058、时域降噪（Temporal Denoise）：运动补偿与递归滤波在视频降噪中的应用

058、时域降噪（Temporal Denoise）：运动补偿与递归滤波在视频降噪中的应用

去年冬天接手一个车载环视项目，客户反馈夜间倒车影像“雪花飞舞”，尤其是地面纹理像被撒了盐。我第一反应是调高空域降噪强度，结果画面是干净了，但倒车时后保险杠边缘拖影严重，像糊了一层浆糊。后来发现问题的根源不在空域，而在时域——帧与帧之间的噪声是随机的，但场景是连续的，如果能利用多帧信息去噪，就能在保留细节的同时压制噪声。这就是时域降噪（Temporal Denoise）的核心逻辑。

时域降噪的直觉：为什么单帧搞不定？

空域降噪本质是“猜”——用周围像素推测当前像素，代价是模糊边缘。时域降噪则是“看”——看前一帧同一位置像素是否稳定。如果场景静止，多帧平均就能把随机噪声抹平，信噪比提升与帧数平方根成正比。但现实世界没有绝对静止，哪怕手机放在三脚架上，树叶也会晃动。这就引出了时域降噪的两个核心矛盾：运动区域如何避免鬼影，静止区域如何最大化降噪收益。

递归滤波：最简单的时域降噪，但坑最多

最朴素的时域降噪是递归滤波（Recursive Filter），公式就一行：

output[n] = alpha * input[n] + (1 - alpha) * output[n-1]

alpha是更新率，越小降噪越强，但拖影越重。我在一个安防项目中用过这个，alpha设0.1，静止场景效果惊