噪点与颗粒感：噪点特效强度 5-20%，重噪点压暗部才像真坏带子

一、噪声的物理起点：从银盐颗粒到CMOS读出噪声

1.1 胶片颗粒的本质是随机性，不是“纹理”

要理解数字噪点为什么需要“压暗部”，得先回到它的物理原型——胶片颗粒。卤化银晶体在曝光时并非均匀感光，单个银盐颗粒的感光概率服从量子统计规律。这意味着即使在完全均匀的曝光条件下，显影后的银密度分布也存在固有涨落。这种涨落就是颗粒感的物理来源。

从统计角度看，胶片颗粒的空间分布近似服从泊松过程：在给定面积内，显影银粒的数量均值与曝光量成正比，而方差等于均值。这带来一个关键推论——暗部（低曝光区）的颗粒涨落相对更明显，因为低均值泊松分布的相对标准差更大。本文评述：这一点直接解释了为什么“真坏带子”的噪点总是暗部更脏、亮部更干净，而不是全画面均匀撒盐。

Kodak在20世纪90年代公开的胶片颗粒度研究（如Kodak Technical Data系列）中，用“颗粒度（granularity）”和“颗粒性（graininess）”区分客观测量与主观感知。前者是可测量的密度涨落均方根，后者是人眼对颗粒的主观感受。笔者认为，这个区分对数字噪点特效同样成立：你加的噪声强度是客观参数，但观众感受到的“脏”是主观量，两者之间隔着显示设备、观看距离和内容对比度。

1.2 CMOS传感器的噪声构成

数字摄影机的噪声来源比胶片更复杂。按信号链顺序，主要包括：

• 光子散粒噪声（shot noise）：光子到达传感器的数量服从泊松分布，方差等于均值。这是物理下限，无法消除。
• 读出噪声（read noise）：像素电荷转换为电压、再经ADC量化的过程中引入的电子噪声，通常近似高斯分布。
• 暗电流噪声（dark current noise）：热激发产生的寄生电荷，随温度和曝光时间增加。
• 固定模式噪声（FPN）：像素间响应不一致导致的固定纹理，属于结构化噪声。

EMVA 1288标准给出了传感器噪声的标准化测量方法，包括量子效率、时间暗噪声、信噪比曲线等指标。根据该标准框架，散粒噪声在低照度下主导，读出噪声在极低照度下主导，而亮部则以散粒噪声为主但相对信噪比很高。本文评述：这正好对应了“暗部噪点多、亮部噪点少”的工程现实，也是我们做噪点特效时应该模拟的核心规律。

技术延伸：EMVA 1288是欧洲机器视觉协会发布的传感器性能标准，官网可查阅最新版本。对噪声建模感兴趣的读者可参考 EMVA 1288标准页面。

1.3 从物理噪声到“坏带子”美学

VHS录像带的噪声特征与胶片又有不同。VHS的亮度信号调频记录在螺旋扫描磁迹上，磁头磨损、磁带脱落、信号失落都会产生特征性的横向条带噪声和颗粒。这种噪声在暗部尤其明显，因为VHS的暗部信噪比本身就很差。当我们在数字环境中模拟“坏带子”时，实际上是在同时模拟三种东西：胶片颗粒的随机性、传感器噪声的统计特征、以及模拟磁带的信号失落模式。

笔者认为，明确你要模拟的是哪一种“坏”，是调参前最重要的一步。胶片颗粒、数字传感器噪声、VHS磁带噪声三者的空间频率分布和暗部行为并不相同，混为一谈会导致噪点“四不像”。

二、数字噪声的分类与合成模型

2.1 高斯噪声：最常用，也最容易被滥用

高斯噪声是最常见的数字噪声模型，其概率密度函数为钟形曲线，由均值μ和标准差σ决定。在图像处理中，通常取μ=0，σ控制噪声强度。高斯噪声的优点是数学性质良好、实现简单，几乎所有后期软件都内置了高斯噪声生成器。

