星空摄影理论——平均值堆栈降噪基本原理分析
很多人在做星空后期堆栈的时候，都知道，通过多张平均值堆栈可以给图片降噪。但是却不知道为什么。今天就从最底层的图片转换原理来给你们分析一下为什么多张图片平均值堆栈可以给图片降噪[并不简单][并不简单]
我们都知道图片是由像素组成的，比如索尼A7R3是7952×5304，就是说图片横边有7952个像素，竖边是5304个像素，每个像素对应一个数值。如果是RGB的话就对应三维的矩阵7952x5304x3。
在这里为了方便理解，我们可以用Python写一个简单的程序应用获取一张Raw原图的信息，和前10×10的二维灰度像素矩阵，如图1。
如果一张图片完全没有干扰，没有噪点，那么同一位置同一参数拍出来的像素矩阵值就应该是一样的。比如这张图片的矩阵第一个值就应该是图中矩阵的23。
但是，由于噪点的随机性，拍摄10张的时候，有可能有一张的噪点就刚好在第一个像素矩阵点上。于是，有噪点的这张图片的第一个像素矩阵值就有可能变成了40。
当我们用平均值堆栈的时候，最终值就变成了9个23加40，除以10，为24.7，可以说很接近真实值23了。如果是20张，其中有一张有噪点，那么最终平均值就是19个23加40，除20，结果为23.85，就会更接近23的真实值。
只要我们拍摄的张数越多，最终堆栈计算出的平均值就会越接近真实值，堆栈后的图片就越能抗噪点的干扰，信息就越准确。前提是相机产生的随机噪点不能多的太离谱～
同样的，应用到全图7952×5304×3后也是一样，由于噪点的随机性，只有通过拍摄多张，然后取平均值，才有可能尽可能消除随机噪点的干扰，让像素矩阵的每一个值更接近真实值，最终获取更纯净真实的画质。
如果不堆栈，只用单张，那么有噪点的值就没法变回真实值。就算用降噪功能对单张图片降噪，也只是AI通过算法，根据周围数值信息来填补原本噪点位置的信息，这就会导致，单张图片降噪后会有涂抹感。这也就是为什么后期一定要堆栈才能得到更高画质的图片。
#微博影像年##大美风光##摄影新生##远方# @a7CLUB @微相册 @微博摄影 @微博影像年 http://t.cn/RJLBwTp