如何去除低光照片中的图像噪点 — Magic Eraser
了解如何使用 AI denoising 工具减少低光和高 ISO 照片中的颗粒感、亮度噪点和颜色噪点。更清洁的夜景、室内和演唱会摄影实用技巧。
Content Lead
审稿人 Magic Eraser Editorial ·
图像噪点是在相机传感器超出其舒适工作范围时出现的颗粒状、斑点状纹理。在昏暗的餐厅、演唱会场地、夜晚街景或任何相机通过提高 ISO 感光度来补偿光线不足的情况下拍摄，结果就是图像被随机的亮度变化和彩色斑点所污染。DPReview 解释说，噪点是每个数码传感器的固有属性。形成图像的电信号始终带有一些随机干扰，当传感器放大微弱的光信号时，这些干扰就会变得可见。
噪点有两种形式，需要不同的处理方法。亮度噪点是单色颗粒感——散布在画面中的随机亮暗像素，类似于胶片颗粒。颜色噪点（也称为色度噪点）表现为随机的彩色斑点，通常在阴影区域和平滑渐变中最为明显。DxOMark 的传感器测试显示，即使是旗舰相机在 ISO 6400 以上也会产生严重的颜色噪点，而智能手机传感器——由于其物理像素更小——在 ISO 800 或更低时就开始出现可见噪点。
AI denoising 彻底改变了摄影师处理噪点图像的方式。传统降噪通过模糊图像来工作，这虽然去除了颗粒感，但也破坏了精细细节。皮肤纹理变得蜡质，头发失去单根发丝， foliage 变成绘画般的涂抹效果。AI denoising，正如 PetaPixel 所记录的那样，从根本上采取了不同的方法：模型从数百万对图像中学习了真实细节与噪点的区别。它去除一种而保留另一种。本指南涵盖如何使用 AI Enhance、AI Filter 和 Magic Eraser 来清理低光照片中的噪点，同时保持传统方法所牺牲的细节和色彩准确性。
- AI Enhance 应用针对性降噪，在保留边缘细节、皮肤纹理和精细结构的同时减少颗粒感——这是传统基于模糊的降噪所无法做到的。
- AI Filter 纠正高 ISO 处理带来的色偏和去饱和问题，恢复自然的肤色和准确的白平衡。
- Magic Eraser 去除持久的局部伪影——热像素、坏点簇和阴影条带——这些全局降噪无法在不过度处理的情况下修复。
- 亮度噪点和颜色噪点需要不同的处理方式：亮度噪点对 AI denoising 反应良好，而颜色噪点通常需要额外的色彩校正。
- 降噪后略微缩小尺寸可进一步平滑残留的细微颗粒噪点，使其成为社交媒体导出的有效最后步骤。
理解亮度噪点与颜色噪点的区别
亮度噪点是两者中更容易接受的一种。它表现为像素亮度的随机变化。有些像素比应有的亮度稍亮，另一些则稍暗——形成类似于模拟胶片颗粒的颗粒状纹理。在适量情况下，亮度噪点甚至可以是美观的，有时会被有意添加以营造胶片感。但在严重情况下，主要是在高 ISO 图像的阴影区域，亮度噪点会变成密集的、不受欢迎的纹理，掩盖精细细节并使图像在技术层面上看起来质量较差。
颜色噪点几乎总是不受欢迎的。它表现为随机的彩色斑点——红色、绿色和蓝色的小点——与场景中的任何实际颜色都无关。颜色噪点在本应平滑均匀的区域最为明显：蓝天、阴影墙、深色衣物和曝光不足区域中的皮肤。它是由相机传感器使用拜耳滤色器阵列捕捉颜色的方式引起的。每个像素只记录一个颜色通道，另外两个通过插值计算得出。在高 ISO 下，每个颜色通道中的随机误差在插值步骤后会以彩色斑点的形式变得可见。
了解图像中哪种噪点占主导地位很重要，因为 AI denoising 对它们的处理方式不同。现代 AI 降噪器在去除亮度噪点同时保留细节方面表现出色。这种类似颗粒的模式足够独特，模型可以将其分离并干净地去除。颜色噪点也能得到很好的处理，但深阴影中严重的颜色噪点有时会留下微妙的色偏，需要通过 AI Filter 进行后续色彩校正。在处理前以 100% 放大率检查图像可以让你了解降噪结果预期的效果。
- 亮度噪点产生单色颗粒感——随机的亮暗像素——类似于胶片颗粒，在适量情况下有时在美学上是可以接受的。
- 颜色噪点产生随机的红、绿、蓝斑点，在天空、皮肤和阴影等平滑区域最为明显。
- 颜色噪点源于拜耳滤色器插值误差，当传感器在高 ISO 下放大微弱信号时变得可见。
- 在处理前以 100% 放大率检查图像，以确定是亮度噪点还是颜色噪点占主导地位，并相应规划校正步骤。
使用 AI Enhance 进行 AI denoising：与传统方法的区别
Lightroom 或 Photoshop 等应用中的传统降噪基于一个直接原理：模糊图像以平滑颗粒，然后尝试通过锐化恢复一些边缘细节。这种方法有一个根本性限制——软件无法区分噪点和精细细节。过度降噪会导致睫毛、织物纹理、 individual 草叶——以及使照片看起来具有立体感的微妙色调渐变——的损失。结果是标志性的塑料感或水彩画效果，这正是过度处理图像的标志。