但高斯噪声有一个容易被忽视的问题：它是加性噪声，与信号强度无关。也就是说，无论像素原本是亮是暗，加上的噪声幅度分布相同。这与真实传感器的散粒噪声（乘性、与信号相关）有本质区别。本文评述：如果你直接用均匀高斯噪声覆盖全画面，亮部会显得“脏得不自然”，因为真实情况下亮部信噪比应该更高。

2.2 泊松噪声：更接近光子统计

泊松噪声的方差等于均值，因此暗部（低均值）的相对涨落更大。在合成时，可以对每个像素的亮度值λ生成泊松分布随机数，再归一化回原范围。这样得到的噪声自然满足“暗部更明显”的规律。

工程上直接生成泊松随机数计算量较大，常用高斯近似：当λ较大时，泊松分布近似为均值λ、方差λ的高斯分布。因此可以用“高斯噪声幅度正比于sqrt(亮度)”来近似泊松噪声。这个技巧在实时渲染中非常实用。

2.3 盐椒噪声与结构化噪声

盐椒噪声表现为随机出现的纯黑或纯白像素，通常由传输错误或传感器坏点引起。在“坏带子”模拟中，少量盐椒噪声可以增强“信号失落”的感觉，但用量必须克制，否则会显得像数字故障而非模拟磁带。

结构化噪声包括条带噪声、块状噪声、固定模式噪声等。VHS的横向条带、老式CCD的垂直条纹都属于此类。这类噪声不能简单用随机数生成，需要沿特定方向做一维滤波或使用预生成的噪声纹理。

噪声类型	统计特征	暗部行为	适用场景
高斯噪声	加性，σ恒定	全画面均匀	快速预览、轻度颗粒
泊松噪声	方差=均值	暗部相对更强	胶片颗粒、传感器模拟
盐椒噪声	极值脉冲	随机分布	信号失落、坏点模拟
条带噪声	方向性相关	取决于信号强度	VHS、CCD伪影

三、强度5%–20%的标定逻辑：为什么这个区间“刚好”

3.1 强度参数的定义差异

不同软件中“噪点强度”的定义并不统一。在After Effects的“分形噪声”中，强度通常指噪声幅度相对于输出范围的比例；在DaVinci Resolve的“胶片颗粒”中，强度可能指颗粒密度或颗粒大小；在Photoshop的“添加杂色”中，强度是0–255的绝对偏移量。因此，讨论“5%–20%”之前必须明确：这里的百分比指的是噪声标准差相对于像素动态范围的比例。

按这个定义，5%意味着噪声标准差约为12.75（8位0–255范围），20%约为51。前者是轻微的颗粒感，后者是明显的脏噪点。本文评述：这个区间之所以“刚好”，是因为它覆盖了从“有质感”到“明显损坏”的感知跨度，同时没有越过“完全不可用”的阈值。

3.2 感知阈值与JND

人眼对亮度差异的感知遵循韦伯-费希纳定律：在中等亮度下，可辨差异约为背景亮度的1%–2%。这意味着5%的噪声强度已经明显超过感知阈值，观众能清楚看到颗粒。而低于2%的噪声在多数显示条件下几乎不可见，除非在暗部或大面积平坦区域。

ITU-R BT.500和BT.1886等标准定义了广播级显示的主观评估方法，其中涉及对噪声的感知阈值测试。虽然这些标准主要针对压缩伪影和显示校准，但其方法论对噪点强度标定有参考价值。

3.3 强度与颗粒尺寸的耦合

噪声强度不能脱离颗粒尺寸单独讨论。同样5%的强度，如果颗粒尺寸是1像素，看起来是细密的高频噪声；如果颗粒尺寸是3–5像素，看起来是胶片颗粒；如果颗粒尺寸更大，则更像块状伪影。因此，调参时应把强度和尺寸作为一对参数共同调整。

工程经验上，模拟35mm胶片颗粒时，在1080p时间线上颗粒尺寸约1.5–2.5像素、强度5%–10%比较自然；模拟16mm或Super 8时，颗粒尺寸可增大到3–4像素、强度10%–15%；模拟VHS坏带子时，强度可到15%–20%，并配合条带噪声。

四、重噪点压暗部：感知依据与信号链实现

4.1 为什么暗部噪点更“真”

