噪音：SNR与视觉噪音

分辨率测试卡的噪声是图像质量评估的重要参数。作为每个像素的随机信号变化，噪声源于光的物理特性（光子射击噪声）和传感器的技术限制（暗电流和读取噪声）。

描述噪声的一种非常常见的方法是将其报告为信噪比（SNR）。要测量成像设备的SNR，您可以遵循ISO 15739标准。

SNR越高，我们在图像中发现的噪声越少。

这可能是故事的结尾，但遗憾的是，SNR并没有很好地反映出来：

观察者在图像中实际看到了多少噪音？

我们从1997年开始测试数码相机，并且长时间使用SNR作为噪声的测量。五年多以前，我们已经看到了这样的影响，即SNR测量的结果不再反映观察者的经验。因此，相机具有相似的SNR值，但噪声的外观不同。并且相同的噪声外观可能导致不同的SNR值。

对于这篇文章，我们准备了三个样本图像，1x，2x和4x来说明问题：

想象一下，这些图像应该是均匀的，但会显示出一些噪音。如果您远离屏幕，您可以看到所有三个图像具有相同的平均值并且看起来均匀。

如果您靠近屏幕，很明显您可以在图像4x中看到比图像1x更多的“噪点”。

如果我们测量SNR，我们会看到所有图像具有相同的平均值，所有像素值的标准偏差相同，因此信噪比相同。

该样本显示SNR仅反映噪声总量，但未描述人类观察者实际感知噪声的方式。

视觉噪音

因此，为了描述人类观察者在图像中实际看到多少噪声，以及这是否令人不安，我们不使用SNR。相反，我们使用称为视觉噪声的测量。

ISO 15739中描述了测量视觉噪声的算法和程序，并且从标准的规范部分转移到信息附件到2013年的标准修订版。

可视噪声值易于理解：值越高，观察者将看到的噪声越多。SNR和VN之间的主要区别在于，VN将根据可见性对噪声进行加权。噪声测量不会考虑无论如何都看不到的噪声。

我们如何知道观察者可以看到哪种噪声？

可以模拟人类视觉系统对空间频率的响应。对比灵敏度函数（CSF）与观察条件的假设允许我们计算噪声频谱的不同部分的重要性。因此，从上面的示例：图像1x将在高空间频率中具有其大部分“噪声”，其在CSF中具有低响应。图像4x在较低的空间频率中具有大部分“噪声”，根据CSF可以很好地