简介
噪声是图像密度的随机变化，在胶片中可见颗粒，在数字图像中可见像素级变化。它是一个关键的图像质量因素；几乎与清晰度一样重要。它与动态范围密切相关–相机能够以合理的良好信噪比（SNR）和对比度再现的亮度范围。由于它产生于基本物理学–光的光子性质和热的热能–它将永远存在。好消息是，在数码相机中，尤其是具有大像素（4微米见方或更大）的数码单反相机中，噪声可以非常低，往往是难以察觉的低。但是，在具有微小像素的紧凑型数码相机中，噪音可能变得很难看，特别是在高ISO速度下，降噪软件可能有明显的副作用。
在大多数情况下，噪音被认为是质量的下降。但有些黑白摄影师喜欢它的图像效果。许多人喜欢35毫米Tri-X胶片。(胶片颗粒与数字噪声有非常不同的统计数据–它是乘法的，而不是加法的，其光谱取决于密度）。点彩画家，最引人注目的是乔治-修拉（George Seurat），用手从 “噪音”（色彩斑点）中创造出图像；这项任务今天可以通过Photoshop插件在几秒钟内完成。但总的来说，大多数摄影师，特别是彩色和大画幅摄影师，不喜欢噪声是有道理的。噪点是由几个Imatest模块测量的。颜色/色调互动、颜色/色调自动、eSFR ISO、Colorcheck、Stepchart，以及在有限程度上的SFR、SFRplus和Uniformity。前三个模块–颜色/色调互动、颜色/色调自动和eSFR ISO–有最全面的噪声测量。
噪声测量通常指RMS（均方根）噪声，它与信号S的标准偏差相同。
RMS噪声=N=σ(S)，其中σ表示标准偏差。
S可以是几个通道中任何一个的信号。R、G、B、Y（亮度，通常为0.2125 R + 0.7154 G + 0.0721 B），或一个衍生通道，如R-Y或B-Y（均用于色度噪声）。L*，a*，b*，或其他。
信噪比（SNR）是一种来自噪声的测量，通常被认为比噪声本身更重要。它表示为一个简单的比率（SNR=S/N）或以分贝表示，SNR（dB）=20 log10（S/N），这是电气工程师所熟悉的。在数码相机中，噪声由两部分组成：固定噪声（传感器暗电流噪声和热（电阻）噪声）和拍摄（光子）噪声，它随着撞击像素的平均光子数量的平方根而增加。
噪声测量
噪声测量最好是与感知的外观相关。
(在许多情况下)以原始场景为参照，这样测量就不会受到相机或RAW转换器的色调响应(伽玛，相当于对比度)的影响。
足够详细，以便能够准确评估传感器和相机的性能，并且简单到可以毫无困难地解释。
信噪比–由于噪声只有在与信号相关的情况下才有意义，所以通常会计算信噪比（SNR或S/N）。信噪比可以有很多定义，这取决于如何定义信号S。例如，S可以是一个单独的补丁像素水平，或对应于指定场景密度范围的像素差（1.45或1.5经常用于此目的）或低对比度的物体（对于对比度分辨率SNR）。每当讨论信噪比时，准确了解信噪比的定义是很重要的。信噪比可以表示为一个简单的比率（S/N）或分贝（dB），其中信噪比（dB）=20 log10（S/N）。倍增的S/N相当于增加6.02分贝的信噪比（dB）。由于这些要求可能有些矛盾，Imatest模块有几个噪声和信噪比测量，有些简单，有些详细。
颜色/色调互动、颜色/色调自动、步骤图和颜色检查包括以下噪声显示。
噪声是像素水平或曝光的函数，表示为像素，归一化为Stepchart的场景密度范围1.5（与GretagMacbeth ColorChecker的密度范围1.45相当）或ColorChecker的白-黑区域（第3行，补丁1-6；密度范围=1.45）对应的像素差。如果没有这个归一化，噪声是RAW转换器响应曲线的一个函数；它随着转换器的对比度增加。
像素，归一化为最大像素值：8/24位文件为255。
像素（8/24位文件的最大像素值为255）
f-stops（或EV或zone；曝光的两个系数），即参考原始场景。以f档测量的噪声与人类视觉密切相关。见下面的f档噪声。
作为一个简单（平均）数字的噪声
描述噪声的一个好的单一数字是Y(亮度)通道的平均噪声，以像素为单位(归一化场景密度差为1.5)，如下图中的下图所示。代表图表密度大于1.5或小于0.1的最亮和最暗区域被排除在平均值之外。
信噪比或信噪比（dB）作为像素水平或曝光的函数，其中S是单个测试图表补丁的像素水平。
信噪比或信噪比（dB）作为一个简单的（平均）数字。
定义信噪比的一个好的单一数字是白-黑信噪比，SNR_BW，其中S是Colorcheck中GretagMacbeth ColorChecker（密度范围为1.45）中白色和黑色斑块之间的像素级差，或Stepchart中对应于图表（场景）密度差1.5的像素差。噪声N是在密度为0.7左右的灰色斑块中测量的。SNR_BW的开发是为了减少图像对比度（由图像处理产生，即应用伽玛曲线）对噪声测量的影响。
