工程师分析：数字影像的噪音测试判定

噪音如何产生？

区别数字与传统影像，噪音（Noise）是一个重要的观察指标。取代传统底片的数字感光原件 CCD / CMOS（相关电子感光原件的介绍请参考前面的讲座）本身就是一个消耗能量（电力）的设备。有能源的消耗，自然就会产生热量，『热』导致晶片材质的电子活动加剧，受热的电子不断的运动而产生了电流，形成所谓的『暗电流』（Black Level）。

盖上镜头盖长时间曝光8秒的 Olympus E-10 画面(放大16倍）上明显出现噪音产生的白点（黄框）

一般感光原件的暗电流范围通常在 0.075nA/cm2~2.0 nA/cm2之间

理想的光感测器其暗电流应该是零，但现实世界里这样的理想材质还在研究阶段。当然，还有其他因素同样会影响暗电流的产生，然而『热』却是最显着的影响因素。暗电流的存在，让即使没有 光进入数字相机之中，却因光电二极管自行释放的电流，彷彿开了另一道『窗口』感应光线；当暗电流电压与低亮度光的电压相当时，感光原件的画素就彷彿『看到了』景物，从而导致曝光，并将结果呈现在画面上。

噪音消除 Noise Reduction

噪音的存在对早期的数字相机来说，就挥之不去的梦魇！想像一下，当你身在人群之中，多人讲话的音量（Noise）盖过了你原本说话的声音（Signal），逼得你不得不提高嗓门大声说话，来获得短暂清楚的信息，可是与此同时更多人就必须提高更大的音量来彼此对谈，信号（Signal）和噪音（Noise）就是在这样里来我往之间取得平衡。这也导出 SNR讯噪比公式： SNR= Signal / Noise （单位 dB）。

上：ISO12233测试原图 SN=116.4 / 下：加强锐利化后 SN 降到13.68 讯噪曲线也有了改变

[page]

SNR数据需要于光亮临界点之处，想取得清楚影像时非常有用。由于开发低噪音比材质之困难度太高，携带型相机设备又不适合运用成本高的散热机制。因此，处理噪音的方法转而用内建韧体或软件的方式来执行，例如：同时拍摄两张照片，其中一张系关闭光圈拍摄之，用以比对可能会出现的噪音处，从而消除之，称之 Noise Reduction。我们会在后续的章节中另开专文讨论。

Noise 噪音检测

关于数字相机的噪音检测，你可以用很简单的方式，盖上镜头盖，直接长时间曝光（一般消费型数字相机约2秒，专业型可以手动调整M模式，取得8秒甚至 bulb 的曝光时间）。再将影像拉回到电脑软件之中，启动色调分佈图（见下左），比较与纯黑影像的区别（下右图）。

数据化的噪音检测

Imatest 这套软件提供了多组 Noise 噪音测试方式，包括由 ISO12233、Q-13 与 ColorChecker 所构成，方便使用者检查各个阶段相机噪音表现。其中 ISO12233的测试之中，提供了完整的 Noise 图表，内容包含平均 S/N 值（S/N mean），该值越大代表信号强度越强，影像也就越清晰。另外，右图之中还提供 Shannon channel capacity，一般称之为香浓定律或 Shannon information transmission capacity C 香浓容量，这是一个非常重要的电子学方程式，如下：

C = Wlog2(S/N+1)

该方程式原意是用来计算单一频道中所能携带最大的讯息量（不包括 Noise 噪音），在这里被用来检测 L 明度之中所含正确信息的数量。在数据中显示三种不同的反差状况，100％代表正常反差下影像的香浓数量，10％代表低反差的表现，1％ 则是用来检查大范围区域（例如：天空）的信息含量。

加入 Shannon channel capacity 的主要用意在于避开数字相机内建的 Noise Reduction 机制，多数的 NR 设计会将低反差的讯号移除，藉以达到平衡画面的效果，但于此同时也会减低画面细节的表现。对于一般的 Noise 检测来说，NR 确实可以达到提升 S/N 比的效果。但对 Shannon channel capacity 检查来说，NR 的机制就不那么明显，比较能够正确的计算出 Noise 的范围，提供使用者正确的资讯。

相关阅读：

工程师支招：解决电源管理IC抑制音频噪音的方法
牛人DIY：彻底消除中波噪音干扰的简单方法
共模和差模信号及其噪音抑制