你有沒有遇到過這種情況，在光線不足的室內(nèi)用手機拍照，照片放大一看，滿屏都是細(xì)密的彩色顆粒，像撒了一層細(xì)沙?；蛘咄砩吓囊咕埃炜詹糠植皇羌儍舻暮谏?，而是布滿了紅紅綠綠的噪點。同樣的現(xiàn)象，在工業(yè)視覺系統(tǒng)中也會出現(xiàn)，只是后果嚴(yán)重得多。一張帶有明顯噪聲的圖像，可能導(dǎo)致邊緣檢測偏移幾個像素，對于微米級測量來說，這幾個像素的偏差足以讓一個合格品被判為不合格。

圖像噪聲無處不在，區(qū)別只是有些場景下人眼能忽略，有些場景下算法無法容忍。那么，這些噪聲到底是從哪里冒出來的？又該怎么把它壓下去？

一、光子散粒噪聲：光子本身的隨機性

光是由無數(shù)個光子組成的。光子到達(dá)圖像傳感器的過程，本質(zhì)上是一個隨機事件。你可以想象成雨滴落在一個窗臺上，整體來看，窗臺會被均勻淋濕，但如果你觀察每一個小區(qū)域，落在A點的雨滴數(shù)和B點的雨滴數(shù)不會完全一樣，有的多幾滴，有的少幾滴。

傳感器上每個像素接收到的光子數(shù)也是這種分布，有的像素多收了一些，有的少收了一些。這種由光子到達(dá)時間的隨機性導(dǎo)致的信號波動，就是光子散粒噪聲。它是所有圖像噪聲中最根本、最無法消除的一種。

光子散粒噪聲的大小和信號強度的平方根成正比。信號越強，噪聲的絕對值越大，但噪聲相對于信號的比例反而會下降。這意味著在暗光條件下，信號本身就弱，噪聲的相對占比更大，圖像看起來更臟。

二、 暗電流噪聲：傳感器內(nèi)部的熱擾動

光子到達(dá)傳感器后，會激發(fā)出電子，這些電子被收集起來，最終被讀出電路計數(shù)，一個像素收了多少電子，就對應(yīng)多亮的灰度值。

問題在于，溫度本身也會激發(fā)電子。即使完全沒有任何光照，把傳感器放在一個完全黑暗的環(huán)境中，只要溫度高于絕對零度，材料內(nèi)部的熱能就會隨機激發(fā)出一些電子，它們和光生電子混在一起，無法區(qū)分。這就是暗電流噪聲，也叫熱噪聲。

暗電流噪聲和溫度密切相關(guān)。溫度每升高6到8攝氏度，暗電流大約翻一倍。一臺工業(yè)相機在30°C環(huán)境下工作，暗電流可能是20°C環(huán)境下的兩倍還多。這就是為什么高端工業(yè)相機通常會配備制冷模塊，把傳感器溫度降到零下甚至更低，熱噪聲隨之大幅下降。

三、讀出噪聲：信號讀出的誤差

光子變成了電子，電子被收集起來，接下來要把這些電子的數(shù)量“數(shù)清楚”，然后轉(zhuǎn)換成數(shù)字信號，模數(shù)轉(zhuǎn)換過程就是讀出噪聲的主要來源。

讀出過程可以類比成用秤稱量極輕的物體。如果秤本身不夠靈敏，每次稱量結(jié)果都會有細(xì)微波動。傳感器內(nèi)部電路的熱噪聲、電源的紋波、時鐘信號的抖動，都會在讀出的過程中疊加到信號上。

讀出噪聲和溫度、電路設(shè)計、讀出速度都有關(guān)系。新一代工業(yè)相機通過雙增益讀出架構(gòu)和深亞微米工藝的降噪電路，在高速讀出時仍能保持較低的噪聲水平。但讀出噪聲的物理極限來自一個基本的熱力學(xué)限制，電路中的電子器件本身就在不停地?zé)徇\動，這種運動帶來的電壓波動是無法完全消除的。

