噪聲分佈圖怎麼做
在上一期中我們給大家詳細介紹了科學成像中三種主要的噪聲：散粒噪聲，讀出噪聲和暗電流。有了這三種噪聲的資料，忽略其他噪聲源，我們可以計算出影象的信噪比：
其中：
以上公式就變為：
通常暗電流噪聲可以忽略，這樣我們不難看出：當光訊號較強時（遠大於讀出噪聲），散粒噪聲占主導地位，信噪比主要由訊號強度決定；而在弱光成像中，讀出噪聲就顯得至關重要了。sCMOS相機讀出噪聲遠小於CCD，也正是它被廣泛的應用於弱光成像的一個重要原因。
不過凡事皆有兩面性，CMOS也有自己的問題。在上一期中我們也提到，CCD和CMOS的讀出方式不同：CCD只有一個讀出口，讀出噪聲遵循正態分佈（Gaussian distribution）。而CMOS每個畫素都有獨立的放大器，每列共用一個讀出口，因此，每個畫素的讀出噪聲不同，總體遵循偏態分佈（Skewed distribution）（圖1）：
圖1 CMOS畫素的讀出噪聲分佈
位於偏態分佈尾部的那些畫素具有相對更大的讀出噪聲，稱為高噪聲畫素（High noise pixel）。為了更形象的進行說明，我們拍攝了150張bias圖片，找出其中典型的高噪聲畫素和低噪聲畫素灰度值的分佈情況（圖2）。可見，畫素的灰度值會隨機地在平均值上下變化，低噪聲畫素的變化區間很小，而高噪聲畫素的變化區間較大，標準差更大，也就是說噪聲更高。
圖2 低噪聲畫素與高噪聲畫素讀出噪聲
這些高讀出噪聲的畫素點會導致圖片看起來像是撒了很多鹽和胡椒一樣 （圖3），所以被形象的稱為“椒鹽”噪聲（’Salt’n’pepper’ noise），又叫做隨機電報噪聲 （Random telegraph noise，RTN）。：
圖3 隨機電報噪聲
椒鹽排條雖然好吃，撒了椒鹽的影象可不好看，試想一下我們拍了一張圖片，卻發現上面佈滿了雪花點，是不是累覺不愛。不過好訊息是，椒鹽噪聲雖然難以避免，但隨著相機內建影象處理技術的進步，我們可以在相機的FPGA內建一些演算法來對它們進行校正。
Prime 95B內建despeckle功能：去除椒鹽噪聲的神器。
Prime 95B內建有despeckle功能，可以實時去除椒鹽噪聲。這個功能總共包含四個濾波器： 1。 Despeckle Dark Low；2。 Despeckle Bright Low ；3。 Despeckle Dark High；4。 Despeckle Bright High。前兩個即是用來去除椒鹽噪聲的，後兩個則用來去除熱點和暗點。
圖4 使用despeckle功能前後效果對比
比較圖4我們看到，當despeckle功能開啟時，影象直方圖變窄，兩端灰度值過低或過高的畫素不見了。事實上這些畫素並沒有消失，而是被他們周圍畫素灰度值的中值所取代了，這樣就達到了降噪的效果。
以上就是關於椒鹽噪聲的真相啦，不知大家是否get了呢？ 在下一期如影隨形的噪聲完結篇中，我們將為大家介紹一些實用的降低噪聲和提高信噪比的方法，請大家千萬不要錯過哦！