如何理解SNR这里发生的跳变
本帖最后由 画心 于 2020-9-11 16:41 编辑请教下如何看待这个SNR跳变，，我仔细听了课程，课程中讲的是，由于长曝光需要与短曝光对齐，所以长曝光需要除以曝光比，然后SNR就会发生跳变，
我这边做了下模拟，一个灰度图除以3以后，他的noise是变小了，但是SNR并没有边，因为相当于信号和噪声同时除以了3，所一SNR不变，那这个图，纵轴坐标是否应该是noise 而不是SNR？
还有为啥课程里讲的测量sensor noise modle需要多张去平均，除去时域噪声？ noise 模型不考虑时域噪声吗
你应该把我些的hdr imaging 那个系列的4篇文章都看了，估计就明白了。
这个是三曝光的图，左至右依次是长，中，短曝光，analog gain 相同，曝光时间不同。 noise profile的形状相同，但是会发生了平移。所以拼接的时候会出现上面的drop。 maver 发表于 2020-9-11 17:26
你应该把我些的hdr imaging 那个系列的4篇文章都看了，估计就明白了。
这个是三曝光的图，左至右依次是 ...
这个我知道，但是我觉得平移的应该是noise，SNR没变，因为平移的时候，是信号和噪声，同时除以曝光比，所以SNR还是没变的，我的理解 画心 发表于 2020-9-14 09:07
这个我知道，但是我觉得平移的应该是noise，SNR没变，因为平移的时候，是信号和噪声，同时除以曝光比，所 ...
这里跟SNR的计算公式有关系, SNR Drop时,按照设定只有曝光时间t有变化, SNR DROP发生在场景较亮/曝光时间较大, 这里可以忽略加性噪声部分,SNR计算公式可以表示为: SNR = t * a * Φ (t 曝光时间, a为比例常数, Φ为光辐射通量(横坐标)), 因此会有Drop, 且Drop 比例可以通过t或者曝光比得到; 详情可以参考这篇文章 - 数码相机成像时的噪声模型与标定
页:
[1]