧更干净——虽然长曝光可能引入其他问题。
实战经验：处理散粒噪声时，我建议用方差稳定变换（如Anscombe变换）把泊松噪声近似为高斯噪声，这样后续的滤波算法会更顺手。
3.2 读出噪声：电路层面的“底噪”
读出噪声是传感器读出电路引入的，跟光子没关系。它存在于每个像素的读出过程中，包括复位噪声、放大器噪声、量化噪声等。
说白了，就算你把镜头盖盖上（零光照），读出电路也会产生一个本底噪声。这个噪声通常建模为零均值高斯分布。
数学模型：
读出噪声 ~ N(0, σ_read²)其中 σ_read 是读出噪声的标准差，单位通常用电子数 (e⁻) 表示。
读出噪声有几个特点：
- 与信号无关：不管光照强弱，读出噪声的方差基本恒定
- 与增益相关：增益越高，读出噪声被放大的倍数越大
- 与温度相关：温度升高，读出噪声通常也会增大
我曾经踩过一个坑：某次做HDR多帧合成，发现暗帧的噪声水平比理论值高很多。排查了半天，发现是传感器温度升高导致读出噪声从2e⁻涨到了4e⁻。嗯，这里要注意——高帧率拍摄时传感器发热不可忽视。
避坑指南：我曾经在低光照HDR场景中，把读出噪声模型设成了常数。结果合成后的图像暗部出现条带状噪声。后来才发现，不同列像素的读出电路有微小差异，导致读出噪声在列方向上存在相关性。建议用列相关噪声模型替代纯独立同分布假设。
3.3 固定模式噪声：像素间的“个性差异”
固定模式噪声（FPN）是传感器制造工艺导致的。每个像素的光电响应特性不完全一致，有的像素偏亮，有的偏暗。这种差异在空间上是固定的，不随时间变化。
FPN通常分为两类：
| 类型 | 来源 | 特性 | 校正方法 |
|---|---|---|---|
| 暗信号非均匀性 (DSNU) | 暗电流差异 | 零光照下的偏移 | 暗帧减除 |
| 光响应非均匀性 (PRNU) | 量子效率差异 | 增益随光照变化 | 平场校正 |
FPN数学模型：
DSNU: 每个像素 i 的暗偏移量 O_i ~ N(0, σ_DSNU²)
PRNU: 每个像素 i 的增益系数 G_i ~ N(1, σ_PRNU²)
最终像素值 = G_i × (光子信号 + 散粒噪声) + O_i + 读出噪声你想想看，如果FPN不校正，HDR合成时不同曝光帧的像素偏移会叠加，产生严重的固定图案。我见过一个案例：某款手机传感器PRNU达到2%，在长曝光帧中直接导致画面出现网格状纹理。
3.4 三种噪声的协同建模
实际传感器中，这三种噪声是同时存在的。完整的噪声模型需要把它们组合起来。
完整噪声模型：
观测值 = G_i × (μ + √μ × ε_shot) + O_i + ε_read
其中：
- μ: 理想光子数
- ε_shot ~ N(0,1): 散粒噪声归一化项
- ε_read ~ N(0, σ_read²): 读出噪声
- G_i ~ N(1, σ_PRNU²): PRNU增益
- O_i ~ N(0, σ_DSNU²): DSNU偏移这个模型看起来复杂，但实际应用时可以简化。比如在HDR多帧合成中，我通常把FPN先通过暗帧和平场校正消除，剩下的就是散粒噪声和读出噪声的混合体。
下面这张图展示了三种噪声在传感器信号链中的位置和关系：
3.5 噪声参数标定：从理论到实践
理论模型有了，怎么拿到实际参数？我分享一个常用的标定流程：
- 暗帧采集：盖上镜头盖，拍摄多帧全黑图像。计算每像素的均值和方差，得到DSNU和读出噪声的估计。
- 平场采集：拍摄均匀光照下的灰卡，多帧平均后计算像素间的增益差异，得到PRNU估计。
- 光子转移曲线：改变光照强度，记录均值和方差的关系。斜率就是增益系数，截距就是读出噪声方差。
实用技巧：标定FPN时，我建议至少采集100帧暗帧和100帧平场帧。帧数太少，随机噪声会污染FPN的估计结果。另外，标定环境温度要和实际使用场景一致，否则参数会漂移。
有了准确的噪声模型，后续的HDR合成和色调映射才能做到“对症下药”。比如在合成阶段，可以根据每个像素的噪声水平自适应调整权重，让信噪比高的像素贡献更多信息。
嗯，噪声模型这块就聊到这儿。记住一句话：噪声不是敌人，而是系统的一部分。理解它、建模它、利用它，才是HDR图像处理的正确姿势。