昆明小程序开发联系方式做seo推广公司网站

引言

在进行图像恢复任务的时候，我一直采用的是深度学习的方式。构造配对数据集LQ-GT，构建模型结构、损失函数，然后就开始训练了，在进行Real-ISR任务的时候也是如此，调整多种退化的数据（Real-ESRGAN、BSRGAN），调整网络结构，等等，一切仿佛是机械性的操作，但是自己却彷佛落下了很多知识。就像今天所要记录的，图像的SNR（信噪比）指标。

具体描述

信噪比，顾名思义，就是信号和噪声的比较，网上有许多关于这方面的知识内容，给的公式并不一致，搞的我最近在分析电子放大噪声的时候有点迷茫，感觉大家都说的有道理，但是又不太相信，因为各说各话，也没有任何引用。至少，很少有从成像原理上讲清楚这个事情的，所以我记录下我自己的理解。

整体成像过程

从光学成像的方向入手，传感器(sensor)接收通过镜头的光信号，并将其转化为电信号，然后再经过量化，将模拟信号转化为数字信号，最终变成图像原始的RAW信号，RAW信号其实应该是用拜尔阵列得到的RGGB or BGGR，再经过去马赛克、白平衡等操作就变成我们熟悉的RGB图像。

从上述光电信号传输过程中可以看到，从光子到数字信号有一系列损失，包括量子效率、暗噪声、量化噪声，都会造成信号的损失。

具体计算过程

信噪比是信号和噪声的比值，可以以有效信号均值/信号标准差来代替。
有效信号均值是得到的信号减去暗噪声，
标准差包含光子噪声(泊松噪声) + 暗噪声 + 量化噪声。
理想传感器，忽略暗噪声和量化噪声，最终信噪比为信号的开根号。
主要是由于泊松分布 均值=方差，所以信噪比就等于标准差

参考自

EMVA 1288（欧洲机器视觉协会标准）
https://www.emva.org/standards-technology/emva-1288/emva-standard-1288-downloads-2/

没啥时间，稍微记录下，有空再完善吧