“10 秒 1 张”VS“10 张 1 秒”，增加进光量与多帧平均值降噪，哪个效果更好？

01.弱光拍摄的难题

弱光拍摄带来的最大问题不是亮度太低，而是信噪比太低。

亮度低，完全可以后期提亮。但是信噪比低，照片的真实细节就会被淹没在噪点中，后期很难补救。如果噪点少，不管照片有多暗，都可以通过后期拉伸亮度和对比度补救。

如图，进光量非常少的树叶部分，后期用 ps 提高亮度，可以看出细节几乎完全损失。我们期望的信号是均匀的，但实际拍摄时难免会产生波动，这就像一个班里每位同学的身高都不同，即使把所有人的身高都提高一倍，大家的身高依然有波动，所以提高亮度无法消除噪点。

02.信噪比计算

在摄影中，可以用传感器实际转化的光子数的期望均值表示信号，记为 S。

每个像素转化的数量不同，存在波动，这被称为光子噪声（散粒噪声），记为√S。

相机读出信号的过程中，会出现误差，这个误差范围也存在波动，这被称为读出噪声，记为 R。

将噪声相加时，要把所有的噪声平方相加，然后再开根号。这就是叠加后的波动数值。

信噪比就是用信号 S 除以总噪声 N 总。

03.长曝光拍摄

原本快门时间是 1 秒，现在我们把快门时间提升到 10 秒，进光量就变为了原来的 10 倍。相当于 S 变为了原来的 10 倍，但 R 不变。（注意，S 变为 10 倍，是因为传感器接收到的光子数变为了原来的 10 倍，不是因为照片亮度提高了 10 倍，照片亮度≠信号）

这时候信噪比变为：

04.平均值堆栈

快门时间仍为 1 秒，连续拍摄 10 张照片，然后做平均值堆栈降噪处理。

信号没有发生变化，仍为 S，但是 N 张图像叠加后，总噪声需要除以√N：

因此，10 张图像叠加后信噪比最终变为：

比较两个计算结果，可以看出增加进光量的信噪比大于多张堆栈，主要是因为读出噪声影响了计算结果。越是弱光的环境，读出噪声的影响越大，两种方式的差距就越明显。

05.像素合并的影响

像素合并，也就是把多个像素合并成 1 个像素，从而提高信噪比。

以 CMOS 传感器像素 4 合 1 为例，信号 S 变为了原来的 4 倍，但是 CMOS 也读取了 4 次信号，每次读出都会产生误差（读出噪声），所以有了 4 个读出噪声。

但是总噪声绝不是 4 个 R 相加，原因在本文第二节“信噪比计算”提到过，现在检查一下自己消化前面的内容了吗。所以总噪声是 4 个 R² 相加，再开根号，就是 2R。

信噪比就变成了：

可以看出，CMOS 传感器（仅限 CMOS 这种读取方式）的像素合并与多张平均值堆栈的降噪效果相同。

一句话总结：增加进光量是提升信噪比的最佳方式，效果通常优于多张平均值堆栈以及像素合并。光线不好，就补光或增加光圈及快门时间吧。