# 静态成像对比 - 信噪比物理原理解析

本篇文档旨在为您解析线扫 TDI 相机在进行静态成像对比与平场校正时，关于信噪比（SNR）的核心物理现象与数学本质。

---

### 1. 核心数学定理：纯增益（乘法）不会改变信噪比

在分析中，很多直觉会认为“平场校正拉高了低灰度区域的增益，这会加大噪声，因此会导致信噪比（SNR）变差”。这个理解有一半是正确的（确实加大了绝对噪声），但在信噪比的数学定义上却是不变的。

假设平场校正为了拉亮暗处，对某侧像素乘以了一个增益系数 $g$：
*   **校正后的有效信号**：
    $$\text{Signal}_{\text{corrected}} = g \cdot \text{Signal}_{\text{raw}}$$
*   **校正后的随机噪声**：
    $$\text{Noise}_{\text{corrected}} = g \cdot \text{Noise}_{\text{raw}}$$

此时我们计算校正后的信噪比（SNR）：
$$\text{SNR}_{\text{corrected}} = \frac{\text{Signal}_{\text{corrected}}}{\text{Noise}_{\text{corrected}}} = \frac{g \cdot \text{Signal}_{\text{raw}}}{g \cdot \text{Noise}_{\text{raw}}} = \frac{\text{Signal}_{\text{raw}}}{\text{Noise}_{\text{raw}}} = \text{SNR}_{\text{raw}}$$

> **💡 物理结论**：
> **单纯的乘法增益在分子和分母中被完美抵消了！**
> 平场校正把较暗的像素拉亮了，但这并不会改变它在曝光瞬间就已经决定的物理信噪比底子。校正后的信噪比，依然完全取决于 RAW 图像曝光那一刻的信噪比。

---

### 2. 核心物理机制：光子散粒噪声的“平方根定律”

那么，为什么 RAW 图像中左侧虽然比中间暗挺多，但校正前后的物理信噪比却和中间非常接近？

在工业相机成像的正常光强下，系统工作在**散粒噪声主导区（Shot-Noise Limited Region）**。散粒噪声是由光子的量子随机分布决定的，其噪声大小等于收集光子数（亮度）$N$ 的平方根：
$$\text{Noise} = \sqrt{N}$$

此时相机的物理信噪比为：
$$\text{SNR} = \frac{N}{\sqrt{N}} = \sqrt{N}$$

转换为分贝（dB）：
$$\text{SNR(dB)} = 20 \log_{10}(\sqrt{N}) = 10 \log_{10}(N)$$

这个平方根公式带来了一个非常神奇的物理特性：**信噪比随亮度的下降是极其缓慢的（对数平方根关系）**。

*   **假设图像中心较亮**，亮度值为 $3000\text{ LSB}$（光子数 $N_1 = 3000$）：
    $$\text{SNR}_{\text{center}} = 10 \log_{10}(3000) \approx 34.77\text{ dB}$$
*   **假设左侧比中心暗了一半（亮度暴跌 50%）**，亮度仅为 $1500\text{ LSB}$（光子数 $N_2 = 1500$）：
    $$\text{SNR}_{\text{left}} = 10 \log_{10}(1500) \approx 31.76\text{ dB}$$

> **💡 物理结论**：
> **即使左侧亮度腰斩（暗了 50%），它在物理上的信噪比也仅仅只下降了约 3 dB！**
> 如果左侧只比中心暗了 20%~30%，那么它与中心的信噪比差异将只有 $1\text{ dB}$ 左右。这就是为什么左侧虽然暗，校正后信噪比依然能和中间高度接近。

---

### 3. 那为什么右侧的信噪比（21.77 dB）发生了雪崩式暴跌？

既然变暗对信噪比影响很慢，为什么右侧会暴跌了整整 **$7.14\text{ dB}$**（从 $28.91\text{ dB}$ 跌到 $21.77\text{ dB}$）呢？
因为右侧已经暗到了物理极限，触发了**双重惩罚**：

#### 惩罚 A：退出了散粒噪声区，坠入“读出噪声主导区”
当右侧光强极度微弱（比如信号只剩下几十个 LSB 时），散粒噪声不再是主角。相机芯片本身的**固定读出噪声（Read Noise $\sigma_{\text{read}}$，常数）**开始占主导。
在这个区域，信噪比的公式直接退化为：
$$\text{SNR} \approx \frac{N}{\sigma_{\text{read}}}$$
此时，**信噪比和亮度 $N$ 呈线性正比关系**！亮度稍微下降一点，信噪比就会发生**断崖式的雪崩**。

#### 惩罚 B：平场图本身的“随机噪声注入”（分母污染）
平场校正公式为：
$$I_{\text{corrected}} = \frac{I_{\text{raw}}}{I_{\text{flat}}} \cdot \text{Mean}(I_{\text{flat}})$$
平场图 $I_{\text{flat}}$ 也是相机拍出来的，它本身也带着随机噪声 $\sigma_{\text{flat}}$。两个带噪图像相除，校正后的噪底会变成：
$$\frac{1}{\text{SNR}_{\text{corrected}}^2} \approx \frac{1}{\text{SNR}_{\text{raw}}^2} + \frac{1}{\text{SNR}_{\text{flat}}^2}$$

*   **在左侧**：平场图虽暗但还能看，平场信噪比 $\text{SNR}_{\text{flat}}$ 足够高，对结果的污染极小。
*   **在右侧**：平场图本身已经**暗到全是噪点**，它的信噪比极低。当我们除以这个满是噪点的右侧平场分母时，平场图的巨大噪声被**强行注入**到了校正图像中，导致右侧信噪比发生二次暴跌。