=20log10((–/))
imatest中的各种噪声计算（包括Stepchart和Colorcheck的所有内容）在下表中列出（更多内容会不时添加）。
| 1. | Noise vs. input density (RGB) Noise in pixels or % of maximum pixel level | 2. | 从像素水平的标准偏差（σ）得出的简单噪声或SNR。 |
| 2. | Signal/Noise (S/N) vs. input density (RGBY) The luminance (Y-channel) is used for S. | ||
| 3. | SNR (dB) vs. input density (RGBY) SNR (dB) = 20 log10(S/N). | ||
| 4. | Chroma noise vs. input density | 3. | 行业标准的色度噪声 |
| 5. | Chroma S/N vs. input density | ||
| 6. | Chroma SNR (dB) vs. input density | ||
| 7. | CIELAB (L*a*b*) noise | 3. | 实验性：似乎是有意义的，因为CIELAB在感知上是近似统一的，但在工业上没有吸引力。 |
| 8. | CIELAB (L*a*b*) S/N | ||
| 9. | CIELAB (L*a*b*) SNR (dB) | ||
| 10. | Noise vs. pixel (all patches) | 2. | 用于从RAW（未处理或最小处理）图像中描述传感器的特征。 |
| 11. | S/N vs. pixel (all patches) | ||
| 12. | SNR (dB) vs. pixel (all patches) | ||
| 13. | F-stop (scene-referenced) noise, including Dynamic Range results. | 2. | 用于动态范围的计算。在此定义。 |
| 14. | Scene-referenced S/N (ratio), including Dynamic Range results. | ||
| 15. | Scene-referenced SNR (dB), including Dynamic Range results. | ||
| 16. | ISO 15739 Visual noise vs. input density (L*u*v*) | V. | 来自ISO 15739:2013标准。包括观察条件。 |
| 17. | ISO 15739 Visual S/N vs. input density (L*u*v*) | ||
| 18. | ISO 15739 Visual SNR (dB) vs. input density (L*u*v*) | ||
| 19. | ISO 15739 Noise and Dynamic Range | 2. | 也来自ISO 15739:2013。完全不受视觉噪音的影响。 |
| 20. | ISO 15739 Signal/Noise (S/N) and Dynamic Range | ||
| 21. | ISO 15739 Signal-to-Noise Ratio (SNR) in dB | ||
| 22. | CPIQ Visual Noise (CIELAB) | V. | |
| 23. | CPIQ Visual S/N (CIELAB) | ||
| 24. | CPIQ Visual SNR (dB) (CIELAB) | ||
| 25. | YUV noise | 3. |
噪声的外观 噪声的外观在右边的步骤图中得到了说明。噪声通常以RMS（均方根）电压来测量。噪声的数学运算在本页底部的绿框中呈现。(A)-(C)栏中的阶梯图是模拟的。它们被假定为最小密度为0.05，密度步长为0.1，与柯达Q-13和Q-14相同。它们被编码为伽马=1/2.2，以便在伽马=2.2（视窗/互联网标准）下进行最佳观看。强烈的噪音–比你在大多数数码相机中发现的要多–已被添加到列（A）和（B）中。第(C)列是无噪音的。第四列（D）包含一个实际的Q-13阶梯图，由佳能EOS-10D在ISO 1600下拍摄：一个非常高的ISO速度。噪声是可见的，但对于如此高的ISO速度来说是很低的（毫无疑问，要感谢软件的降噪）。
