噪声
一、定义
图像噪声是指在图像采集、传输或处理过程中，叠加于目标信号之上的非预期干扰。其外在表现为像素亮度或色度的随机波动（如视觉上呈现为颗粒感、杂色或不规则斑点等）。
 |
| 图1：图像噪声示例，表现为像素亮度与色度的随机波动。（图像来源：https://commons.wikimedia.org/wiki/File:Highimgnoise.jpg） |
|---|
噪声会掩盖真实信号，导致图像清晰度与细节表现劣化，降低人眼观感及后续算法处理的准确度。
 |  |  |
| 低照环境下的颗粒感 | 细节丢失与对比度下降 | 色彩失真 |
|---|
二、噪声分类与物理起源
噪声贯穿成像全链路核心环节：光子转换、传感器响应、信号读出放大、模数转换，每个环节均会引入噪声分量。不同环节引入的噪声可按物理起源归为两大类：
2.1 光信号噪声
源于光信号本身的量子化统计特性。光子到达传感器的时间和数量服从泊松分布，存在不可消除的随机涨落，典型代表为光子散粒噪声。其噪声幅度与信号电子数的平方根成正比$（\sigma \propto \sqrt{N}）$，在低光环境下信噪比显著下降，视觉上表现为颗粒感。这是成像系统的基本物理极限，无法通过硬件改进消除。
 |
| 图2：不同光子数下的光子散粒噪声（图像来源：https://commons.wikimedia.org/wiki/File:Photon-noise.jpg） |
|---|
2.2 传感器及电路噪声
由成像硬件非理想性引入的干扰，主要包括：
- 暗电流噪声：无光照时热激发产生的电子，随曝光时间与传感器温度上升而增加；
- 读出噪声：电荷从像素读出、放大过程中的电路随机波动，与入射光强无关；
- 量化噪声：模拟信号经模数转换（ADC）时因有限位深截断引入的误差，与 ADC 位深负相关；
- 固定模式噪声（FPN）：像素间响应不一致导致的空间固定偏差，主要包括暗信号非均匀性（DSNU）与光响应非均匀性（PRNU），可通过平场校正等算法大幅抑制。
 |
| 图3：FPN 校正前后对比 |
|---|
三、噪声的量化表征
评价图像噪声水平的核心指标是信噪比（SNR, Signal-to-Noise Ratio），即信号功率与噪声功率之比，通常以分贝（dB）表示：
$$SNR = 10 \log_{10}\left(\frac{P_{signal}}{P_{noise}}\right) = 20 \log_{10}\left(\frac{\mu}{\sigma}\right)$$
其中，$\mu$ 为信号均值，$\sigma$ 为噪声标准差。
然而，SNR 仅反映噪声的总能量，未考虑人眼对不同空间频率的敏感度差异。为此，图像质量评估标准（如 ISO 15739、CPIQ P1858）引入了视觉噪声（Visual Noise, VN）指标。VN 通过对比度敏感度函数（CSF）对噪声功率谱进行加权滤波，模拟人眼视觉系统对 luminance（亮度）和 chrominance（色度）噪声的感知差异。VN 值越高，代表人眼观察到的噪声干扰越显著，其与主观评价的相关性优于传统 SNR。
 |
| 图 4：ISO 15739 附录 B 中用于视觉噪声（VN）计算的对比度敏感度函数（CSF）曲线。其中 CSF A（蓝线）代表亮度通道，峰值敏感度显著高于代表色度通道的 CSF C1（红线）与 CSF C2（黄线），体现了人眼对亮度噪声更为敏感的特性。 |
|---|
