当下与未来的图像视频去噪探索：从传统技巧到深度学习进阶 - 1.2 需要了解的噪声源头

图像、视频从采集到播放的整个生命周期中会经历各种各样的处理过程，比如采集、剪辑、编码、转码、传输、显示等，每个处理过程都会引入失真。“噪声”就是在信号采集过程中引入的一种普遍失真。降低噪声强度可以使图像主观效果更好。另外，在图像、视频压缩时也不必浪费码率在编码噪声上。同时，会使得视频编码中的运动估计更准确、熵编码速度更快。

噪声的来源有多种，其中最主要的部分来自光子散粒噪声。上图描述的是从感光元器件收集到光子，一直到生成数字图像的过程。首先感光元器件把光子转换成电子，电子形成电压，电压放大后量化，最终形成数字图像。光子散粒噪声在感光元器件接收光子时就发生了。

即使光线是完全平坦的，感光元器件每个像素接受到的光子个数也是不同的。像素接收到光子个数的分布，符合一个经典的离散概率分布模型—泊松分布。上图中右侧是泊松分布的数学公式，他的均值是λ，标准差是√λ，而均值和标准差分别对应了信号以及噪声的强度。均值和标准差的比值就是信噪比。可以看到，信噪比是随λ增加而增加的，信噪比越高意味着主观感受到的噪声越小，这里的λ可以理解为每个像素接收到的光子个数。因此，我们可以通过提高单位像素面积内接受到的光子个数来降低人眼感知到的噪声强度。不论是硬件降噪或是软件降噪，很多降噪方法都利用到了这个原理。

除了光子散粒噪声外，噪声来源还包括暗电流噪声、热点噪声、固定模式噪声以及读出噪声。这些噪声或者与电路热扰动释放的电子有关，或者与感光元器件在制造过程中产生的缺陷有关。其中，暗电流噪声和热点噪声与曝光时间有关，曝光时间越长，这两类噪声的强度越大。上图中左下部分给出的是关于信号和噪声强度的一个更精确的公式。