前面已经从泊松统计和传感器信噪比两个角度解释了暗部噪声更强的物理原因。从感知角度还有一层：人眼在暗部对亮度差异更敏感（暗适应状态下瞳孔放大、视杆细胞参与），但同时暗部的绝对亮度低，显示设备的暗部信噪比也差。这两个因素叠加，使得暗部噪声既容易被看到，又容易被接受为“真实”。

笔者认为，这就是“重噪点压暗部”这条经验的底层逻辑：不是暗部需要更多噪声，而是暗部本来就该有更多噪声，你只是把噪声放到了它该在的地方。

4.2 亮度掩蔽与噪声整形

心理视觉中的亮度掩蔽效应指出：高对比度区域附近的噪声感知阈值会升高。换句话说，亮部的大面积平坦区域如果加同样强度的噪声，会比暗部更显眼。因此，从感知优化角度，也应该把噪声能量向暗部倾斜。

实现上，可以用亮度作为掩码来控制噪声幅度：噪声幅度 = 基础强度 × (1 - 亮度)^γ，其中γ控制倾斜程度，典型值0.5–1.5。当γ=1时，暗部噪声幅度是亮部的数倍；当γ=0时退化为均匀噪声。

4.3 信号链中的实现位置

在后期信号链中，噪声应该加在哪个环节？这取决于你要模拟的是“拍摄时的噪声”还是“显示/传输时的噪声”。

• 拍摄噪声：应加在调色之前、接近原始信号的位置，这样后续的对比度、曲线调整会自然放大暗部噪声，符合真实信号链。
• 显示/传输噪声：应加在调色之后、最终输出之前，模拟显示设备或传输通道引入的噪声。
• 胶片颗粒：通常加在调色之后，因为胶片颗粒是在最终印片/扫描阶段显现的，且颗粒本身不随数字调色改变。

本文评述：很多教程把噪点直接加在最终输出上，这对于模拟“坏带子”是合理的，但如果想让噪点与画面调色自然互动，应该考虑在调色前加一层、调色后再加一层，分别模拟拍摄噪声和显示噪声。

五、色彩通道策略：RGB独立加噪 vs 亮度统一加噪

5.1 彩色噪声与单色噪声

如果在RGB三个通道独立添加高斯噪声，得到的噪声是彩色的，表现为随机的红绿蓝斑点。这种噪声在低强度下可以增加“电子感”，但强度稍高就会显得像数字故障而非胶片颗粒。

胶片颗粒本质上是密度涨落，主要影响亮度而非色度。因此，模拟胶片颗粒时应使用亮度统一加噪：将图像转换为亮度/色度空间，只对亮度通道加噪，或对RGB加相同噪声。

5.2 色度噪声的克制使用

VHS和早期数字视频的色度噪声确实存在，表现为色度信号的抖动和串扰。在模拟这类效果时，可以单独对色度通道加低幅度噪声，但幅度通常应低于亮度噪声的30%。

工程上，可以在YUV或YCbCr空间中分别控制Y、U、V通道的噪声强度。典型配置：Y通道强度10%，U/V通道强度2%–3%，且U/V噪声使用更低的空间频率。

5.3 通道噪声与压缩的交互

值得注意的是，色度通道的噪声在视频压缩中会被色度子采样和量化放大或抹除。如果最终输出要经过H.264/H.265压缩，过强的色度噪声可能导致明显的色块伪影。因此，在交付压缩格式时，色度噪声应比预览时更保守。

六、工程实操：主流工具中的可复现路径

6.1 DaVinci Resolve：胶片颗粒 + 自定义节点

DaVinci Resolve内置的“胶片颗粒”效果提供了强度、颗粒大小、柔度等参数。但内置颗粒的暗部行为不一定符合需求，建议用节点方式手动控制：

1. 在调色节点树中，于调色前插入一个串行节点，命名为“Noise Pre”。
2. 使用“模糊”节点生成低频噪声基底，或用“纹理”节点加载噪声纹理。
3. 用“亮度键”提取暗部掩码，将噪声通过掩码混合到画面上。
4. 调整混合强度，使暗部噪声幅度约为亮部的2–4倍。
5. 在调色后再插入一个节点，添加轻微均匀颗粒，模拟显示噪声。

