您的问题是双重的：

1. 图像噪声/由于黑暗导致的低 SNR
2. 由于 JPEG 压缩导致的平均问题

第一点是我们本身无法真正改变的东西。你的平均方法肯定是一个很好的方法。

现在的第二个问题是由于 JPEG 压缩在您的相机中的工作方式：

1. Gamma 校正首先应用于 RGB 图像。这是一种非线性操作，将高值“推到一起”并拉伸低值。这样一来，您就不会因为黑暗的图像而到处“漆黑”。可悲的是，这也使我们的量化噪声问题变得更加困难。
2. 生成的 R'G'B' 像素数据将转换为 Y'C _b C _r颜色空间，这意味着您将三维红、绿、蓝信号转换为三维亮度、蓝差、红差信号。
3. C _b/r通道经过低通滤波和下采样
4. 原始分辨率 Y' 和降低分辨率的 C _b和 C _r图像分别被分割成 8x8 像素块
5. 这些块是单独的 DCT'ed
6. 根据挑选质量/压缩折衷选择量化矩阵。这导致不同的 DCT 系数被省略，以更少或更多位保存。

如另一个答案所示，对重建的 RGB 图像进行平均是一个坏主意，因为随机噪声必须导致您基本上看到每个块中量化矩阵的 IDCT 的影响——嗯。

因此，首先，请注意，对于定义恒定强度偏移（“DC 分量”，EE 会说）的 DCT 系数，可以确定选择了最高量化级别。

相反，至少对于 8x8 块中的大多数高频分量，量化误差能量更高。

因此，从本质上讲，DCT 的常数 bin 是最可靠的——而且，它恰好是块中 64 个像素的平均值，因此已经减少了噪声（如果噪声的频率分布是白色的，那么所有组件都是这种情况，但它在相机中既不是可靠的白色，也不是伽马校正线性......）。

所以，你可能想做的第一步是

• 在 Y'C _b C _r上工作，而不是 RGB 重建
• 只看Y分量
• 忽略每个 8x8 块中不是直流分量的所有内容

你会得到一张的图像，即原始照片的宽度和高度。它可能仍然会很嘈杂——散粒噪声可能与低光设置相关，这会影响每帧的平均值。但是，随着时间的推移平均会减少这种影响。$\frac18$

您也可以通过将非零频率系数相加，用因子 < 1 对它们进行加权，然后从直流分量中减去它们来降低噪声。这背后的想法是，当您在 8x8 帧中设置单个像素时，您会在所有系数中获得能量（如果您考虑一下，狄拉克的余弦变换在所有频率上都有能量）。既然你不获得所有系数，其中大多数被丢弃或大量量化，您将永远无法从平均系数中完全消除散粒噪声的影响 - 但至少平均而言，您可以减少影响。该因子的选择取决于相机传感器、伽马因子、量化矩阵、DCT 的实现方式（截断固定点？），因此未知数太多，但您可能只是凭经验尝试几个值并最小化方差多帧的结果。