如影随形的噪声（中）——做成像的你不得不了解的真相8

转载至如何选择你的科学相机？——真相系列大总结！

版权归属Teledyne Photometrics

在上一期中我们给大家详细介绍了科学成像中三种主要的噪声：散粒噪声，读出噪声和暗电流。有了这三种噪声的数据，忽略其他噪声源，我们可以计算出图像的信噪比：

其中：

以上公式就变为：

       通常暗电流噪声可以忽略，这样我们不难看出：当光信号较强时（远大于读出噪声），散粒噪声占主导地位，信噪比主要由信号强度决定；而在弱光成像中，读出噪声就显得至关重要了。sCMOS相机读出噪声远小于CCD，也正是它被广泛的应用于弱光成像的一个重要原因。

       不过凡事皆有两面性，CMOS也有自己的问题。在上一期中我们也提到，CCD和CMOS的读出方式不同：CCD只有一个读出口，读出噪声遵循正态分布（Gaussian distribution）。而CMOS每个像素都有独立的放大器，每列共用一个读出口，因此，每个像素的读出噪声不同，总体遵循偏态分布（Skewed distribution）（图1）：

图1   CMOS像素的读出噪声分布

       位于偏态分布尾部的那些像素具有相对更大的读出噪声，称为高噪声像素(High noise pixel)。为了更形象的进行说明，我们拍摄了150张bias图片，找出其中典型的高噪声像素和低噪声像素灰度值的分布情况（图2）。可见，像素的灰度值会随机地在平均值上下变化，低噪声像素的变化区间很小，而高噪声像素的变化区间较大，标准差更大，也就是说噪声更高。

图2   低噪声像素与高噪声像素读出噪声的分布

       这些高读出噪声的像素点会导致图片看起来像是撒了很多盐和胡椒一样 （图3），所以被形象的称为“椒盐”噪声（’Salt’n’pepper’ noise）,又叫做随机电报噪声 (Random telegraph noise，RTN)。：

图3 随机电报噪声

       椒盐排条虽然好吃，撒了椒盐的图像可不好看，试想一下我们拍了一张图片，却发现上面布满了雪花点，是不是累觉不爱。不过好消息是，椒盐噪声虽然难以避免，但随着相机内置图像处理技术的进步，我们可以在相机的FPGA内置一些算法来对它们进行校正。

Prime 95B内置despeckle功能：去除椒盐噪声的神器。

Prime 95B内置有despeckle功能，可以实时去除椒盐噪声。这个功能总共包含四个滤波器： 1. Despeckle Dark Low；2. Despeckle Bright Low ；3. Despeckle Dark High；4. Despeckle Bright High。前两个即是用来去除椒盐噪声的，后两个则用来去除热点和暗点。

图4 使用despeckle功能前后效果对比

比较图4我们看到，当despeckle功能开启时，图像直方图变窄，两端灰度值过低或过高的像素不见了。事实上这些像素并没有消失，而是被他们周围像素灰度值的中值所取代了，这样就达到了降噪的效果。

       以上就是关于椒盐噪声的真相啦，不知大家是否get了呢？ 在下一期如影随形的噪声完结篇中，我们将为大家介绍一些实用的降低噪声和提高信噪比的方法，请大家千万不要错过哦！