图像确实看起来更好，并且可以消除大部分噪点，但是由于以下原因，我不认为这是消除噪点的最佳方法：
固定图像的范围是[-172 194]（366个值），而标准范围是[0 255]。重新绘制时，它的范围回到[0 255]，看起来确实更好，但是我认为这是不正确的。
我应该提到新图像是在弱光下拍摄的。
这种方法对消除噪音是否正确？为什么或为什么不呢？
#1 楼
黑色图像是固定模式和暗噪声的总和（极有可能遵循正态分布，因为它通常是由电流波动引起的）。您要减去固定模式，而不是暗噪声-从信号中减去随机噪声只会增加整体噪声，从而降低信号质量。要对固定模式获得良好的估算，您应该捕获相当数量的帧（例如25，尽管100帧当然只会使您只有一半的噪点），然后取它们的平均值。由于（应该）暗噪声在时间上是不相关的，因此它会平均化，因此您会得到一个低噪声的固定模式，可以从未来的图像中减去该模式，而不会增加图像中的噪声。
请注意，固定图案通常取决于曝光时间（例如CCD相机，在移位操作过程中可能会积聚电子），因此您必须对每个曝光时间进行校准。如果您经常更改曝光时间，并且在可行的情况下，则可以将实验设置为在每次实验后捕获一系列暗框，这意味着您可以对每个实验进行校准。
如果减去低噪声（即平均）的暗框，您将得到一些负值（因为在图像采集期间发生的暗噪声可能具有负值），但是图像的范围不应显着增加。如果是这样，则表明您没有平均足够的暗框，或者由于您使用了不同的曝光时间，因此固定图案已更改。
评论
$ \ begingroup $
我完全是@Jonas。如果现在您想在去除恒定图案的同时降低暗噪声，则唯一的解决方案是冷却传感器。
$ \ endgroup $
–让·伊夫
2012年1月9日7:35
$ \ begingroup $
这假定固定模式噪声只是“偏移”。许多具有FPN的传感器在每个像素上也都有增益变化，因此，当暴露于“纯白色”场景时，即使去除了在黑暗中测得的偏移量之后，仍然会有FPN ...
$ \ endgroup $
–马丁·汤普森（Martin Thompson）
2012年1月9日在16:24
$ \ begingroup $
@MartinThompson：这是一个很好的观点，尽管在实践中要确保“纯白色”场景可能非常具有挑战性。这就是为什么如果我能帮助的话我从不使用任何收益:)。
$ \ endgroup $
–乔纳斯（Jonas）
2012年1月9日19:50
$ \ begingroup $
@MartinThompson Martin，校正增益参数的最佳实践是什么。我想不出一种简单的方法在给定的曝光时间下将所有东西变白。
$ \ endgroup $
– Ktuncer
2012年10月12日13:59
$ \ begingroup $
@Ktuncer：我认为您不必将其制成纯白色-可以将其制作得越亮越好，但可以进行校正的越好。只要整个场景的亮度均匀，您就可以使用平均像素值作为“目标”来校正
$ \ endgroup $
–马丁·汤普森（Martin Thompson）
2012年10月15日在8:59
#2 楼
这种方法是有效的，并且实际上已在某些高端相机中使用：传感器首先在快门关闭的情况下拍摄照片，然后将其减去为“真实”照片。这有两个优点：校正固定的图案噪声
使图像线性化
此方法对于不同的曝光时间可能会得出不同的结果。
光子噪声保持不变。
#3 楼
我认为这取决于您使用的传感器。您可以在戴上镜头盖的情况下拍摄一系列（例如10000张）图像，并比较每个像素的平均值/标准差。如果可能的话，您可以对均匀的“明亮”图像执行相同操作（没有过度曝光，只有均匀的亮度）。
如果“深色均值”之间存在显着差异，请减去每个均值的深色均值像素是个好主意。如果每个像素之间（亮均值-暗均值）之间存在显着差异，则将其除以“均白图像”也可能会有所改善。
但是您真的必须进行这些统计，以找出有意义的内容。
#4 楼
通常，当减去暗框时，负值应被截断为零。让我惊讶的是，暗框减法为-172。这意味着：
您的噪声水平很高-某处至少有172个
您的噪声因帧而异。在这种情况下，暗框减法效果不是很好。
您可以发布正常框，暗框然后是减法版本的图像吗？
评论
$ \ begingroup $
相机可能会通过增加拍摄时间来尝试校正弱光条件。结果，热像素将积累更多的噪声。另外，传感器读数可能是非线性的，在这种情况下，您根本无法减去它们。
$ \ endgroup $
– MSalters
2012年1月6日15:05
$ \ begingroup $
减去暗框时，负值应被截断为零。您不应该这样做，因为它会阻止您在消除图像的暗区方面做得很好。最好在真正尝试消除噪声之前将其保持为“自然”噪声。
$ \ endgroup $
–西蒙·贝格（Simon Bergot）
2012年1月6日15:08
$ \ begingroup $
这是我的方法问题，如果不将值截断为零，则剩下的范围比图像应产生的范围大，因此，当您重新缩放它时，看起来好像掩盖了数据，而不是截断值这似乎也阻止您进行正确的更正
$ \ endgroup $
–戈登·辛普森（Gordon Simpson）
2012年1月6日15:35
评论
这种特殊的方法（“黑色”图像）是传感器校准的一种形式，它不是纯DSP（例如，它也与物理有关-您需要对物理缺陷进行建模）。例如，这种特殊方法试图补偿热像素缺陷。同意@PaulR
您可以在以下链接中查看解决方案：ardueye.com/pmwiki.php?n=Main.StonymanLens
如果我们处理Sattelite Images，计算方法会一样吗？我的意思是如何计算黑白图像以获得纯正的“偏移”和“增益”值？ Matlab中是否有FPN计算的代码描述？谢谢您的提示！