噪声的定义及来源

在成像领域，噪声通常指在图像采集、传输或处理过程中引入的非目标信息的随机干扰信号，表现为亮度或颜色的不规则变化（如颗粒感、杂色或不规则斑点），直接影响图像的清晰度与信息可靠性。

噪声有着相应的来源：
一种是光源的物理特性造成的噪声（光子散粒噪声），另一种是由于传感器技术的限制造成的噪声（暗电流和读出噪声）。

信噪比

信噪比（SNR）是一个普通的噪声描述方法。指的是系统中信号与噪声的比，常常用分贝（dB）表示。举个例子，在一个大房间里有很多人，两个人分别站在房间的两头的人想要进行沟通，这个时候沟通的内容就是信号，而周围其他人发出的声音就是噪音。信噪比的值表现的是周围噪音对于沟通内容的影响，必须要想方设法地压倒周围的其他噪音才能进行沟通。因此，在图像处理领域里，信噪比越大，图像画面就越干净，看不到什么噪波干扰（类似颗粒和雪花点），看起来很舒服。反之，画面上可能满是雪花点，严重影响图像画面的质量。如想要测量成像设备的信噪比，可以参照ISO15739中标准执行。到这你以为这个模块就要结束了吗，不，不是的，信噪比作为一个描述噪声的方法不能够很好地反应观察者在图像中能看到多少噪声。

从1997年我们就开始测量数字相机了，并且有很长一段时间使用信噪比来测量噪声。但五年多以前，信噪比的测量结果不再能准确地反应人类观察者感觉到的噪声。因为相机有类似的信噪比值，但是有不同的外观噪声。同样的噪声，可能会导致不同的信噪比值。

接下来使用三张示例图片：1x,2x和4x来说明这个问题。

这些图片应该是均匀的，但是显示了一些噪声。如果你远离屏幕，你可以看到所有的图片中的噪声差不多是一样的并且看起来都很均匀。但如果离屏幕很近，就可以看到4x的图片比1x图片的噪声要多。

如果我们测量这三张图片的SNR，可以看到所有图像的平均值是一样的，所有的像素值有相同的标准偏差以及相同的信噪比值。

这个示例说明了SNR只是反映了噪声的总量，但无法反应人类观察者感觉到的噪声。

视觉噪声（Visual Noise）

因此为了描述观察者在图像中能看到多少噪声以及是否有干扰，引出了视觉噪声这个概念。视觉噪声值很容易理解：数值越大，观察者看到的噪声越大。SNR和VN的主要区别在于VN将根据可见性衡量噪声，噪声无论如何都看不到，在噪声测量中不考虑VN

我们怎么知道哪种噪声是能看到的哪种是不能看到的？

人类视觉系统对空间频率的响应是可以模拟的。对比敏感度函数(CSF)与假设的可视条件允许我们计算噪声频谱的不同部分的重要性。因此从以上的例子中：图像1x在高空间频率有着很大的噪声，同时在CSF中有着低的响应。图像4x在低空间频率有着大部分噪声，通过CSF可以很好的观察到。因此图像4x的视觉噪声值比图像1的要高。

怎么测量视觉噪声？
流程和算法都遵循ISO15739。最简单的方法就是采用OECF图卡（此处使用的是自研的CP197-TI透射式灰阶测试图卡）和RIQA软件。每个通道都会得到一个VN值，最后连接得到折线图，如图6灰色部分所示。

查看更多
camera测试用例、测试用例、riqa简介