4. 图像噪声基础：噪声类型、模型与统计特性
在RK平台ISP调试中，噪声是影响图像质量的首要因素。理解噪声的来源、类型及其统计特性，是进行降噪参数调优和色彩校正联合优化的前提。本章从物理源头出发，系统梳理图像噪声的数学模型与视觉影响。
4.1 噪声的主要类型
图像传感器（CMOS/CCD）在光电转换、读出和放大过程中会引入多种噪声。根据产生机理，可归纳为以下三类核心噪声：
| 噪声类型 | 英文名称 | 产生阶段 | 主要特性 | ISP处理难点 |
|---|---|---|---|---|
| 光子噪声 | Photon Shot Noise | 光电转换 | 与信号强度平方根成正比，服从泊松分布 | 高光区域明显，无法通过硬件消除 |
| 读出噪声 | Readout Noise | 模拟读出 | 与信号无关，近似高斯分布 | 暗部区域主导，限制动态范围 |
| 固定模式噪声 | Fixed Pattern Noise (FPN) | 像素/列电路 | 空间位置固定，行/列相关 | 需标定校正，否则产生条纹 |
调试提示： 在RK平台ISP参数表中，
bayernr（Bayer域降噪）主要处理光子噪声和读出噪声，而dpcc（坏点校正）和lsc（镜头阴影校正）部分补偿固定模式噪声。联合调优时需区分噪声来源，避免过度平滑。
4.1.1 光子噪声（Photon Shot Noise）
光子到达传感器像素的过程具有量子随机性。即使光照恒定，每个像素在单位时间内收集的光子数也会围绕平均值波动。这种波动即为光子噪声，其标准差等于信号均值的平方根：
σ_shot = √(μ_photon)其中 μ_photon 为平均光子数。光子噪声是图像传感器噪声的理论下限，在强光下占主导地位。由于它与信号相关，降噪时需采用信号依赖型阈值，而非固定阈值。
4.1.2 读出噪声（Readout Noise）
读出噪声产生于像素电荷转换为电压、放大及模数转换（ADC）的过程中。它主要包括：
- 复位噪声（KTC噪声）： 由像素复位开关的热噪声引起，与温度相关。
- 放大器噪声： 源极跟随器和列放大器引入的1/f噪声和热噪声。
- 量化噪声： ADC量化精度有限导致的误差，通常为1 LSB。
读出噪声在低照度条件下成为主要噪声源，其统计特性近似为零均值高斯分布，标准差 σ_read 与信号强度无关。
4.1.3 固定模式噪声（FPN）
FPN由传感器制造工艺偏差引起，表现为像素间暗电流差异（DSNU）和光响应非均匀性（PRNU）。其特点是：
- 空间固定： 同一传感器在不同帧中，噪声图案不变。
- 行/列相关： 列放大器失配会导致垂直条纹。
- 温度敏感： 暗电流随温度升高呈指数增长。
避坑指南： FPN在长时间曝光或高温环境下会显著恶化。在RK平台调试时，务必在完全黑暗环境下采集暗场标定帧，用于FPN减除。若忽略此步骤，后续色彩校正矩阵（CCM）会放大FPN，导致色斑。
4.2 噪声模型与统计特性
为了在ISP中设计有效的降噪算法，需要建立统一的噪声模型。实际传感器噪声可近似为泊松-高斯混合模型：
I_observed = I_true + n_shot(I_true) + n_read
其中：
n_shot ~ Poisson(λ = I_true) - I_true // 光子噪声，方差 = I_true
n_read ~ Gaussian(μ = 0, σ = σ_read) // 读出噪声，方差 = σ_read²总噪声方差为：
σ_total² = I_true + σ_read²这一模型表明：噪声方差随信号强度线性增加，截距为读出噪声方差。在RK平台ISP的rawnr模块中，通常需要配置噪声曲线（Noise Profile），即不同增益下的 σ_total 与信号强度的关系。
关键参数： 噪声曲线的斜率对应光子噪声系数，截距对应读出噪声。在RK ISP调试工具中，通过采集多张灰阶卡图像，可拟合出准确的噪声曲线，为降噪强度提供依据。
4.3 噪声对图像质量的影响
噪声从多个维度劣化图像质量，直接影响后续色彩校正和主观观感：
| 影响维度 | 具体表现 | 与色彩校正的耦合 |
|---|---|---|
| 亮度细节损失 | 噪声掩盖边缘和纹理，导致图像模糊 | 降噪过度会使色彩边缘模糊，CCM后出现色晕 |
| 色彩偏差 | Bayer域噪声经去马赛克后产生伪色 | CCM会放大伪色，需配合色彩降噪（CNR） |
| 动态范围压缩 | 读出噪声限制暗部可分辨信号 | 暗部信噪比低，CCM增益导致噪声放大 |
| 视觉颗粒感 | 光子噪声在高光区产生颗粒 | 颗粒感在均匀色块（如天空）中尤为刺眼 |
4.4 噪声模型与ISP处理流程
下图展示了从传感器到ISP输出的噪声演变路径，以及各模块对噪声的抑制或放大作用：
4.5 噪声测量与评估指标
在RK平台调试中，常用以下指标量化噪声水平：
- SNR（信噪比）： 信号均值与噪声标准差的比值，单位dB。SNR越高，图像越干净。
- NPS（噪声功率谱）： 描述噪声的空间频率分布，用于区分低频色块噪声和高频颗粒噪声。
- 视觉噪声（Visual Noise）： 结合人眼对比度敏感度函数（CSF）的加权噪声指标，更贴近主观感受。
实践建议： 在RK ISP调试工具中，使用
imx415等传感器时，建议在增益为0dB、6dB、12dB、18dB、24dB五个档位分别采集噪声曲线，确保降噪参数覆盖全增益范围。色彩校正矩阵（CCM）的调优应在中等增益（6dB~12dB）下进行，此时噪声与色彩平衡最佳。