目录
[6.1 白平衡带来的噪声影响](#6.1 白平衡带来的噪声影响)
[6.2 去马赛克带来的噪声影响](#6.2 去马赛克带来的噪声影响)
[6.3 色彩校正带来的噪声影响](#6.3 色彩校正带来的噪声影响)
[6.4 锐化、伽马校正与压缩带来的噪声影响](#6.4 锐化、伽马校正与压缩带来的噪声影响)
[6.5 降噪模块的部署位置](#6.5 降噪模块的部署位置)
[6.6 亮度噪声](#6.6 亮度噪声)
[6.7 色度噪声](#6.7 色度噪声)
尽管在图像采集阶段已经采取各类措施抑制噪声，但未被滤除的残余噪声，仍有可能在后续图像流水线处理环节中被放大。该问题在弱光环境下尤为突出：为输出观感合格的图像，传感器的模拟增益与数字增益都会被拉高。本节将阐述典型图像生成流水线中，几种主要的噪声放大效应。
降噪模块可以部署在图像处理流水线的不同阶段。为了将噪声水平控制在较低范围，往往需要设置不止一级降噪处理。
未滤除的传感器噪声经过去马赛克之后，还会产生难以修复的彩色伪影。原因在于色彩插值运算会混合不同颜色通道的噪声，进而造成信号与噪声之间产生相关性。
图 6.8 图像处理流水线：白平衡 → 去马赛克 → 色彩校正 → 后处理 → 压缩
噪声的强度与统计特性会随着流水线各处理节点发生显著变化。在流水线算法处理之前，采集得到的原始图像噪声由多重噪声源叠加而成，各类噪声相互混杂，污染理想图像信号。为得到曝光正确的图像而施加的增益放大，同样会增大最终图像中的噪声总量。时序随机噪声指图像内部的二维空间噪声分布会随着帧的切换不断改变。除此之外，如图 6‑1 所示，流水线中每一个处理模块都会改变噪声的统计特性 。图 6.8 内各个算法模块及其对噪声分布带来的副作用，将在后续小节逐一详解。
6.1 白平衡带来的噪声影响
第一个会显著放大噪声的处理模块就是白平衡（WB）。白平衡算法一般为 CFA（彩色滤波阵列）的三个通道分别施加独立的全局增益，补偿红、绿、蓝通道的信号幅值，使中性色能够被正确还原（详见第 5 章）。 设分别为 CFA 图像上红、绿、蓝像素；
为施加到各个色彩通道的白平衡增益，则：
因此每个 CFA 通道的噪声电平（NL‑Noise Level）也会同步被增益缩放：
6.2 去马赛克带来的噪声影响
去马赛克算法的作用是从拜耳阵列交错采样数据中恢复出完整彩色图像。用于图像重建的算法选型，会通过改变像素数据的空间相关性，进而影响噪声电平。
为演示去马赛克对噪声水平的影响，此处选取一种简单插值算法：取目标像素((x,y))邻域内已有采样点的平均值，补全缺失色彩分量。例如，若坐标为绿色采样点，则缺失的红色、蓝色分量按下面公式插值得到：
经插值后，像素((x,y))处红、蓝通道噪声电平可近似表达为 ：
由于邻域平均运算，噪声电平缩放系数为 1/2；与此同时噪声的空间相关性也随之上升。
6.3 色彩校正带来的噪声影响
图像传感器表面彩色滤光片的光谱响应曲线与人眼视觉响应并不匹配，因此必须借助一个 3×3 校正矩阵对 RGB 像素值做色彩校正。矩阵乘法在修正像素色彩的同时也会放大噪声、降低信噪比，蓝色通道噪声恶化现象尤其明显。
(经过色彩矩阵变换后，各通道噪声电平更新如下：)
6.4 锐化、伽马校正与压缩带来的噪声影响
去马赛克从拜耳采样重建出完整 RGB 图像，该插值过程本质上属于低通滤波，输出图像清晰度下降、观感偏模糊，因此必须引入锐化算法，才能得到画质合格的图像。之后还需要执行伽马校正，把传感器输出的光强线性响应曲线，转换为匹配人眼视觉的非线性响应曲线。
