2、图像质量基础：分辨率、动态范围、信噪比、色彩还原、纹理与噪声的平衡

做图像调优这些年，我越来越觉得一个道理——调优不是玄学，是科学。你得先搞清楚图像质量到底由什么决定，才能对症下药。今天咱们就聊聊这五个核心维度：分辨率、动态范围、信噪比、色彩还原，还有纹理与噪声的平衡。

说白了，这五个东西就是图像质量的"五根柱子"。哪根短了，画面就塌了。

2.1 分辨率——看得清才是硬道理

分辨率这东西，大家都不陌生。但我想问一句：分辨率高就一定好吗？

不一定。我在项目中遇到过这样的情况——某款手机摄像头标称4800万像素，拍出来的照片放大一看，糊得像油画。为什么？因为传感器太小，像素挤在一起，每个像素进光量严重不足，反而引入了大量噪声。

分辨率的核心指标有两个：

• 空间分辨率：通常用每毫米线对（lp/mm）来衡量。说白了就是你能分辨多细的条纹。
• 调制传递函数（MTF）：这个更专业一些，它描述的是镜头+传感器系统对细节的传递能力。MTF值越接近1，细节保留得越好。

2.2 动态范围——亮部不曝，暗部不死

动态范围，简单说就是相机能同时记录的最亮和最暗之间的跨度。单位是dB或者档位（EV）。

举个例子：你拍夕阳，天空的云彩细节要保留，地面的暗部也不能一片死黑。这就是动态范围的功劳。

我习惯把动态范围分成两部分来看：

• 传感器原生动态范围：硬件决定的，一般12-14档算不错了。
• 算法扩展动态范围：通过多帧合成、局部色调映射等手段，可以扩展到16档甚至更高。

2.3 信噪比——画面纯净度的命门

信噪比（SNR），单位dB。这个值越高，画面越干净。我见过太多产品，分辨率做得不错，动态范围也还行，但一放大全是噪点——这就是信噪比没做好。

信噪比受什么影响？

1. 传感器尺寸：底大一级压死人，这是物理规律。
2. 像素尺寸：单个像素越大，进光量越多，信噪比越高。
3. 增益（ISO）：增益越高，噪声放大越明显。
4. 温度：传感器温度每升高10°C，暗电流噪声翻倍。

你想想看，为什么专业相机在暗光下表现那么好？不是因为像素多，而是因为单个像素大，信噪比高。

2.4 色彩还原——真实还是讨喜？

色彩还原是个很有意思的话题。它分两个层面：

• 客观准确：用色卡测试，ΔE值越小越好。ΔE < 3 算优秀，ΔE < 5 算合格。
• 主观感受：用户觉得好看。有时候准确不等于好看，比如拍人像时稍微偏暖一点，皮肤显得更红润，用户反而更喜欢。

我在项目中遇到过这样的纠结：某款手机相机，色彩还原非常准确，但用户反馈说"拍出来太素了"。后来我们调整了色彩饱和度曲线，让绿色更翠、红色更艳，用户满意度立刻上来了。

所以我的建议是：先做到准确，再考虑风格。准确是底线，风格是加分项。

2.5 纹理与噪声的平衡——调优的核心艺术

终于说到这个了。纹理和噪声，就像跷跷板的两头。你压住噪声，纹理就没了；你保留纹理，噪声就出来了。怎么平衡？

我总结了一套方法：

1. 分频处理：把图像分成低频（平滑区域）和高频（边缘/纹理）。低频区域大胆降噪，高频区域小心保留。
2. 自适应阈值：根据局部方差决定降噪强度。方差大的地方（纹理丰富）少降噪，方差小的地方（平坦区域）多降噪。
3. 边缘保护：用双边滤波或引导滤波，在降噪的同时保护边缘。

举个例子，这是我常用的一个降噪参数配置：

// 自适应降噪参数示例
struct DenoiseParams {
    float sigma_spatial = 1.5;   // 空间域标准差
    float sigma_range = 0.1;     // 值域标准差（控制边缘保护）
    float texture_threshold = 0.05; // 纹理检测阈值
    float noise_level = 0.02;    // 噪声水平估计
};

// 分频处理逻辑
if (local_variance > texture_threshold) {
    // 纹理区域：轻度降噪
    apply_denoise(strength = 0.3);
} else {
    // 平坦区域：重度降噪
    apply_denoise(strength = 0.8);
}

小结

这五个维度，每一个单独拎出来都能讲一整天。但今天咱们先把框架搭起来。你记住一句话：图像调优的本质，就是在分辨率、动态范围、信噪比、色彩还原、纹理与噪声之间找到那个"刚刚好"的点。

少了哪一样，画面都有硬伤。但哪一样做得太过，也会破坏整体平衡。嗯，这就是调优的乐趣所在——它既是科学，也是艺术。

---