数字摄影的时空与能量采样模型：一套符号化重构

传统摄影理论中，光圈 F、焦距 f、ISO 等工程参数相互交织，往往遮蔽了底层物理本质。本文用一套干净的数学与物理符号，将数字摄影重新规范化为一个时空与能量采样模型，分为几何与时间构图、能量与信号曝光两部分，打通空间几何、时间采样与半导体光电转换。

一、几何与时间构图模型

本模型定义图像在三维物理空间与一维时间轴上的几何切片与采样关系，剥离传统相对光圈 F 与物理焦距 f 的工程干扰。

基础物理与几何量

导出几何控制变量

视场张角公式（Vision Arc Equation）

$$a = 2 \arctan\left(\frac{V}{2f}\right)$$

摄影常见视场的小角度或线性近似下：

$$a \propto \frac{V}{f}$$

相对虚化比例公式（Relative Blur Ratio Equation）

$$S = \frac{D}{a}$$

代入 $a \propto \frac{V}{f}$：

$$S \propto \frac{D \cdot f}{V}$$

相对虚化程度 S 无量纲，正比于绝对通光孔径 D，反比于空间视场张角 a，直接决定人眼对景深剥离感的视觉感知。

景深比例公式（Depth of Field Proportionality）

$$\mathrm{DoF} \propto \frac{u^2}{S} = \frac{u^2 \cdot a}{D}$$

景深与物距平方 $u^2$ 成正比，与视场张角 a 成正比，与绝对通光孔径 D 成反比。

时间构图方程（Temporal Composition Equation）

时间轴上的动态切片状态由快门算子 $\mathcal{T}(T)$ 定义：

$$\mathrm{Motion\ State} = \begin{cases} \mathrm{Freeze}, & T \to 0 \ \mathrm{Flow}, & T \to \infty \end{cases}$$

即短快门对应时间高频采样（凝固），长快门对应时间连续积分（轨迹）。

二、能量与信号曝光模型

本模型将曝光归结为物理光子的收集与电子信号的采样增益，解构传统曝光三要素中的相对光圈 F。

物理光子收集总量方程（Total Photonic Energy Equation）

时间 T 内传感器接收的总物理光子能量 $E_{\mathrm{total}}$ 仅取决于绝对通光孔径 D 和采样时间 T：

$$E_{\mathrm{total}} = k_1 \cdot D^2 \cdot T$$

其中 $k_1$ 为环境光照强度系数（Lux）。物理能量收集完全独立于物理焦距 f 与画幅 V。

像场光子稀释与单像素光子密度方程（Photonic Density Equation）

总能量 $E_{\mathrm{total}}$ 投射到传感器像场时，能量密度受视角张角 a 几何稀释。单像素（或单位像场面积）分配到的光子数 $q_{\mathrm{pixel}}$ 为：

$$q_{\mathrm{pixel}} \propto \frac{E_{\mathrm{total}}}{A_{\mathrm{sensor}}} \propto \frac{D^2 \cdot T}{f^2}$$

其中 $A_{\mathrm{sensor}}$ 为像场面积。利用 $f \propto \frac{V}{a}$ 替换焦距 f：

$$q_{\mathrm{pixel}} = k_2 \cdot \frac{D^2 \cdot T \cdot a^2}{V^2}$$

其中 $k_2$ 为传感器像素密度与量子效率（QE）常数。

$q_{\mathrm{pixel}}$ 正比于通光孔径面积 $D^2$、采样时间 T、视角张角平方 $a^2$（视角越广，光子越集中；视角缩小放大画面，光子被稀释），反比于传感器像场尺寸平方 $V^2$。

自适应 ISO 信号增益方程（Adaptive ISO Gain Equation）

ISO 的本质是系统对微弱光电荷施加的电子放大率（Gain, G）。为使输出数字图像达到标准目标灰阶 $I_{\mathrm{target}}$，ISO 增益反比于单像素光子密度：

$$\mathrm{ISO} \propto \frac{1}{q_{\mathrm{pixel}}} = \frac{V^2}{k_2 \cdot D^2 \cdot T \cdot a^2}$$

信噪比与画质方程（Signal-to-Noise Ratio Equation）

根据量子散粒噪声（Poisson Noise）物理定律，画质与图像噪点纯净度由信噪比 SNR 唯一决定：

$$\mathrm{SNR} = \sqrt{q_{\mathrm{pixel}}} \propto \frac{D \cdot \sqrt{T} \cdot a}{V}$$

