2. 噪声来源分析：传感器噪声、量化噪声与光子噪声

做 HDR 色调映射，说白了就是在跟噪声打架。你想想看，多帧合成也好，单帧恢复也罢，最终图像里那些不该出现的颗粒、色斑、闪烁，源头到底在哪？

我个人习惯把噪声来源分成三大类：传感器噪声、量化噪声、光子噪声。这三兄弟性质完全不同，处理手段也天差地别。咱们一个一个来拆。

2.1 光子噪声：物理极限，躲不掉

光子噪声，也叫散粒噪声。它根植于光的量子本质——光子到达传感器像素的速率不是均匀的，而是服从泊松分布。

什么意思？就是同一光照下，同一像素，两次曝光接收到的光子数会有波动。这个波动的标准差等于光子数的平方根。

我在项目中遇到过最典型的场景：暗光下拍夜景，ISO 已经拉到很高了，画面里那种细密的、像沙子一样的颗粒，大部分就是光子噪声。你没法消除它——因为它是物理过程固有的。唯一能做的，就是增加光子数（延长曝光、开大光圈、多帧平均）。

2.2 传感器噪声：电路里的“脏东西”

传感器噪声来自读出电路和像素本身。它不像光子噪声那样“公平”——不同像素、不同温度、不同增益下，表现差异很大。

我习惯把它再拆成两类：

• 读出噪声：像素电荷转换成电压、再被 ADC 量化过程中引入的噪声。跟曝光时间无关，跟读出速度有关。高速读出时噪声更大。
• 暗电流噪声：即使完全遮光，像素也会因为热激发产生电子。温度每升高 6-8°C，暗电流翻倍。长曝光时尤其明显。

噪声类型	与曝光关系	与温度关系	与增益关系
读出噪声	无关	弱相关	随增益放大
暗电流噪声	线性增加	强相关（每 6-8°C 翻倍）	随增益放大
光子噪声	平方根关系	无关	随增益放大

2.3 量化噪声：ADC 的“舍入误差”

量化噪声是模数转换过程中产生的。模拟信号是连续的，数字信号是离散的——这个“取整”的过程，就是量化噪声的来源。

它的特点是：均匀分布、与信号无关、幅度固定。一个 12-bit ADC 的量化步长是 1/4096，量化噪声的标准差大约是 1/√12 个 LSB。

你可能会问：量化噪声这么小，重要吗？

重要。尤其是在 HDR 场景下。想想看：

• 暗部信号本身就很弱，量化噪声可能跟信号差不多大
• 色调映射会拉伸暗部，量化噪声被放大后变得肉眼可见
• 多帧合成时，如果帧间量化误差不相关，平均后噪声会降低；但如果相关（比如固定模式），反而会累积

2.4 三种噪声的叠加关系

实际图像里，这三种噪声是同时存在的。它们互相独立，所以总噪声是方差相加：

σ²_total = σ²_shot + σ²_readout + σ²_dark + σ²_quant

不同亮度区域，主导噪声不同：

• 暗部：读出噪声 + 暗电流噪声占主导
• 中间调：光子噪声开始显现
• 亮部：光子噪声占主导，量化噪声几乎可以忽略

下面这张图能帮你直观理解这个关系：

2.5 噪声对 HDR 色调映射的具体影响

搞清楚了噪声来源，咱们得聊聊它怎么影响 tone mapping 的结果。我总结了三个关键点：

1. 暗部噪声放大：色调映射曲线通常是非线性的，暗部斜率大。这意味着暗部的噪声会被乘以一个大于 1 的系数。举个例子，如果曲线在暗部的增益是 4x，那么原本 2 LSB 的噪声就变成了 8 LSB——肉眼可见。
2. 细节与噪声的混淆：在低信噪比区域，真正的纹理细节和噪声在频域上很难区分。降噪太强会糊掉细节，降噪太弱噪声又会被映射放大。这个平衡点，是 HDR 算法最核心的难点。
3. 帧间噪声不一致：多帧 HDR 合成时，不同曝光帧的噪声特性不同。短帧光子噪声小但读出噪声相对明显，长帧光子噪声大但读出噪声被信号淹没。直接平均会导致噪声特性突变，产生“噪声斑块”。

2.6 噪声测量与建模

要处理噪声，先得测量它。我常用的方法是拍一张均匀灰卡，然后分析像素值的统计分布：

步骤	操作	得到什么
1	全黑拍摄（镜头盖盖住）	暗电流 + 读出噪声
2	不同亮度灰卡拍摄	光子噪声随信号的变化曲线
3	计算像素值方差 vs 均值	噪声模型参数（增益、读出噪声方差）
4	分析残差图像	固定模式噪声、行噪声等

有了噪声模型，你就可以在算法里做“噪声感知”的色调映射了。比如，在暗部降低对比度增强的强度，或者根据局部信噪比动态调整降噪参数。