3. 多帧降噪基础原理：时域滤波、空域滤波与频域滤波的对比
做图像降噪这些年，我最大的体会就是：没有万能的滤波器，只有最合适的场景。多帧降噪之所以能成为手机摄影、监控安防的标配，核心就在于它把三种滤波手段揉在一起用。今天我们就来掰扯清楚，时域、空域、频域这三兄弟到底谁管谁。
3.1 时域滤波：让时间帮你抹掉噪声
时域滤波，说白了就是拿多帧图像做平均。你想想看，固定场景下拍10张照片，每张的噪声位置都不一样，但真实场景的像素值是稳定的。把10张图叠在一起取平均，噪声自然就被稀释了。
核心公式：
I_out(x,y) = (1/N) * Σ I_i(x,y) (i=1 to N)N越大，噪声方差越小，信噪比提升约 √N 倍。
我在项目中遇到过一个问题：拍夜景时手抖，帧间有轻微位移。直接平均会糊成一片。后来我改用运动补偿+加权平均，先做光流对齐，再根据对齐质量给每帧分配权重。嗯，这里要注意：运动补偿的精度直接影响降噪效果，搞不好反而引入鬼影。
我的经验：时域滤波最适合静态场景，比如监控摄像头拍空房间。如果场景里有运动物体，记得加运动检测，只对背景区域做时域平均。
3.2 空域滤波：在单帧里找邻居帮忙
空域滤波不依赖多帧，它只看当前帧的像素邻域。最常见的两种：高斯滤波和双边滤波。
高斯滤波就是给邻域像素加权平均，权重由距离决定。简单粗暴，但会模糊边缘。双边滤波聪明一点，它同时考虑空间距离和像素值差异——边缘两侧的像素即使离得近，权重也很低，所以能保边。
// 双边滤波伪代码
for each pixel (x,y):
sum_weight = 0
sum_value = 0
for each neighbor (i,j) in window:
w_spatial = exp(-((i-x)^2+(j-y)^2) / (2*σ_s^2))
w_range = exp(-(|I(i,j)-I(x,y)|^2) / (2*σ_r^2))
weight = w_spatial * w_range
sum_weight += weight
sum_value += weight * I(i,j)
I_out(x,y) = sum_value / sum_weight我曾经踩过的坑：双边滤波的参数σ_s和σ_r非常敏感。σ_s设太大，边缘保不住；σ_r设太大，噪声滤不干净。我一般先跑一遍噪声估计，再根据噪声水平动态调整σ_r。
空域滤波的优点是实时性好，单帧就能处理。但缺点也很明显：它只能利用局部信息，遇到纹理复杂的区域容易过平滑。说白了，它是个「近视眼」，看不到远处的结构。
3.3 频域滤波：换个角度看噪声
频域滤波的思路很巧妙——把图像从空间域变换到频率域，噪声通常集中在高频区域，而真实场景的能量大多在低频。所以只要设计一个低通滤波器，把高频砍掉就行。
最经典的做法是用傅里叶变换：
F(u,v) = FFT{I(x,y)}
H(u,v) = 低通滤波器（比如高斯低通）
G(u,v) = F(u,v) * H(u,v)
I_out(x,y) = IFFT{G(u,v)}但这里有个问题：一刀切会损失细节。比如头发丝、树叶纹理这些高频信息，和噪声混在一起，低通滤波会把它们一起干掉。所以实际工程中很少直接用频域滤波做降噪，更多是把它作为辅助手段。
我个人的习惯：频域滤波更适合做周期性噪声的去除，比如传感器读出噪声、电源纹波引起的条纹。这些噪声在频域里是离散的尖峰，用陷波滤波器就能精准干掉，不影响其他频率。
3.4 三种滤波的对比：谁更适合多帧降噪？
直接上表格，一目了然：
| 维度 | 时域滤波 | 空域滤波 | 频域滤波 |
|---|---|---|---|
| 依赖数据 | 多帧图像 | 单帧图像 | 单帧图像 |
| 降噪能力 | 强（信噪比提升√N倍） | 中（受限于邻域大小） | 中（容易损失细节） |
| 保边能力 | 好（需运动补偿） | 双边滤波较好 | 差（高频细节丢失） |
| 计算复杂度 | 高（需对齐+多帧） | 低（单帧处理） | 中（FFT开销） |
| 适用场景 | 静态场景、低光夜景 | 实时视频、移动端 | 周期性噪声、特定频段 |
你可能会问：那实际产品里到底用哪种？答案是：全都要。我参与过的手机夜景模式，流程通常是这样的：
- 先做时域滤波：多帧对齐后加权平均，把随机噪声压下去
- 再做空域滤波：用双边滤波或引导滤波，修复时域平均残留的噪声
- 最后用频域滤波：检测是否有周期性条纹，有的话用陷波器干掉
说白了，三种滤波是互补的。时域负责「量变」，空域负责「质变」，频域负责「查漏补缺」。
3.5 知识体系总览
下面这张图是我自己总结的，把三种滤波的关系和适用场景串起来了：
核心结论：多帧降噪的工程落地，从来不是选一种滤波就完事。我建议你从时域滤波入手，先把信噪比提上去，再用空域滤波做精细处理，最后用频域滤波处理特殊噪声。这个「三步走」策略，我在三个项目里验证过，效果都很稳。
公众号:蓝海资料掘金营，微信deep3321