2、光子散粒噪声：物理本质与泊松分布模型

各位工程师朋友，咱们今天聊聊散粒噪声。说实话，这是我在图像传感器领域打交道最多的噪声之一。你想想看，无论你把传感器做得多么完美，这个噪声永远都在那里，像个甩不掉的影子。

物理本质：光子的"随机到达"

散粒噪声的根源，说白了就是光子的粒子性。光不是连续的水流，而是一颗一颗的"子弹"——光子。当这些光子打到像素上时，到达的时间是完全随机的。

我举个例子。假设你站在雨中，手里拿着一个杯子接水。如果雨滴足够大，你会发现每秒钟落入杯中的雨滴数量不是恒定的——有时候多几滴，有时候少几滴。光子散粒噪声就是这个道理。

为什么会这样？因为光子发射本身就是一个量子过程。光源中的电子跃迁是随机的，每个光子何时产生、飞向哪里，都带有天然的随机性。这不是测量误差，而是物理本质。

泊松分布模型：数学描述

既然光子到达是随机的，那怎么描述它？泊松分布就是干这个的。

我记得刚入行时，导师跟我说："记住，只要事件是独立发生的，且平均速率恒定，它就服从泊松分布。"光子到达恰好满足这两个条件。

泊松分布的数学形式很简单：

P(k) = (λ^k * e^(-λ)) / k!

其中：

• P(k) —— 观察到k个光子的概率
• λ —— 平均光子数（期望值）
• k! —— k的阶乘

举个例子。假设平均每个像素接收到100个光子（λ=100），那么恰好接收到100个光子的概率是多少？代入公式算一下，大约是4%左右。也就是说，大部分像素接收到的光子数会在100附近波动，而不是精确等于100。

散粒噪声的统计特性

泊松分布有一个非常优雅的性质：方差等于均值。

这意味着什么？

• 均值μ = λ
• 方差σ² = λ
• 标准差σ = √λ

你看，标准差就是均值的平方根。这个关系太重要了，我几乎每天都在用。

举个例子：

平均光子数 (λ)	标准差 (√λ)	信噪比 (λ/√λ)
100	10	10
1,000	31.6	31.6
10,000	100	100
100,000	316	316

看到规律了吗？信号越强，绝对噪声（标准差）越大，但信噪比也在提高。这就是为什么弱光下图像噪点明显，强光下反而干净。

散粒噪声与信号强度的关系

咱们用更直观的方式来看。假设你有一个像素，曝光时间固定，改变光照强度：

• 弱光（λ=10）： 噪声标准差≈3.2，信噪比≈3.2。图像看起来全是颗粒感。
• 中光（λ=1,000）： 噪声标准差≈31.6，信噪比≈31.6。噪点明显减少。
• 强光（λ=100,000）： 噪声标准差≈316，信噪比≈316。图像非常干净。

这里有个关键点：散粒噪声是信号依赖型噪声。它不像读出噪声那样是固定的，而是随着信号强度变化而变化。

我个人习惯用对数坐标来分析这个关系。在双对数图上，散粒噪声的功率谱密度是一条斜率为1/2的直线——这是识别散粒噪声的典型特征。

散粒噪声的极限：量子极限

聊到极限，就不得不提一个概念——量子极限。

量子极限是什么意思？就是说，在理想情况下，图像传感器的性能上限是由光子散粒噪声决定的。你无法超越这个极限，因为它是物理定律决定的。

具体来说：

• 量子效率100%的传感器，每个光子产生一个电子
• 没有读出噪声，没有暗电流，没有其他任何噪声源
• 但散粒噪声依然存在

这种情况下，信噪比就是SNR = √(光子数)。这就是量子极限。

我记得有一次做项目评审，有人问："能不能把信噪比做到100dB？"我算了一下，要达到100dB信噪比，需要10^10个光子。对于常见的像素尺寸和曝光时间来说，这几乎不可能。嗯，有时候物理定律比客户需求更硬。

那么，如何逼近量子极限？

• 提高量子效率（让更多光子转化为电子）
• 降低读出噪声（让它远小于散粒噪声）
• 增加满阱容量（容纳更多电子）

但无论如何，散粒噪声这个天花板就在那里。你只能无限接近，永远无法突破。

最后说一句，理解散粒噪声，是理解图像传感器性能的起点。很多所谓的"噪声抑制算法"，本质上都是在跟这个物理极限做博弈。你没法消除它，但可以学会与它共处。

---

公众号:蓝海资料掘金营，微信deep3321