以下文档介绍了如何使用BVS CA-SF和BVS CA-GX系列的去噪功能（平均）。为此，BVS CA-SF1 至少需要 2.8.0 版固件，BVS CA-SF2 至少需要 2.14.2 版固件。与低通滤波器或平均滤波器等图像处理算法相比，临时去噪（平均）可在不丢失图像信息的情况下提高图像质量。

假设有人添加了两幅图像的内容。虽然图像亮度增加了一倍，但噪声并没有增加一倍，因为噪声（通常）是统计分布的。从统计学角度讲，只要两幅图像相加，噪点水平只会增加 √2 倍。如果将图像除以 2 倍，使亮度再次相同，则可以说噪声水平降低了 3 dB 或信噪比水平提高了 3 dB。

EMVA1288 定义了一系列功能和测量规则，可用于

• 动态范围

• 信噪比和

• 暗电流的一系列函数和测量规则。

例如，动态范围是电荷载流子最大填充量（满井容量）Nwell （或 EMVA1288 规定的饱和容量）与最低信号暗电流ndark（Ndark[暗电流]）之比的结果，计算公式如下：

公式 1： 传感器的最大 DNR传感器的最大信噪比

信噪比是电荷载流子最大填充量（满井容量）与噪声（暗电流与信号噪声的几何和）之比的结果。根据物理学原理，自然界中的信号会受到所谓的射击噪声（也称为泊松射击噪声或肖特基噪声）的影响。镜头噪声与自身信号的平均值成正比。在明亮的场景中，镜头噪声占主导地位，因此信噪比可以简单地确定为 √ 记录容量。

公式 2： 简化的传感器最大信噪比

增加图像就等于增加记录容量。这就得出了 DNR 和 SNR：

公式 3： 传感器的平均 DNR

公式 4： 通过去噪（平均）提高信噪比

动态范围和信噪比均增加 √avg，即 20*(log (√avg)) dB

例如：avg=16：DNR 和 SNR 提高了 4 倍。

即 12.04 dB 或动态范围提高 2 位。

BVS CA-SF1 系列可在摄像机内存中以全位深度平均多达 16 幅图像。在摄像机进行计算和输出图像的同时，传感器中的新图像也在被处理。因此，平均图像的数据流并不连续。

BVS CA-SF2 系列可根据图像大小和比特深度将图像加总到一定限度（例如 BVS CA-SF2-0024Z：56 幅图像@8 比特或 37 幅图像@12 比特）。图像输入是连续的，不会丢弃任何输入的图像。

上面的截图显示的是一幅增益为 42 dB 的图像（使用位移），没有进行平均处理。整个图像的时间噪声（从一幅图像到下一幅图像的像素位置）标准偏差为 40.29 位（16 位）。

下面的截图显示的是 32 幅图像平均后的同一场景：噪点明显减少，图像细节没有丢失。图像的增益仍为 42 dB！因此，标准偏差可降低 5.6 =√avg。

使用 BVS CA-SF1-0013ZG 相机进行的 EMVA1288 测量根据 EMVA1288 标准取得了以下测试结果，该相机包含带有 10 位 ADC 的 e2v 76C560 CMOS 传感器：

SNR 和 DNR 均符合所提出的理论。

是用曝光时间较短的 exp（产生 Nexp 光子）avg 平均图像，还是用曝光时间 avg*exp 拍摄图像？

这可以用 DNR 的计算公式来回答：在较暗的场景中，平均值会在开始时增加光子，而暗电流则通过平方根增加。

公式 5： DNR 通过平均值增加

公式 6：通过增加曝光时间提高 DNR

由于只需考虑一次暗电流，因此以更长的曝光时间拍摄图像可获得更高的动态范围。

虽然平均法对静态图像非常有效，但在运动图像中显然会出现运动模糊或图像模糊的情况。

一些BVS CA-GX 型 CCD 摄像机的 FPGA 中集成了众所周知的自适应降噪原理。

假设灰度值的偏差是通过输入信号（输入信号）与帧存储器信号逐个像素确定的。输入信号和平均信号以反比方式相加，由两个电位器表示。(即输入信号越多，平均信号越少）。

这一特性由 "斜率 "参数控制，例如，像素值相差 10%，则输入信号为 95%，平均信号为 5%。该参数可用于控制降噪，但以运动伪影为代价。这种方法非常适合运动，因为它所依赖的事实是，人眼对运动图像区域的噪点反应比静态图像区域更为敏感。而这正是摄像机的工作原理。静态图像区域会被去噪，因为环路更加 "封闭"。图像中的移动部分去噪较少，因为对于这些像素来说，环路更加 "开放"。

去噪不会降低图像频率，也不会产生延迟。原因很简单：图像输出是先于存储器在 FPGA 中生成的。不过，由于去噪需要几个帧，帧频会降低。

以下截图显示，静态内容的图像可以进行去噪处理，而动态内容的图像也可以进行低噪声和运动模糊处理。

静态内容和高放大（增益）的图像；无降噪处理

相同的去噪场景（斜率 1000）

有移动轮胎的场景

延长 N 倍曝光时间与 N 倍图像平均和 N 倍图像增益（如果当前图像太暗）之间有什么区别？

这两种方法的最终图像亮度相同。

• 第一个明显的区别是帧频。使用平均法时，帧频会因平均所使用的帧数而降低。

• 从图像质量的角度来看，我们已经了解到，临时噪点的减少量是平均帧数的平方根。因此，信噪比大约相当于 N 倍曝光与 N 倍平均和 N 倍增益的对比。主要区别在于，平均化也适用于传感器的读出噪声，与曝光时间无关。这意味着在任何情况下，灵敏度阈值都会降低。

-> 平均化 提高了相机的灵敏度，而更长的曝光时间则会带来更高的动态范围。对于低照度应用，后者通常不那么重要，而平均化则很重要。

图像暗了 N 倍：

• 曝光时间延长 N 倍，结果是
  

• N 倍增益和 N 倍平均，结果是：
  

由于是泊松分布，偏差与平均值相对应。如果我们假设只达到可能饱和度的 1/𝑁𝑁𝑠𝑎𝑡，我们可以使用 N 次曝光来获得𝑁𝑠𝑎𝑡：

如果添加图像（同样适用于平均）：

这样，N 次曝光或 N 次平均/求和都能得到相同的 SNR 值。

如果延长曝光时间，结果会是这样：

添加图像：

该值在不同的曝光时间内保持不变，因为它与曝光时间无关。只要添加图像，就会产生这样的结果：

因此

模拟值：