157、时域降噪与多帧降噪：运动补偿、递归滤波与多帧融合的实战调参技巧

157、时域降噪与多帧降噪：运动补偿、递归滤波与多帧融合的实战调参技巧

去年夏天，我接手一个安防IPC项目，夜视模式下画面噪点像雪花一样铺满整个监控区域。客户要求“看得清车牌”，但实测时运动目标一出现，画面就糊成一团，静止时倒是干净了。我盯着示波器上的噪声波形，突然意识到：这不是单纯的增益问题，是时域降噪的“运动补偿”没调好，导致递归滤波把运动物体当成了噪声给抹掉了。后来花了三周，从运动检测阈值到递归系数，一点点抠参数，才把这个问题压下去。今天就把这些实战中踩过的坑，掰开了讲清楚。

运动补偿：别让算法把“动”当成“噪”

时域降噪的核心逻辑很简单：利用前后帧的像素相关性，把随机噪声平均掉。但问题在于，当场景中有运动物体时，像素位置变了，直接做帧间平均就会产生鬼影。运动补偿就是来解决这个矛盾的——先检测运动区域，再决定哪些像素该参与滤波。

我见过最典型的错误，是直接把运动检测阈值设成固定值。比如某款手机方案，默认阈值是16（8bit数据），结果室内灯光下，人走路产生的像素变化刚好在15-20之间，算法一会儿判定为运动，一会儿判定为静止，导致画面出现“闪烁的拖影”。正确的做法是：阈值要跟着场景亮度走。暗光下噪声本身幅值就大，阈值得相应抬高；亮光下噪声小，阈值可以压低。我习惯用一个简单的线性映射：threshold = base_threshold * (current_luminance / reference_luminance)，其中reference_luminance取场景平均亮度的80%分位值。

运动补偿的另一个坑是“块效应”。很多方案把图像分成8x8或