金彩汇 本文系微信公众号『大话成像』，知乎专栏『All in Camera』原创文章，转载请注明出处。

金彩汇上一篇说到bm3d等高级算法可以利用数学方式把信号分解成不同性质的部分，然后根据不同的噪声特点进行去噪。

金彩汇噪声模型则是去噪算法的重要依据。

先看一个实验，拍摄一张Grey Scale Chart:曝光时间 33ms， ISO 3200，得到如下图像：图像上有很多噪声，对这个图像做横切，可以得到pixelvalue相对intensity的关系图继续拍摄至N张照片，将N张照片求平均得到一张照片求和平均得到的照片把所有图片的像素值与亮度标在一个图中中间的实线是图像均值，所有被虚线包围的红色的点，是所有图像的像素值。

金彩汇按照图解噪声与去噪第一篇里的方法，画出像素标准差对均值的曲线可以得到从上图可以看出： 1. 噪声随着亮度的增加而增加。

2. 标准差与均值遵循一定的函数关系。

把多组实验的结果叠加可以得到下图：可以看出在平滑的曲线上多了许多毛刺.从上面两张图可以看出在图像中存在着两种噪声：信号相关噪声，信号不相关噪声。

金彩汇平滑上升的曲线是随信号均值上升的，而毛刺是不随信号均值增大的。

数学上把这两种噪声用泊松分布模型和高斯分布模型来描述：