답변:
마지막 두 개는 실제로 동일한 것으로 대부분의 경우 노이즈가 픽셀 값을 올리는 것만 큼 픽셀 값을 올릴 가능성이 있기 때문에 작동합니다.
주어진 픽셀의 '참'값이 100 (255 개 중)이라고 가정 해 봅시다. 시끄러운 조건에서 같은 장면을 10 장 촬영하면 다음 값을 기록 할 수 있습니다.
104, 99, 98, 100, 101, 105, 99, 102, 94, 105
이 값을 평균화하고 (가산하고 10으로 나눔) 다음 픽셀 값을 제공합니다. 100.7, 101로 반올림합니다.이 값은 101로 반올림하여 실제 값에 훨씬 더 가깝습니다. 무작위로 10 개의 이미지.
방법에 관해서는이를위한 전문 소프트웨어 패키지가 있습니다 (이미지 스태킹을 검색하면 Deep Sky Stacker가 널리 사용됩니다). 또는 여러 레이어를로드하고 레이어 쌍을 병합하여 대부분의 이미지 편집에서이 작업을 수행 할 수 있습니다 (최신 버전의 Photoshop에는 약간 더 나은 특수 스태킹 기능이 있습니다).
같은 원칙은 해상도를 낮추는 데 있습니다. 이를 수행하는 한 가지 기술을 '비닝 (binning)'이라고하며 4 개의 인접 픽셀을 하나로 결합합니다. 따라서 이미지 내에서 평평한 색상 영역에 해당하는 4 개의 픽셀을 상상해보십시오. 균일 한 값은 100이어야합니다.
102, 103
93, 101
그것들을 평균하면 99.75의 단일 픽셀이 100으로 반올림됩니다.
또한 여러 이미지를 촬영하여 평균화하는 것은 다음을 제외하고 더 긴 노출을하는 것과 같습니다.
-
마지막으로, 소음을 최소화 할 때 황금률은 최대한 많은 빛을 얻는 것입니다. 여러 번의 평균 노출이이 작업을 수행합니다 (중요한 총 광량). 다운 샘플링은 실제로 해결을 위해 노이즈를 거래합니다.
실리콘에는 열 노이즈 (Johnson noise)라는 효과가 있습니다. 이것은 기본적으로 전자가 기판에서 느슨해 져서 전자에 추가되어 광자에 의해 느슨해집니다. 이러한 전자는 센서에서 "신호"의 일부로 간주되어 노이즈를 생성합니다. 이러한 종류의 노이즈는 가우스 분포이며 평균값은 0입니다.
온도에 따라 열 노이즈가 증가하므로 더 시원한 센서의 성능이 향상됩니다.
평균 0의 랜덤 노이즈에 대해서만 작동합니다. 노이즈가 임의 인 경우 (충분히) 절대 동일하지는 않지만 사진을 찍는 장면은 같아야합니다. 장면에 대한 정보가 여러 번 기록되므로 매번 약간 다른 노이즈로 픽셀을 평균화하고 하나의 캡처에서보다 신호 대 노이즈 비율이 높아질 수 있습니다. 즉, 장면은 정적이어야합니다.
더 큰 센서가 달성되는 방법에 따라 노이즈가 줄어 듭니다. 한 가지 기술은 물리적 센서 크기를 일정하게 유지 한 다음 여러 물리적 픽셀을 하나의 논리적 픽셀로 결합하는 것입니다. 또는 센서의 물리적 크기가 다를 수 있습니다.
여러 물리적 픽셀을 하나의 논리적 픽셀로 결합하면 여러 캡처를 결합하는 것과 동일한 종류의 노이즈 감소를 달성 할 수 있습니다.
픽셀의 물리적 크기를 늘리면 판독 및 증폭으로 인한 노이즈를 줄일 수 있습니다. 픽셀이 클수록 신호의 전자 수가 더 많아집니다. 판독 및 증폭 잡음은 주어진 생산 기술 (트랜지스터 크기)에 대해 거의 고정되어 있기 때문에 더 큰 신호대 잡음비를 달성 할 수 있습니다.