(A)中的噪声在传感器内部是恒定的，即在伽马编码之前。当它被编码为伽马=1/2.2时，对比度，因此噪声，在黑暗区域被提高，在明亮区域被降低。安森美公司的出版物《CCD图像传感器噪声源》指出，这并不是一个现实的情况。传感器的噪声往往会随着亮度的增加而增加。(B)中的噪声在图像文件中是均匀的，也就是说，以像素为单位的数值是恒定的。因此，这个噪声必须随着传感器内部的亮度而增加（在伽马编码之前），因此比（A）更接近真实的传感器行为。除了最暗的区域外，噪声显得相对恒定，在那里它是不明显的。噪点在最亮的区域通常较低，那里的色调反应 “S “曲线叠加在伽玛曲线（或饱和度）上，降低了对比度，从而降低了噪点。由于这个原因，中间区域–噪音最明显的地方–被用来计算平均噪音：一个用于描述整体噪音性能的单一数字。我们省略了原始图表的密度（因此在未经处理的图像中显示密度）大于1.5或小于0.1的区域。
特征步骤图的结果如下。
列（B）。均匀像素噪声 该图像模拟了均匀的像素噪声（即图像文件中的恒定噪声，以像素为单位）。上面的图是相机的色调响应（或特性曲线）。它显示了伽马=1/2.2=0.4545的编码的预期理想响应：对数图的直线，斜率=0.4545。中间的图显示了以光圈（或EV或区域）为单位的噪声。在实际的传感器中，黑暗区域（对数曝光的大负值）的噪声增加得更快。下面的图显示了以像素级测量的噪声，归一化为密度范围为1.5的像素级差。它是相对恒定的，只显示统计上的变化，除了最亮的级别（在右边），因为一些样本在像素级别255处被剪掉，所以噪音减少了。下图还包含了用于描述整体噪声性能的单一数字：平均亮度通道噪声（Y = 5.59%，在靠近顶部的右边）。这个数字非常高；它对应着糟糕的图像质量。
这是模拟的均匀像素噪声的信噪比，单位是dB。由于伽马=2.2的编码，信噪比每增加一倍曝光量（0.301个密度单位）就会提高6.02/2.2=2.74分贝；大约每十年（1个密度单位）提高9.1分贝。
列（D）。佳能EOS-10D在ISO 1600下 与上图（B列的图像）不同，使用了佳能EOS-10D在ISO 1600时的真实数据。上图显示了叠加在伽马曲线上的轻微色调响应 “S “曲线（在这个对数图中是一条直线）。一些转换器的设置（如 “低对比度”）会导致一个更明显的 “S “曲线。中间的图显示了f-stop噪声，它在黑暗区域急剧增加。下面的图显示了归一化的像素噪声。它在黑暗区域增加。这种增加部分是由于高ISO的速度。数码相机通过放大传感器的输出来实现高ISO速度，这提高了噪声，特别是在黑暗区域。这条曲线在最低ISO速度下看起来是不同的：噪声值要低得多，并受到更多的统计变化的影响。
这是佳能EOS-10D在ISO 1600下的SNR，单位为dB。(这个显示选项是在Imatest 2.3.16中引入的）。信噪比每增加一倍曝光量（0.301个密度单位）就会提高6分贝；每十年大约提高20分贝（1个密度单位），这是对恒定传感器噪声的预期。(这个曲线在较低的ISO速度下会有很大的不同）。
噪声概述 噪声有两种基本类型。 时间性的。每次采集图像时随机变化的噪声。由Color/Tone Interactive、Color/Tone Auto、Colorcheck和Stepchart测量，所有模块使用两个相同的输入图像，或者Color/Tone Interactive和Color/Tone Auto使用多个图像（4-16个，推荐8个），如测量时间性噪声中所述。 空间或固定模式。由传感器非均匀性引起的噪声。传感器设计者在过去十年中已经大大减少了固定模式的噪声。 时间噪声可以通过信号平均来减少，这涉及到N个图像的总和，然后除以N。这是所有Imatest分析模块在选择几个图像文件时的一个选项（你也可以单独分析单个文件）。但由于时间性噪声是不相关的，所以噪声功率（而不是电压或像素水平）被加起来。由于电压与功率成正比，噪声像素水平（与噪声电压成正比）。4幅图像的信噪比提高2倍（6.01dB），16幅图像的信噪比提高4倍，等等。
