3. 多帧融合去噪原理：时域降噪的核心思想

单帧降噪，说白了就是「一张图自己跟自己较劲」。你压噪点，细节就糊；你保细节，噪点就留着。这个矛盾我折腾了好几年，直到接触了多帧融合——思路一下子就打开了。

多帧融合的核心思想其实很简单：信号是稳定的，噪声是随机的。你拍同一个场景，拍十张，每张的噪点位置都不一样，但真实细节的位置是一样的。把多张图叠在一起，噪声互相抵消，细节互相加强。这就是时域降噪的基本逻辑。

为什么多帧比单帧好？三个关键原因

我刚开始做HDR去噪时，也想过「单帧搞不定吗？」后来踩了坑才明白，多帧的优势是单帧永远追不上的。

对比维度	单帧降噪	多帧融合
噪声模型	只能假设噪声分布，靠算法猜	利用多帧统计特性，噪声自然抵消
细节保留	降噪越强，细节越糊	信号叠加增强，细节反而更清晰
暗部表现	暗部信噪比低，降噪后容易断层	多帧叠加提升信噪比，暗部更干净
计算复杂度	低，一张图处理即可	高，需要对齐和融合多帧
适用场景	静态场景、快速预览	弱光、HDR、长曝光

你看这个表格就明白了。单帧降噪本质上是在「猜」，而多帧融合是在「算」。猜总有猜错的时候，算出来的结果就稳得多。

多帧融合的三大步骤

实际做多帧融合时，不是简单叠个平均就完事了。我踩过的坑告诉我，必须走这三步：

1. 帧间对齐——先把多帧图像对齐到同一个坐标系
2. 运动检测——找出哪些区域有运动，哪些是静态
3. 自适应融合——静态区域多帧平均，运动区域单帧处理

时域降噪的数学直觉

为什么多帧能降噪？咱们用个简单的例子说明。

假设每个像素的真实值是 S，噪声是 N（均值为0，方差为σ²）。单帧的像素值就是 S + N。信噪比是 S/σ。

如果融合 M 帧，信号部分变成 M×S，噪声部分变成 √M×σ（因为噪声是独立同分布的，叠加后标准差只增加√M倍）。信噪比就变成了：

SNR_多帧 = (M×S) / (√M×σ) = √M × (S/σ)

说白了，融合4帧，信噪比提升2倍；融合9帧，信噪比提升3倍。这个提升是实打实的，不是算法「猜」出来的。

多帧融合的典型流程

下面这张图是我在实际项目中总结的流程，你可以参考：

实际项目中的避坑指南

多帧融合听起来简单，做起来全是坑。我把自己踩过的坑列出来，你遇到了直接跳过：

• 对齐精度不够——我曾经用全局仿射变换对齐手持拍摄的夜景，结果边缘区域全是重影。后来改用局部光流 + 中值滤波，才把重影压下去。
• 运动检测太敏感——树叶晃动、水面波纹这些「伪运动」，如果检测成运动区域，融合效果就大打折扣。我建议用时间中值滤波做预处理，先把这些伪运动滤掉。
• 融合权重一刀切——不是所有帧的权重都一样。曝光好的帧权重高，模糊的帧权重低。我习惯用「梯度幅值」作为权重依据，梯度大的区域说明细节丰富，权重给高一些。
• 内存爆炸——融合8帧以上的4K图像，内存直接飙到几个GB。我后来改用滑动窗口 + 增量更新，每帧只保留中间结果，内存占用降了80%。

多帧融合的适用场景

不是所有场景都适合多帧融合。我总结了一下，适合和不适合的情况如下：

适合多帧融合	不适合多帧融合
弱光夜景（信噪比极低）	快速运动场景（对齐困难）
HDR合成（不同曝光帧）	视频实时处理（延迟要求高）
长曝光模拟（手持拍摄）	单帧抓拍（只有一张图）
显微镜/天文摄影	低算力设备（手机预览）

说白了，多帧融合的核心优势就是「用时间换信噪比」。你愿意多花几帧的时间，就能换来更干净的暗部、更丰富的细节。这个trade-off，在HDR去噪领域是非常划算的。