Resolve的节点系统支持并行节点和图层节点，可以更灵活地分离亮度/色度噪声。官方培训资料和Blackmagic Design官网提供了节点调色的系统教程，可参考 DaVinci Resolve官方培训页面。

6.2 After Effects：分形噪声 + 表达式控制

AE中常用“分形噪声”效果生成颗粒。关键参数包括：

• 对比度：控制噪声幅度，对应强度。
• 亮度：控制噪声均值，通常保持0。
• 变换/缩放：控制颗粒尺寸。
• 演化：控制噪声随时间变化，模拟颗粒闪烁。

要实现暗部压暗，可以用“提取”或“色阶”节点从原画面生成暗部掩码，再用“设置遮罩”将噪声限制在暗部。更精细的做法是用表达式让噪声幅度随亮度变化：

// 伪代码：亮度相关噪声幅度
noiseAmp = baseStrength * pow(1 - luma, gamma);
// baseStrength = 0.05~0.20, gamma = 0.5~1.5

6.3 Blender：合成节点 + 着色器噪声

Blender的合成器中可以用“噪声纹理”节点配合“混合”节点添加颗粒。在3D渲染中，还可以在着色器中使用Noise Texture节点，让噪声参与光照计算，获得更自然的暗部噪声。

Blender的Cycles渲染器支持在采样阶段引入噪声，通过调整采样数可以控制噪声水平。但渲染噪声与后期噪声的统计特性不同，前者是蒙特卡洛积分误差，后者是人工添加的颗粒。两者可以叠加使用。

6.4 Unity/Unreal：实时噪点后处理

实时渲染中，噪点通常作为后处理效果实现。Unity的Post Processing Stack和Unreal的Post Process Volume都支持胶片颗粒效果。自定义实现时，可以在后处理Shader中采样一张噪声纹理，按亮度掩码混合到场景颜色上。

实时场景的关键约束是性能。建议使用预生成的噪声纹理而非实时计算随机数，并用较低的纹理分辨率配合双线性过滤来降低采样开销。

工具	推荐强度	颗粒尺寸	暗部处理
DaVinci Resolve	5%–12%	1.5–3 px	亮度键掩码
After Effects	5%–15%	1–4 px	表达式+遮罩
Blender	5%–20%	1–5 px	着色器噪声
Unity/Unreal	5%–15%	1–3 px	后处理掩码

七、验证与评估：如何判断噪点“像不像”

7.1 客观指标

可以用信噪比（SNR）、峰值信噪比（PSNR）和结构相似性（SSIM）来量化噪声水平，但这些指标衡量的是“与参考图的差异”，而不是“像不像真实噪声”。更合适的指标是噪声的功率谱密度（PSD）和自相关函数，它们能反映噪声的空间频率分布。

真实胶片颗粒的PSD通常在中高频有特定斜率，而均匀高斯白噪声的PSD是平坦的。因此，如果合成噪声的PSD过于平坦，看起来就会“电子感”太强。工程上可以对白噪声做一次轻微的低通滤波，使PSD更接近胶片颗粒。

7.2 主观评估方法

主观评估可以采用成对比较法：将合成噪声画面与真实胶片/磁带扫描画面并排显示，让观察者判断哪个更“真”。ITU-R BT.500描述了标准的主观评估方法，包括观看条件、观察者筛选、评分尺度等。

实际操作中，一个简单的自检方法是：把画面缩小到50%和放大到200%分别观察。好的噪点应该在两种尺度下都自然——缩小后不糊成一片，放大后不露出生硬的像素结构。

7.3 常见失败模式

• 亮部过脏：噪声均匀分布，亮部出现不该有的颗粒。解决：加强暗部掩码。
• 噪声静止：颗粒不随时间变化，看起来像贴图。解决：每帧使用不同的噪声种子或让噪声纹理滚动。
• 彩色斑点：RGB独立加噪导致彩色噪点。解决：改用亮度统一加噪。
• 颗粒过大：噪声尺寸与分辨率不匹配。解决：按输出分辨率缩放颗粒尺寸。
• 压缩后消失：噪声被视频编码器当作细节抹除。解决：提高噪声强度或使用更高的码率。

