101、Sensor噪声源深度解析：散粒噪声、读出噪声、暗电流、FPN与PRNU的物理根源与实测分离方法

101、Sensor噪声源深度解析：散粒噪声、读出噪声、暗电流、FPN与PRNU的物理根源与实测分离方法

去年冬天调试一款车载前视摄像头，客户反馈夜间低照度场景下画面出现“雪花点”，ISP降噪开满后细节全糊，不开又没法看。我带着团队在暗室测了一周，发现问题的根子不在ISP，而在Sensor本身——读出噪声比规格书标称值高了将近一倍。那批Sensor的晶圆批次有问题，读出电路上的电荷转移效率偏低，导致暗场下的固定模式噪声（FPN）和随机噪声混在一起，ISP根本分不清哪些是真实信号、哪些是噪声。

这个案例让我意识到，很多工程师在调噪声时习惯性地把锅甩给ISP，却忽略了Sensor端的物理噪声源。今天这篇笔记，我就把几种核心噪声的物理根源和实测分离方法掰开揉碎讲清楚。

散粒噪声：光子到达的随机性，谁也躲不掉

散粒噪声是光子本身的量子特性决定的。光子到达Sensor像素的速率服从泊松分布，也就是说，即使光照恒定，每个像素在相同曝光时间内收集到的光子数也会有统计涨落。这个涨落的均方根值等于光子数的平方根。

举个例子，一个像素收集了10000个光子，散粒噪声就是100个电子（假设量子效率为1）。信噪比是10000/100=40dB。如果光子数降到100个，信噪比就只剩20dB。这就是为什么低照度下散粒噪声成为主导——信号本身弱，噪声的相对占比就大。

物理根源：光子到达的泊松统计特性，与Sensor工艺无关。你换再好的Sensor，只要光子数不变，散粒噪声的下限就在那里。

实测分离方法：散粒噪声与信号强度呈