锐化与伽马校正算法虽然能够提升图像观感，但同样会放大噪声：锐化算子专门提升图像高频分量，噪声也随之被增强；伽马校正通过非线性映射提亮暗区对比度，其非线性变换特性，进一步加大了不同信号电平下噪声分布的建模难度。
图像压缩用于减小文件体积，分为两大类：无损压缩 ，在不丢失任何图像信息的前提下缩减数据量；有损压缩（例如 JPEG），以舍弃部分图像数据为代价换取更高压缩比。
JPEG 会先将 RGB 图像转换至 YCbCr 色彩空间：亮度通道 Y 承载图像结构与细节信息；色度通道 Cb、Cr 可以进行二次采样，人眼几乎察觉不到画质损失。亮度通道被切分为多个互不重叠的 8×8 图像块，每一块单独做离散余弦变换（DCT），变换后得到 DCT 系数再经由量化表完成量化编码。压缩倍率取决于量化表参数；压缩倍率越高，量化损失越严重，越容易产生压缩伪影、图像画质越低。
有损图像压缩的效果近似于降噪算法：保留图像主体结构信息，抑制细微纹理与高频细节。但压缩引入的各类伪影，依然会降低图像的整体质量。
6.5 降噪模块的部署位置
综合以上对图像处理流水线的分析，降噪模块安放的位置对最终成像质量起到决定性作用。 原则上，为避免生成伪彩色、防止噪声空间相关性加剧，降噪最好放在去马赛克之前，在 CFA 原始域完成。但正如前文所述，前置降噪并不能把所有噪声消除干净；残余噪声会被后续色彩校正、锐化模块进一步放大。因此，流水线末端通常还需要再增设一级降噪处理。
图 6.9 带两级降噪的图像处理流水线： 降噪 (CFA 域) → 白平衡 → 去马赛克 → 色彩校正 → 降噪 (亮度域) → 后处理 → 压缩
第一级降噪运行于拜耳 CFA 原始数据域，置于去马赛克之前；第二级滤波工作在亮度通道，部署于流水线末端、图像压缩之前。
6.6 亮度噪声
亮度噪声在最终 RGB 图像中表现为无色彩的颗粒噪点。当噪声强度较低时，颗粒噪点甚至能够提升画面的真实感、增强视觉锐度，避免图像出现过度平滑的卡通效果。 而在另一些场景下，尤其传感器像素尺寸很小的时候，即使光照充足也会产生大量噪声。流水线末端残留的亮度噪声必须处理：在图像平坦均匀区域，人眼对亮度颗粒极其敏感，残留噪点观感非常刺眼。
在 RGB 色彩域中，亮度信息分散在红、绿、蓝三个通道；若要将亮度与色度信息分离开，就需要转换到 YCbCr 色彩空间。当然也存在其他可分离亮度‑色度的色彩空间（例如 Lab*），但 YCbCr 转换几乎没有额外开销 ------JPEG 编码引擎内部本身就自带该转换模块。任意像素点的亮度通道 Y 由 RGB 三通道加权求和得到，计算标准遵循 ITU‑R BT.709 规范：
和拜耳原始 CFA 图像有着明确噪声特征曲线不同，YCbCr 域下的噪声表现，很大程度取决于流水线中各个算法对受损信号的处理效果。工程上通常会把亮度降噪滤波器部署在流水线末尾、压缩步骤之前，以此抑制 Y 通道残留的过量噪声（见图 6.9）。 图 6.10 展示了一块含有噪声的平坦区域，以及三组经过不同降噪方案处理之后的对比效果图：
- (a) 未做任何降噪处理
- (b) 仅 CFA 域降噪，末端无亮度滤波
- (c) CFA 域降噪 + 后端 Y 通道残余噪声滤波
6.7 色度噪声
亮度噪声属于无色彩噪声，表现为像素之间明暗的随机起伏；色度噪声则是一种低频失真，最终图像上呈现为大面积彩色斑块，斑块多为红色或蓝色。在弱光拍摄、曝光不足的低质量图像暗区，彩斑噪点会格外显眼，色度噪声效果见图 6.11。
色度噪声属于低频噪声，基于高斯噪声模型的常规滤波算法降噪效果很差。色度噪声频率极低，生成大面积连片彩斑，简单的邻域加权平均滤波无法有效消除彩色噪声。
