在raw image中，主要的噪声为两种，高斯噪声和散粒噪声，其中，高斯噪声是与光强没有关系的噪声，无论像素值是多少，噪声的平均水平（一般是0）不变。另一种是散粒噪声，因为其符合泊松分布，又称为泊松噪声，下图可见，泊松噪声随着光强增大，平均噪声也增大。
什么是散粒噪声？
散粒噪声=泊松噪声=shot noise=poisson noise
Shot noise存在的根本原因是因为光是由离散的光子构成（光的粒子性）。我们来看看光源发出的光是怎么在CMOS上面成像的。光源发出的光子打在CMOS上，从而形成一个可见的光点（简化成如下图所示，忽略光学元件和电路等）。光源每秒发射的光子到达CMOS的越多，则该像素的灰度值越大。但是因为光源发射和CMOS接收之间都有可能存在一些因素导致单个光子并没有被CMOS接收到或者某一时间段内发射的光子特别多，所以这就导致了灰度值会有波动，也就是所谓的散粒噪声。
在光源强度比较低的时候，比如说设定光强为每秒5个光子的时候，那么每秒实际CMOS接受到的光子数可能从0到10（或者更多，但是概率几乎为0了）， 所以噪声最大为5。当光源强度比较高的时候，比如说每秒10000个光子，那么每秒实际CMOS收到的光子就可能从7000到13000（粗略的数字），所以噪声最大为3000。以上数据基于一个假设，试验次数少的时候，异常发生的会相对整个试验次数较多。这个很好理解，流感时期，一个小公司全部5个人都生病的概率肯定大于一个大公司全部10000个人都生病的概率。
从上面的例子也可以看到，强度越高，噪声越大，但是信噪比其实是在提升的。这个就是散粒噪声的一个特点。
散粒噪声为什么服从泊松分布？
泊松过程定义如下，如果一种分布满足以下几个条件
1.时间越长，事件发生的可能越大，且不同时间内发生该事件的概率是相互独立的
2.对于非常短的一段时间△t来说，事件发生的可能性为，o(△t)为高阶无穷小
3.对于非常短的一段时间来说，出现该时间两次的概率几乎为零
4.一开始的时候事件没有发生过
我们就说这个事件是泊松过程，符合以下的概率分布
在时间△t内发生该事件k次的概率如上式所示。
对应到我们的光源成像在CMOS上面的事件，则很明显，时间越长，有一个光子被CMOS接收到这个事件发生的可能性就越大，在非常短的时间内同时受到两个光子的可能性为零。可以自己一一对应。故而是符合泊松分布的。
放一张泊松分布的图供参考
总结一下，我们在CMOS的raw域看到的图像带有的噪声既有高斯噪声，也有散粒噪声。最终出来的信号如下图所示，紫色越深表明输出在CMOS上的信号幅度可能性越大，所以可以看到，光强越强，噪声越大。
