在raw image中，主要的噪聲為兩種，高斯噪聲和散粒噪聲，其中，高斯噪聲是與光強沒有關系的噪聲，無論像素值是多少，噪聲的平均水平（一般是0）不變。另一種是散粒噪聲，因為其符合泊松分布，又稱為泊松噪聲，下圖可見，泊松噪聲隨着光強增大，平均噪聲也增大。
什么是散粒噪聲？
散粒噪聲=泊松噪聲=shot noise=poisson noise
Shot noise存在的根本原因是因為光是由離散的光子構成（光的粒子性）。我們來看看光源發出的光是怎么在CMOS上面成像的。光源發出的光子打在CMOS上，從而形成一個可見的光點（簡化成如下圖所示，忽略光學元件和電路等）。光源每秒發射的光子到達CMOS的越多，則該像素的灰度值越大。但是因為光源發射和CMOS接收之間都有可能存在一些因素導致單個光子並沒有被CMOS接收到或者某一時間段內發射的光子特別多，所以這就導致了灰度值會有波動，也就是所謂的散粒噪聲。
在光源強度比較低的時候，比如說設定光強為每秒5個光子的時候，那么每秒實際CMOS接受到的光子數可能從0到10（或者更多，但是概率幾乎為0了）， 所以噪聲最大為5。當光源強度比較高的時候，比如說每秒10000個光子，那么每秒實際CMOS收到的光子就可能從7000到13000（粗略的數字），所以噪聲最大為3000。以上數據基於一個假設，試驗次數少的時候，異常發生的會相對整個試驗次數較多。這個很好理解，流感時期，一個小公司全部5個人都生病的概率肯定大於一個大公司全部10000個人都生病的概率。
從上面的例子也可以看到，強度越高，噪聲越大，但是信噪比其實是在提升的。這個就是散粒噪聲的一個特點。
散粒噪聲為什么服從泊松分布？
泊松過程定義如下，如果一種分布滿足以下幾個條件
1.時間越長，事件發生的可能越大，且不同時間內發生該事件的概率是相互獨立的
2.對於非常短的一段時間△t來說，事件發生的可能性為，o(△t)為高階無窮小
3.對於非常短的一段時間來說，出現該時間兩次的概率幾乎為零
4.一開始的時候事件沒有發生過
我們就說這個事件是泊松過程，符合以下的概率分布
在時間△t內發生該事件k次的概率如上式所示。
對應到我們的光源成像在CMOS上面的事件，則很明顯，時間越長，有一個光子被CMOS接收到這個事件發生的可能性就越大，在非常短的時間內同時受到兩個光子的可能性為零。可以自己一一對應。故而是符合泊松分布的。
放一張泊松分布的圖供參考
總結一下，我們在CMOS的raw域看到的圖像帶有的噪聲既有高斯噪聲，也有散粒噪聲。最終出來的信號如下圖所示，紫色越深表明輸出在CMOS上的信號幅度可能性越大，所以可以看到，光強越強，噪聲越大。