两条推论：

1. 噪点与画质的本质是单像素光子数 $q_{\mathrm{pixel}}$，而非 ISO 增益本身。高 ISO 只是放大了原本光子不足的噪声。
2. 画幅对等律：在【同视角 a + 同景深/同孔径 D + 同快门 T】时，全画幅（大 V）与半画幅（小 V）算出的 SNR 在系统放大幅度对等后量子层面绝对守恒。

三、传统工程参数换算对照

为解释工程制造参数（f, F）与本模型的对应关系，提供换算桥梁：

$$\begin{cases} f = \frac{V}{a} \ F = \frac{f}{D} = \frac{V}{a \cdot D} \end{cases}$$

即物理焦距等于像场尺寸除以视角张角；相对光圈等于像场尺寸除以视角张角与绝对孔径之积。

四、V 在分母：稀释效应与画幅对等律

这是整个模型最核心、也最容易让人困惑的物理本质。

单位像素的稀释效应

推导 $q_{\mathrm{pixel}}$ 时，前提是假定全画幅（大 V）和半画幅（小 V）拥有相同的像素总数量（如都是 2400 万像素）。在这个设定下：

1. 控制变量：【同视角 a + 同绝对通光孔径 D + 同快门 T】。
2. 物理事实：镜头吸进来的物理光子总能量 $E_{\mathrm{total}} \propto D^2 \cdot T$ 绝对完全相同。
3. 几何稀释：全画幅传感器面积（$V^2$）是半画幅的 2.25 倍。这批数量完全相同的光子被摊铺在大得多的物理面积上。结果全画幅传感器上每个单独像素点分到的光子数 $q_{\mathrm{pixel}}$，反而只有半画幅单像素的 $\frac{1}{2.25}$。
4. 单位像素信噪比：根据 $\mathrm{SNR}{\mathrm{pixel}}=\sqrt{q{\mathrm{pixel}}}$，全画幅单个像素的信噪比变成半画幅单像素的 $\frac{1}{\sqrt{2.25}} = \frac{1}{1.5}$。

这就是 V 跑到分母上的原因：它精确反映了当吸收的总光子能量相同时，底（V）越大，单个像素被分配到的光子越少，单像素的物理信噪比反而越低。

整体图像信噪比为何打平

全画幅单像素信噪比变低，并不意味着画质变差。看照片时我们从不只盯单个像素，而是看整张照片。这里引入信号处理中的空间平滑/像场缩放效应（Image Scaling & Spatial Binning）：

• 全画幅虽然每个像素分到的光子少，但它拥有更多/更大的空间像场来累加这些像素。
• 当把全画幅与半画幅照片缩放到显示器相同物理尺寸（或打印成相同大小）观看时，人眼及图像缩放算法会自动把全画幅上更大面积内的像素点叠加（Binning）在一起。全画幅需要把 2.25 倍面积上的像素融合来看，根据统计学不确定性叠加原理，融合后的整体图像信噪比 $\mathrm{SNR}_{\mathrm{image}}$ 会乘以 $\sqrt{2.25} = 1.5$。

终极数学抵消：

$$\mathrm{SNR}{\mathrm{image}} = \underbrace{\frac{D \cdot \sqrt{T} \cdot a}{V}}{\mathrm{pixel\ SNR}} \times \underbrace{\sqrt{A_{\mathrm{sensor}}}}_{\mathrm{spatial\ binning}} \propto D \cdot \sqrt{T} \cdot a$$

其中 $A_{\mathrm{sensor}} \propto V^2$。分母上的 V 与空间融合的 V 完全抵消。

画幅对等律

在【同视角 a + 同景深（同孔径 D）+ 同快门 T】的对等前提下：

• 全画幅（大 V）：光子被稀释在更大的物理空间里，单像素光子少（单像素 SNR 低），但通过空间融合，整体信噪比为 E。
• 半画幅（小 V）：光子被浓缩在更小的物理空间里，单像素光子多（单像素 SNR 高），无需过多空间融合，整体信噪比同样为 E。

在相同空间构图（a, D）和时间构图（T）下，大 V 并没有带来任何额外的图像总信噪比优势。不同画幅在整体信噪比上物理绝对守恒。

结语

这套符号规范化模型用最干净的物理变量（a, D, T, V, q），把空间几何、时间采样与半导体光电转换完全打通。真正决定画质的，是单像素光子数 $q_{\mathrm{pixel}}$ 与整体空间融合的统计守恒，而非画幅尺寸本身。