📚 课程目录第3章噪声模型

3、噪声模型：光子散粒噪声、读出噪声与固定模式噪声

做图像传感器这行，天天跟噪声打交道。说白了，噪声就是图像里那些不该有的随机波动。你想想看，一个完美的传感器应该输出纯净的信号，但现实世界哪有那么理想？

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。这三兄弟各有各的脾气，处理方式也完全不同。今天咱们就一个一个把它们扒清楚。

光子散粒噪声，这是最根本的噪声。它来自光本身的量子特性——光子到达传感器的时间是随机的。

我记得刚入行时，有个老工程师跟我说：「散粒噪声是上帝定的，你改不了。」当时我不信，后来做了几年项目才明白，这话真没错。

核心公式：

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)

什么意思呢？假设一个像素收集了 10,000 个电子，那散粒噪声的标准差就是 100 个电子。信噪比是 100:1，也就是 40dB。

这里有个关键点：散粒噪声是信号依赖的。信号越强，噪声值越大，但信噪比也在提高。暗区信号弱，信噪比就低，所以暗部噪点最明显。

我在项目中遇到过一件事：某款手机传感器在暗光下噪点严重，团队一开始怀疑是读出噪声太大。后来我算了一笔账，发现散粒噪声才是主因。换了个大像素的方案，问题就解决了。嗯，物理规律你得尊重它。

实战技巧：

多帧融合时，散粒噪声的方差是可加的。如果你融合 N 帧，散粒噪声的标准差会降低到原来的 1/√N。这就是为什么夜景模式要拍多张照片。

读出噪声，是传感器把电荷转换成电压、再转换成数字信号的过程中引入的。它跟信号大小没关系，是个固定底噪。

你想想看，电荷从像素转移到列放大器，再经过 ADC 量化，每一步都会引入噪声。这些噪声源包括：

读出噪声的单位通常是电子数 (e- rms)。高端工业相机的读出噪声能做到 1-2 e- rms，而手机传感器一般在 3-10 e- rms 之间。

注意：

读出噪声在低照度下是主要限制因素。当信号电子数小于读出噪声时，图像会被噪声淹没。这就是为什么暗光拍摄需要长曝光或多帧融合——先把信号提上来，让散粒噪声成为主导。

我曾经调试过一款传感器，读出噪声指标标称 3 e- rms，但实测到了 8 e- rms。查了半天，发现是 PCB 布局问题——模拟电源和数字电源没分开，数字开关噪声串进来了。改了一版 layout，噪声就降回去了。所以啊，电路设计也很关键。

固定模式噪声 (FPN)，说白了就是不同像素对同一光照的响应不一致。它不像散粒噪声那样随机，而是固定的——你拍 100 张暗场，每颗像素的偏置都一样。

FPN 分两种：

FPN 的可怕之处在于，人眼对固定图案特别敏感。随机噪声看着像「噪点」，还能忍；但 FPN 看着像「条纹」或「网格」，一眼就能看出来。

FPN 校正方法：

我记得有一次做安防相机，客户投诉画面有竖条纹。我一看就知道是列级 FPN。但奇怪的是，暗场校正已经做了啊。后来发现是温度变化导致列放大器偏移漂移了。解决方案是加了一个温度传感器，根据温度查表更新校正参数。嗯，工程问题往往比理论复杂。

这三种噪声在图像中同时存在，但主导地位随光照变化：

多帧融合策略必须考虑这个特性。举个例子，暗光下读出噪声是主要矛盾，那融合时就要用均值或中值滤波来压制它。而亮光下散粒噪声是主要矛盾，融合时更关注如何保持细节。

理解了这三种噪声，你就能明白为什么多帧融合不是简单的「拍多张取平均」。不同噪声需要不同的处理策略：

我的经验：

实际项目中，我通常先做 FPN 校正，再做多帧融合。FPN 不除掉，融合再多帧也没用——固定图案会一直留在图像里。校正完 FPN 后，再根据光照条件选择均值或中值融合。暗光下优先用中值，亮光下用均值就够了。

好了，噪声模型这部分就讲到这里。记住一句话：噪声不可怕，可怕的是你不了解它。搞清楚了每种噪声的脾气，你就能对症下药，设计出靠谱的多帧融合算法。