082、多帧降噪算法：从简单平均到深度学习驱动的运动对齐去年在调试某款旗舰手机的主摄夜景模式时，我遇到一个让人抓狂的问题：用户手持拍摄时，画面边缘的树叶总是糊成一团。降噪效果倒是挺好，但运动区域的重影像幽灵一样挥之不去。当时团队里有人提议“干脆把运动检测阈值调高”，结果静态区域的噪点又炸了。这个两难困境，恰恰是多帧降噪算法最核心的痛点——如何在抑制噪声的同时，不把运动物体抹成浆糊。从“无脑平均”说起最朴素的多帧降噪就是帧平均。假设你拍了一组N帧图像，每帧都包含真实信号和随机噪声。如果噪声是独立同分布的高斯白噪声，那么N帧平均后，信号保持不变，噪声标准差会降低到原来的1/√N。这个数学结论漂亮得让人想直接写代码：// 简单平均降噪，N帧叠加后除以Nfor(inty=0;yheight