八、前沿预判：AI噪声合成、感知建模与实时渲染

8.1 基于GAN的噪声合成

近年来，生成对抗网络（GAN）被用于学习真实传感器的噪声分布。例如，一些研究用条件GAN从干净图像生成带噪声图像，训练数据来自同一场景的高低ISO配对拍摄。这类方法能捕捉到传统噪声模型难以描述的结构化噪声和通道相关性。

本文评述：GAN噪声合成的优势是“像”，劣势是可控性差。你很难告诉GAN“把暗部噪声提高20%”，而传统参数化方法可以精确控制。因此，短期内工程上更实用的方案是参数化噪声为主、GAN噪声为辅，用GAN学习残差噪声的统计特征，再叠加到参数化模型上。

8.2 扩散模型与噪声先验

扩散模型在图像生成领域的成功也影响了噪声建模。扩散过程本身就是逐步添加高斯噪声，因此扩散模型天然学习到了不同噪声水平下的图像分布。有研究利用预训练扩散模型的噪声先验来做图像去噪和噪声合成，取得了优于传统方法的效果。

笔者认为，扩散模型对噪点特效的启示在于：噪声不是独立于图像内容的，而是与内容分布耦合的。真实噪声在不同纹理区域的表现不同，平坦区域噪声更明显，纹理区域噪声被掩蔽。未来的噪点特效可能会根据图像内容自适应调整噪声分布。

8.3 神经渲染中的噪声

NeRF和3D Gaussian Splatting等神经渲染方法在训练和推理过程中都会产生噪声。这些噪声的统计特性与传统传感器噪声不同，但同样需要处理。一些研究将噪声建模为渲染过程的一部分，通过可学习的噪声参数来匹配真实拍摄的噪声分布。

实时渲染方面，NVIDIA的DLSS和AMD的FSR等超分辨率技术会改变噪声的感知特性。在超分辨率之后添加噪点，与在原生分辨率下添加噪点，效果可能不同。这是实时渲染中需要特别注意的。

8.4 感知建模的量化趋势

传统的噪点调参依赖经验，未来可能会走向量化感知建模。通过建立噪声参数与主观评分之间的映射模型，可以实现“给定目标感知强度，自动推荐噪声参数”。这需要大量的主观评估数据，目前公开数据集仍然有限。

一个可能的方向是利用眼动追踪和脑电信号来量化观众对噪声的注意力分配和情绪反应，从而建立更精细的感知模型。这类研究目前多处于实验室阶段，距离工程落地还有距离。

九、总结：一条可复用的噪点调参主线

回到文章开头的核心命题：噪点特效强度5%–20%，重噪点压暗部才像真坏带子。这条经验背后是一条完整的逻辑链：

1. 物理层：胶片颗粒和传感器噪声在暗部的相对涨落更大，这是统计规律决定的。
2. 感知层：人眼在暗部对亮度扰动更敏感，同时亮部平坦区域的噪声更容易被察觉为“假”。
3. 工程层：用亮度掩码控制噪声幅度，使暗部噪声约为亮部的2–4倍，强度控制在5%–20%区间。
4. 验证层：通过功率谱密度检查噪声频率分布，通过主观对比检查感知自然度。

具体操作路径可以归纳为五步：

1. 确定模拟对象（胶片/传感器/VHS），选择对应的噪声类型和频率分布。
2. 设置基础强度5%–20%，颗粒尺寸1–5像素，按输出分辨率缩放。
3. 生成暗部掩码，用亮度相关函数控制噪声幅度，暗部约为亮部2–4倍。
4. 亮度通道加噪为主，色度通道噪声控制在亮度噪声的30%以内。
5. 在调色前和调色后分别加噪，模拟拍摄噪声和显示噪声，最后做感知校验。

本文评述：噪点特效的难点不在于“加噪声”，而在于“加对噪声”。强度、尺寸、通道、位置、时间变化，五个维度共同决定了最终效果。5%–20%和暗部压暗只是起点，真正的功夫在于根据具体画面和模拟目标做微调。