noise

本文所提供的信息和内容仅供参考。作者对本文内容的准确性、完整性、及时性或适用性不作任何明示或暗示的保证。在任何情况下，作者不对因使用本文内容而导致的任何直接或间接损失承担责任，包括但不限于数据丢失、业务中断或其他经济损失。

读者在使用本文信息时，应自行验证其准确性和适用性，并对其使用结果负责。本文内容不构成专业技术咨询或建议，具体的技术实现和应用应根据实际情况和需要进行详细分析和验证。

本文所涉及的任何商标、版权或其他知识产权均属于其各自的所有者。若本文中引用了第三方的资料或信息，引用仅为学术交流目的，不构成对第三方内容的认可或保证。

若有任何疑问或需进一步信息，请联系本文作者或相关专业人士。

前言

在大多数情况下，构成噪声的像素或密度变化可以通过正态分布进行建模。

一、噪声的核心模型：正态分布（高斯分布）

键参数：

• μ：噪声的平均值（中心位置）

• σ：标准差（噪声的波动强度）

• σ2：方差（噪声功率）

标准差计算

• 工程等价：
  RMS噪声 = σ （Root Mean Square，均方根值 = 标准差）

• 为什么是RMS？
  噪声功率 P∝σ2 → RMS电压（或像素值）直接对应噪声幅度。

中心极限定理

        大量独立随机扰动叠加后，总噪声趋近正态分布

注：即使单个噪声源非高斯（如泊松），总和仍服从高斯分布。

二、低光场景：泊松分布

1. 适用条件

当光电子数极少（如 < 100光子/像素），高斯分布失效：
❌ 问题：高斯曲线允许负值（物理不可能）
✅ 解决：离散型泊松分布

• 参数：

  • m：平均光子数（均值）

  • s：实际光子数（离散整数）

  • s!：阶乘（如 3!=3×2×1=6）

2. 噪声特性