AI Enhance 采用训练模型的方法。降噪网络从数百万对干净-噪点图像中学习了每个尺度上真实图像细节的样子——从大的结构边缘到精细的皮肤毛孔和织物编织。当处理噪点图像时，它将噪点模式与底层细节分离，并仅去除噪点。实际效果是显著的：皮肤保留其自然纹理而不是变得蜡质，树冠保持 individual 叶片的轮廓而不是融化成绿色一团。砖墙纹理和窗框等建筑细节保持清晰。
AI 方法还能更优雅地处理清洁区域和噪点区域之间的过渡。在典型的低光照片中，光线充足的区域可能噪点很少，而阴影则被严重污染。传统降噪在任何地方都应用相同的强度，这要么对阴影处理不足，要么对高光处理过度。AI Enhance 根据局部噪点水平调整其校正强度，在噪点重的阴影区域应用积极的降噪，同时从根本上让清洁的高光区域保持不受影响。
- 传统降噪均匀地模糊图像，在此过程中破坏皮肤纹理、织物编织和 foliage 等精细细节。
- AI Enhance 使用训练好的模型区分噪点模式和真实图像细节，去除一种而保留另一种。
- AI 根据局部噪点水平调整降噪强度——在噪点重的阴影区域积极处理，在清洁的高光区域最小化处理。
- 结果避免了过度处理的传统降噪图像所特有的蜡质皮肤和绘画状 foliage 伪影。
使用 AI Filter 校正色偏并恢复色彩准确性
高 ISO 噪点处理不仅仅增加颗粒感——它还会改变色彩。相机固件在 RAW 到 JPEG 转换过程中应用自己的降噪处理。这种处理通常会使阴影色调去饱和，使整体白平衡略微偏暖或偏冷，并减少相似颜色之间的动态范围。室内肖像中的肤色在人造光下经常呈现橙色或黄色调。高 ISO 处理通过 flatten 使皮肤看起来自然的微妙粉调和红调使情况变得更糟。
在运行 AI Enhance 进行降噪后，应用 AI Filter 来处理这些色彩问题。该滤镜分析整体色彩平衡，识别与自然参考点（肤色、中性灰、已知颜色）的偏差，并纠正这些偏差。对于混合光照场景——低光摄影中的一个常见挑战，暖色室内光与冷色窗光或蓝色 LED 灯具相互竞争——该滤镜可以标准化整个画面的色温，而无需手动进行选择性调整。
在活动和演唱会摄影中要特别注意色彩准确性。戏剧性的舞台灯光创造了极端的色彩条件，高 ISO 噪点处理会进一步扭曲这些条件。AI Filter 可以在不消除灯光有意色彩的情况下恢复更自然的外观。它纠正噪点引起的色彩误差，同时尊重场景的实际色彩设置。对于在昏暗条件下拍摄的产品摄影，色彩准确性至关重要，因为买家期望图像中的产品颜色与收到的实物相匹配。
- 高 ISO 处理会使阴影色调去饱和，改变白平衡，并 flatten 使图像看起来自然的微妙色彩差异。
- AI Filter 通过参考肤色和中性灰等自然锚点来纠正色彩偏差。
- 混合光照场景受益于自动色温标准化，否则需要复杂的手动遮罩处理。
- 演唱会和活动照片需要去除噪点引起的误差同时保留有意舞台灯光色彩的色彩校正。
使用针对性 Magic Eraser 去除持久伪影
全局降噪能很好地处理整体噪点模式，但一些伪影因其结构不同于随机噪点而得以残留。热像素——卡在亮白色或纯色的单个像素——是长曝光和高 ISO 拍摄中常见的问题，尤其来自老化或过热传感器。坏点簇会形成小的亮斑，降噪器可能会柔化但无法完全去除。条带——深阴影中的水平或垂直条纹模式——是另一种全局降噪难以处理的伪影，因为它具有规则结构，不同于随机噪点。
Magic Eraser 是处理这些残留伪影的精确工具。放大到 100% 并扫描图像，主要检查深阴影区域、黑暗天空以及伪影最为明显的平滑渐变。逐一刷过每个热像素、坏点簇或条带。AI 分析周围的清洁区域并重建正确的像素值。这种针对性方法避免了将全局降噪强度推到足够高以自动消除这些伪影所导致的过度处理。
对于长曝光夜景摄影，热像素去除通常是降噪后最重要的步骤。温暖夜晚的 30 秒曝光可能在整个天空中产生几十个热像素。AI Enhance 清理整体噪点模式，但这些亮白点仍然可见。对天空区域进行一次快速的 Magic Eraser 处理即可消除它们，而不会影响星点或其他有意保留的明亮细节。
- 热像素表现为亮白色或纯色点，全局降噪只能柔化但无法完全去除。
- 深阴影中的条带模式具有与随机噪点不同的规则结构，使其对标准降噪具有抗性。
- 以 100% 放大率使用 Magic Eraser 逐一刷过 individual 伪影——AI 从周围上下文重建正确的像素值。
- 夜景摄影长曝光通常会产生几十个热像素，需要在全局降噪后进行针对性的去除处理。