三言两语讲讲 sensor 的噪声

    图像的噪声来源相对复杂，搞清楚图像噪声的成因对我们进行图像去噪的工作有帮助。因为对于满足某些数学统计规律的噪声，那么逆向去除的时候就变得好办了。另外，深度学习技术很多也用在图像去噪领域，深度学习依赖数据，明白噪声的分布特点有利于制作数据集。下面按照 sensor 成像过程简单讲讲图像噪声成因。

    还有需要明确的是，对于图像噪声而言，本质并非是空域的，也就是说并不是该点相对于周边点显得突兀，就说该点是噪点。而是该点相对于连续时间内同一位置产生的不同点而言，如果误差较大，才能称之为噪点。即，噪声本质是时域的。

    那么，我们在计算图像某块区域的时候，有时候会用这块区域的平坦图像计算该区域的信噪比，其实也是用了一个潜在的假设：该平坦区域的各个点可以看做是中心点的连续时间内的集合。

1. shot noise

    光子打在光敏传感器上经过光电效应产生电子，但是电子的产生是具有误差的。对于同一强度的光子，产生的电子大小的分布满足迫松分布的统计。这个误差带来的噪声称之为散粒噪声，即 shot noise。

2. read noise

    电子转换成电压，电压经模数转换器后读出具体数值，在读数的过程中产生的误差可以称之为读出噪声，即 read noise。我认为 read noise 广义来说包含了两块，一块是黑电平（暗电流），另一块则是满足高斯分布的噪声。

3. 其他

    这里简单的把其他噪声归结为一类，因为这类噪声基本上不满足统计规律，包括热噪声（传感器发热的产生的电子）、像素响应不均匀性（像素点对于光子响应的不均匀性）、量化噪声（读出电压为浮点型，需要转化为整型）、sensor 的固定噪声（与 sensor 的工艺相关）等等。

4. 小结

    基于以上的分析，做噪声模型是当前难点，无论对于业界或者学术界而言。但是随着对于噪声理解的加深，有利于做些突破性的图像降噪工作。