有几个因素影响噪声。 像素大小。简单地说，像素越大，到达它的光子就越多，因此，在给定的曝光下，信噪比（SNR）越好。光子产生的电子数量与传感器面积成正比（以及量子效率）。噪声功率也与传感器面积成正比，但噪声电压与功率的平方根成正比，从而与面积成正比。如果你把一个像素的线性尺寸增加一倍，你的信噪比就会增加一倍。一个像素的电子容量也与它的面积成正比。这直接影响到动态范围。 传感器技术和制造。最大的技术问题是CMOS与CCD。我们在此不作详细讨论。在2000年以前，CMOS被认为具有更差的噪声，但现在已经改进到这两种技术可以相提并论的地步，只是在细节上有所不同。CMOS的成本较低，因为它很容易在传感器芯片上增加功能。技术还涉及到传感器设计和制造的其他方面，所有这些都会随着时间的推移而逐步改善。 ISO速度（曝光指数）设置。数码相机通过放大像素处的信号（连同噪音）来控制ISO速度。因此，ISO速度越高，噪音越大。为了充分描述一个传感器的特性，它必须在几个ISO速度下进行测试，包括最低和最高的速度。 曝光时间。昏暗光线下的长时间曝光往往比明亮光线下的短时间曝光更有噪音，也就是说，互惠原则对噪音的作用并不完美。为了充分描述一个传感器的特性，应该在长曝光时间（至少几秒钟）下测试。 数字处理。传感器通常有12位的模数（A-D）转换器，所以数字化噪声在传感器层面通常不是问题。但当图像被转换为8位（24位彩色）的JPEG时，噪声会略有增加。如果需要进行大量的图像处理（躲避和燃烧），噪声的增加会更严重（”带状 “会出现）。因此，通常最好转换为16位（48位彩色）文件。但输出文件的比特深度对（未经处理的）文件的测量噪声没有什么区别。 原始转换。无论你是否愿意，Raw转换器通常都会应用降噪（低通滤波）和锐化（见下面的噪声频谱）；即使NR和锐化被关闭。这使得测量传感器的内在属性变得困难。 一般总结 Imatest在计算噪声（被测区域内像素水平的标准偏差）之前，从图像中减去渐进的像素水平变化。这就消除了可能由不均匀照明引起的误差。尽管如此，你应该注意尽可能均匀地照亮目标。 用于噪声测量的目标应该是光滑和均匀的–颗粒（在胶片目标中）或表面粗糙度（在反射目标中）不应该被误认为是传感器噪声。适当的照明（使用一个以上的灯）可以将表面粗糙度的影响降到最低。
F-光圈噪声、场景参考信噪比和动态范围
F-光圈噪声和场景参考的SNR
人眼对相对亮度差异有反应。这就是为什么我们认为曝光是以区域、f档或EV（曝光值）为单位的，其中一个单位的变化对应于曝光的2倍变化。
ΔL ≈ 0.01 L -或- ΔL/L ≈ 0.01其中ΔL是眼睛能分辨的最小的亮度差异。这个公式是近似的；由于来自明亮区域的视觉干扰（耀斑光），在场景和印刷品的黑暗区域，有效的ΔL往往更大。
用相对亮度单位表示噪声，如f档，比标准像素或电压单位更接近于眼睛的反应。以f-光圈为单位的噪声=Nf-光圈，通过将像素的噪声除以每f-光圈的像素数而得到。(出于习惯，我们使用 “f-stop “而不是 “zone “或 “EV”；任何一个都可以。) 请注意，1 f-stop = 0.301 光密度单位 = 6.02dB（分贝）= log2（亮度）。
还请注意，Nf-stop是以f-stop为单位的场景参考噪声（对数），必须与线性场景参考噪声Nscene-ref区分开来，后者的线性单位与亮度（场景信号）相同。
上面的右图说明了f档之间的像素间距（以及因此d（像素）/d（f档））是如何随着亮度的降低而减少的。这导致f-stop噪声随着亮度的降低而增加，在上面的数字中可见。
由于光圈噪声和场景参考信噪比是场景亮度的函数，基本上不受图像信号处理和耀斑光的雾化影响，它们是真实世界相机性能的优秀指标。它们是Imatest动态范围测量的基础。
Imatest有几种类型的动态范围计算，在此相互参照
| 从单一的透射性图表图像的动态范围。 | Stepchart, Color/Tone Interactive, Mutitest | 需要使用透射型图表，如Imatest 36-patch动态范围或HDR图表，因为反射型图表没有足够的色调范围。 |
| 多个（不同曝光）图像的动态范围 | Dynamic Range module | 使用CSV输出的颜色/色调自动步骤图，用于几个不同曝光的图像。通常与反射式图表一起使用，但也可以使用透射式图表。 |
| ISO 15739动态范围，来自密度≈2的灰阶 | Color/Tone Interactive, Color/Tone Auto, eSFR ISO | 从密度≈2的单个灰阶推算出动态范围。 |
| 原始传感器动态范围 | Color/Tone Interactive, Color/Tone Auto | 将原始数据与EMVA 1288标准中的方程式相匹配，然后推算出DR。测试图表不一定要有和DR一样大的音调范围，但建议使用音调范围≥3的透射型图表。 |
联系我们
如果您有什么问题或想要了解的讯息，欢迎与我们留言，也可邮件咨询： sales@colorspace.com.cn，分享您的看法或提出您的问题！
Was this helpful?
8 / 2