Cette réponse énumère 3 techniques pour réduire le bruit:
Quelqu'un peut-il faire la lumière sur les deux dernières techniques?
Comment la prise de nombreuses photos et leur moyenne peuvent-elles réduire le bruit? Comment les moyenne-t-on? Et pourquoi cela fonctionnerait-il?
Comment l'abaissement de la résolution réduit-il le bruit?
Réponses:
Les deux derniers sont vraiment la même chose et fonctionnent en raison du fait que dans la plupart des cas, le bruit est tout aussi susceptible de pousser la valeur d'un pixel vers le haut que de la baisser.
Disons que la «vraie» valeur d'un pixel donné est 100 (sur 255). Prenez 10 images de la même scène dans des conditions bruyantes et vous pouvez enregistrer les valeurs suivantes:
104, 99, 98, 100, 101, 105, 99, 102, 94, 105
la moyenne de ces valeurs (en les additionnant et en les divisant par 10) donne la valeur de pixel suivante: 100,7, qui arrondira à 101, ce qui est beaucoup plus proche de la valeur réelle que ce à quoi vous vous attendriez si vous deviez choisir un seul des 10 images au hasard.
En ce qui concerne le comment, il existe des logiciels spécialisés pour cela (recherche d'empilement d'images, je pense que Deep Sky Stacker est un choix populaire). Alternativement, vous pouvez le faire dans la plupart des éditions d'images en chargeant plusieurs calques et en fusionnant des paires de calques (les versions plus récentes de photoshop ont des fonctions d'empilement spéciales qui sont un peu mieux).
Le même principe se cache derrière la réduction de la résolution. Une technique pour ce faire est appelée «binning», par laquelle vous combinez quatre pixels adjacents en un seul. Imaginez donc quatre pixels correspondant à une zone de couleur plate dans l'image, qui devrait avoir une valeur uniforme de 100:
102, 103
93, 101
leur moyenne donne un pixel unique avec une valeur de 99,75 qui arrondit à 100.
Soit dit en passant, prendre plusieurs images et en faire la moyenne équivaut à prendre une exposition plus longue, sauf:
-
Enfin, lorsqu'il s'agit de minimiser le bruit, la règle d'or est d'obtenir autant de lumière que possible. La moyenne de plusieurs expositions le fait (c'est la lumière totale capturée qui compte). Le sous-échantillonnage échange vraiment du bruit pour la résolution.
Dans le silicium, il existe un effet appelé bruit thermique (bruit de Johnson). Il s'agit essentiellement d'électrons arrachés du substrat et s'ajoutant aux électrons projetés par les photons. Ces électrons sont alors considérés comme faisant partie du «signal» du capteur, créant du bruit. Ce type de bruit est distribué gaussien et a une valeur moyenne de zéro.
Le bruit thermique augmente avec la température, c'est pourquoi un capteur plus froid fonctionne mieux.
Cela ne fonctionne que pour le bruit aléatoire avec une moyenne de zéro. Si le bruit est aléatoire (assez), il n'est jamais tout à fait le même, alors que la scène que vous prenez en photo devrait l'être. Étant donné que les informations sur la scène sont enregistrées plusieurs fois, chaque fois avec un bruit légèrement différent, il est possible de faire la moyenne des pixels et d'obtenir un rapport signal / bruit plus élevé qu'à partir d'une capture. Cela signifie que la scène doit être statique.
Selon la façon dont le plus grand capteur est réalisé, vous pouvez obtenir moins de bruit. Une technique consiste à maintenir la taille du capteur physique constante, puis à combiner plusieurs pixels physiques en un seul pixel logique. Ou la taille physique du capteur peut être différente.
En combinant plusieurs pixels physiques en un seul pixel logique, vous pouvez obtenir le même type de réduction du bruit qu'en combinant plusieurs captures.
En augmentant la taille physique du pixel, il est possible de réduire le bruit de lecture et d'amplification. Avec un pixel plus grand, c'est un plus grand nombre d'électrons dans le signal. Étant donné que le bruit de lecture et d'amplification est proche de fixe pour une technologie de production donnée (taille de transistor), il est possible d'obtenir un rapport signal / bruit plus élevé.