057、时域降噪的"鬼影博弈"——运动检测阈值高一点还是低一点？从运动物体边缘的拖影与噪点残留看tradeoff上周在调试一颗车规级Sensor的夜间场景，客户反馈了一个非常典型的"鬼影"问题：路灯下行人走过，人身后拖出一条半透明的"尾巴"，像极了老电影里的残影。我第一反应是时域降噪的混合比调得太激进，但打开寄存器一看，运动检测阈值居然设得比默认值还高——按理说阈值高，运动区域判定更保守，降噪强度应该更弱才对，怎么反而拖影更严重了？这个反直觉的现象，让我把整个时域降噪的决策链路重新捋了一遍。今天这篇笔记，就把这个"鬼影博弈"的底层逻辑拆开揉碎，讲清楚运动检测阈值到底在跟谁博弈，以及为什么有时候"高阈值"和"低阈值"都会产生拖影，只是拖影的形态完全不同。先明确一个基本框架：时域降噪的本质是"用时间换信噪比"，即对同一像素位置的多帧亮度做加权平均。但真实场景里，像素内容在变——物体在动、光照在变、镜头在抖。如果无视变化直接平均，就会把不同时刻的"真实信号"混在一起，产生鬼影。所以运动检测模块的任务，是给每个像素（或块）打一个"运动置信度"，置信度高的地方，降噪强度要降下来，保留细节；置信度低的地方，放心大胆地平均，压噪点。这里就出现了第一个关键tradeoff：运动检测阈值（Motion Threshold）决定了"多高的帧间差异算运动"。阈值设低，稍微有点差异就判定为运动，降噪强度骤降，噪点残留明显；阈值设高，只有剧烈变化才判定为运动，大部分区域都在做强降噪，但那些"中等强度"的运动区域——比如行人手臂的慢速摆动、车辆低速滑行——就被误判为静止，被强平均拉出拖影。但问题远没有这么简单。我调试的那颗Sensor，运动检测是分块（