在 ISO 15739:2017 附录 B 中，视觉噪声的量化是一个多步骤的过程（B.2.1-B.2.10）。首先，对输入图像进行区域提取与逆 gamma 变换（B.2.1），并将噪声信号从 RGB 空间转换至 XYZ(D65)，经颜色适应至 XYZ(E) 后映射至 $AC_{1}C_{2}$ 对立色空间（B.2.2）。随后，通过离散傅里叶变换（DFT）将信号转入频域（B.2.3），并利用对比度敏感度函数（CSF）对亮度（A）与色度（C1, C2）通道进行加权滤波（B.2.4）。接着，经逆离散傅里叶变换（IDFT）将信号转回空域，并逆变换至 XYZ(D65)，进而映射至 CIE L^u^v^ 色彩空间，计算 L^、u^、v^ 三个通道的噪声标准差（B.2.5-B.2.9）。最终，在 B.2.10 中，通过对 L^、u^、v^* 三个通道的标准差（$\sigma$）进行线性加权求和，得出最终的视觉噪声值 $V$。最终视觉噪声计算公式为： $$V = \sigma_{\text{luminance}} + 0{,}852 \cdot \sigma_{u^*} + 0{,}323 \cdot \sigma_{v^*}$$ 其中，亮度通道的权重为 1，而色度通道$u^*$ 和 $v^*$的权重较小（分别为 0.852 和 0.323），这体现了人眼对亮度噪声远比色度噪声敏感的特性。VN 值越大，代表人眼主观感知到的图像噪声干扰越显著。
四、噪声测试
这里以 ISO 15739 §5.2 OECF 灰阶图卡法为例介绍噪声的测试方法，它是消费电子、手机、安防、车载等领域常用的方法。
4.1环境搭建
温度与湿度：
实验室环境温度应控制在 23 ℃ ± 2 ℃，相对湿度为 50 % ± 20 %。相机须预热至稳态工作温度后再开始采集。温度和湿度不准确均会影响相机的性能和测量结果，如温度过高可能导致相机内部电子元件过热而产生额外的噪声，湿度过低则可能使相机内部静电积累而干扰测量过程。
杂光抑制：
测试环境布置应避免杂散光进入镜头，选择暗室环境测试，可用黑布（black cloth）罩住相机以及环境任何反光的物体。
测试图卡（透射/反射可选）：
图卡各阶的密度跨度须足够大，使得背景灰阶调至中灰（8-bit sRGB 像素值 118）时，最亮灰阶的相机输出已达到或超出高光削波电平（传感器饱和过曝），从而完整覆盖从暗部到高光饱和的噪声响应区间。
透射式：推荐使用对比度为 10,000:1 的高对比度透射式 20 阶 OECF 测试图卡，推荐研鼎 CP180-TI-120 透射式 20 灰阶测试卡。车载HDR场景推荐研鼎 CP 197 TI 透射式36灰阶测试图卡（可达150dB）。
反射式：选符合 ISO 14524 标准的反射式 OECF 卡（如12阶OECF测试图卡、16阶OECF测试图卡、 20 阶OECF测试图卡），推荐研鼎 反射式 15阶灰阶卡。
| 透射式20灰阶测试图卡 | 透射式36灰阶测试图卡 | 反射式15灰阶图卡 |
|---|---|---|
 |  |  |
光源：
使用符合标准的光源，如标准摄影日光或钨丝灯光源，确保光照均匀且符合 ISO 7589 的要求。
透射式方案：推荐研鼎 TLB 系列透射灯箱（均匀性 ≥ 95%，最高 150,000 lux)，作 OECF 图卡背光源；
反射式方案：推荐研鼎多色温LED补光光源，可45° 双侧均匀照明反射式图卡。
| TLB 系列透射灯箱 | 多色温LED补光光源 |
|---|---|
 |  |
 |  |
| 透射式图卡测试环境布置 | 反射式图卡测试环境布置 |
|---|
二、图像采集
将 DUT 固定稳妥，调整姿态使图像中心对准图卡中心；调整光源亮度，使 8-bit sRduoGB 输出下图卡背景像素值落在 110–130（目标 118），待画面稳定后采集多张图像。采集时固定曝光参数，确保白平衡准确，曝光时间不超过 1/30 s，必要时加装 IR 截止滤片，关闭机内降噪、锐化及多帧合成，输出 RAW 或线性无损数据；连续拍摄 ≥ 8 帧，各阶中心 ROI 不小于 64×64 像素。
三、分析与解读
RIQA是研鼎自研的图像分析软件，其Camera模块支持 ISO 15739 标准的噪声测量，可从多梯度灰阶测试图卡中计算出 信噪比（SNR） 和 视觉噪声（VN），客观量化相机的噪声水平。
视觉噪声
参考 ISO 15739:2017 标准计算的VN折线图及其对应数据。
信噪比
参考 ISO 15739:2017 标准计算的SNR曲线图及其对应数据。
