成像传感器只是接收光子（光）并将其转化为电子（电信号）的电子设备。因此，它们会受到环境条件（例如温度）的影响。例如，随着传感器温度的增加，电子搅动会产生一些噪声（由于电子自由移动而产生的假电流，没有入射光）。

您在传感器中也确实存在导致其他噪声模式的非线性响应。在提供可靠的测量之前，像素需要接收足够的光。在该阈值之前，它将受到泊松噪声（一种分布取决于像素值的噪声）的影响。在每像素能量的另一侧，它可能会变得饱和（光线过多），并且它的能量会“扩散”到相邻像素上，从而修改它们的值。

最后，因为你有一个数字设备，所以你有一个模数转换步骤，可能会引入进一步的量化噪声，即记录的值将不是“真实”值，而是接近测量精度的值.

在您的成像设备之外，大气中有光传输（湍流很可能是这里的干扰原因，但它通常不被视为噪声），以及在数据包丢失（因此像素丢失！）的通信通道上的图像传输发生。

如果您假设“理想”图像是您用眼睛看到的（好吧，这有点牵强，我们的眼睛都不是完美的），那么您可以根据引入差异的位置或方式对噪声进行分类。

由传感器引起的噪音（这方面的一些例子可能是：）

• 如果您将相机对准太阳，您的图像上只会有一个非常亮点和“闪光”（您的眼睛看不到）
• 您在尝试拍摄星空照片时已经看到了这一点：您的眼睛可以完美地看到星星，但大多数相机只会产生没有开始的暗/黑色图像
• 一些现代传感器具有内置亮度标准化功能（例如我的笔记本电脑摄像头）：如果拍摄背景中有明亮物体的照片/视频（例如，视频聊天时坐在灯光或窗户前）有时可以使前景物体（例如人）过暗
• 相机镜头的内在参数与我们预期的相比会引入失真
• 任何与环境和相机特性相关的东西（更多好的例子在 wiki 上）

“数字化”引入的噪声（我想说传输只是一个例子）：

• 如果图像在网络上的两台计算机之间传输，则可能会发生丢失/错误。特别是在处理没有错误检测/纠正的传输时，一些位可能会发生变化。如果您将发送的图像视为基本事实，则更改的位将是接收图像中的噪声。
• 另一个例子可能是有损图像压缩。一个简单的例子是，如果您决定用 4 位而不是 8 位灰度来表示像素。突然之间，你只有 16 个灰度级而不是 255 个，并且引入了噪声。
• 任何引入图像的噪声（数字）使其与传感器最初获取的图像不同，都属于这一类。