四、環(huán)境電磁干擾

工業(yè)產(chǎn)線上，電磁干擾是無處不在的。電機啟動、變頻器工作、繼電器吸合，這些設(shè)備都在不斷地制造電磁場。如果相機數(shù)據(jù)線屏蔽不好，或者工控機的電磁兼容性設(shè)計不到位，這些電磁干擾就會耦合到圖像信號中。

這種干擾通常表現(xiàn)為規(guī)律的條紋或橫紋，有時是高頻的細(xì)小顆粒，有時是整幅畫面的周期性閃爍。與前面幾種噪聲不同，電磁干擾是可以通過改善硬件設(shè)計和現(xiàn)場布線來大幅降低的——使用帶屏蔽層的線纜、把信號線和動力線分開走線、做好設(shè)備接地，能解決大部分電磁干擾問題。

五、降噪策略：物理層和算法層的協(xié)同

了解了噪聲的來源，降噪的思路就清晰了。降噪分為硬件層和軟件層，兩者缺一不可。

硬件層：從源頭減少噪聲產(chǎn)生。 針對光子散粒噪聲，最直接的辦法是增加光照強度。信號強了，散粒噪聲的相對占比自然下降。但光照不能無限增加，過曝會導(dǎo)致圖像細(xì)節(jié)丟失。

針對暗電流噪聲，降低傳感器溫度是最有效的手段。熱電制冷（TEC）模塊可以把傳感器溫度降到零下20°C甚至更低，暗電流噪聲隨之大幅降低。

針對電磁干擾，物理隔離是關(guān)鍵，用帶屏蔽層的線纜、將信號線和動力線分開布線、規(guī)范接地方式，能解決大部分現(xiàn)場干擾問題。

軟件層：用算法消除已經(jīng)產(chǎn)生的噪聲。 物理層降噪把噪聲壓到了最低，但殘余噪聲仍然存在。

最基本的降噪方法是空間濾波。想象一張圖像是一塊地毯，噪聲就像地毯上散落的細(xì)小雜物。中值濾波的做法是取每個像素周圍的一個小窗口，把窗口內(nèi)所有像素的灰度值排序，取中間值替換中心像素。這種方法對脈沖噪聲特別有效，而且不會讓邊緣變得模糊。

另一種常用的是高斯濾波。它不再取排序的中值，而是對窗口內(nèi)的像素做加權(quán)平均，權(quán)重按照高斯分布分配，離中心越近的像素權(quán)重越大，離得越遠(yuǎn)的權(quán)重越小。高斯濾波對高斯噪聲效果好，但缺點是會讓邊緣模糊。中值濾波保留了邊緣，高斯濾波平滑了整體，選哪種要看具體場景。

更先進的降噪方法是基于深度學(xué)習(xí)的降噪網(wǎng)絡(luò)。通過大量“干凈圖像+帶噪聲圖像”的配對數(shù)據(jù)訓(xùn)練，讓模型學(xué)習(xí)從帶噪聲圖像中還原干凈圖像。深度學(xué)習(xí)降噪在處理復(fù)雜噪聲模式時表現(xiàn)出色。在一張包含混合噪聲（光子散粒噪聲、暗電流噪聲、讀出噪聲同時存在）的工業(yè)圖像上，深度學(xué)習(xí)降噪能有效抑制各類噪聲并保留邊緣細(xì)節(jié)，而傳統(tǒng)濾波方法只能在降噪和保留邊緣之間做取舍。

六、結(jié)語

圖像噪聲的來源很復(fù)雜，光子本身的隨機性、傳感器的熱擾動、讀出電路的極限、環(huán)境電磁干擾，每一條鏈路都會引入不同的噪聲。但了解這些來源和特性之后，降噪就不再是漫無目的地試錯。物理層把噪聲壓到最低，算法層清除殘余噪聲，兩條腿走路，才能讓圖像從源頭開始就是干凈的。當(dāng)噪聲水平足夠低時，邊緣提取、缺陷識別、尺寸測量，后續(xù)所有算法都能在更干凈的數(shù)據(jù)上工作，效率和精度自然跟著提升。