在技术笔记《降噪的核心原理》中，我们介绍了图像降噪的基本思路：将图像至少拆分为"噪声"和"图像内容"两部分。但很多时候，噪声与图像内容很难区分，尤其是处理低对比度纹理时。因此，我们需要建立一个新的量化指标来评价算法的降噪效果，这个指标就是峰度（Kurtosis）。

峰度的定义

峰度是概率论与统计学中的概念，用于描述频率分布的陡峭程度，计算公式如下：

公式中，mi为i 阶中心矩标准正态分布的峰度值为3；若将上述公式结果减3，得到超额峰度（Excess Kurtosis）。抛开复杂数学推导，三种核心结果可直接记为：

• 超额峰度= 0 →常峰态（Mesokurtic）
• 超额峰度> 0 →尖峰态（Leptokurtic）
• 超额峰度< 0 →平峰态（Platykurtic）

如何测量峰度？

峰度测量的核心思路：使用测试卡中噪声呈正态分布的色块，用数码相机拍摄该色块，其分布形态会被相机内置去噪算法改变（影响图像噪声色块的因素很多，此处暂不展开）。

上图为原始色块，下方直方图对应红色曲线；对图像施加简易降噪滤镜后，分布形态会变得更瘦高(尖峰)——原因是滤镜滤除了低频分量，导致同一灰度级的像素值更集中，此时峰度值＞0（尖峰态）。图中蓝、绿曲线代表采用不同阈值的降噪滤镜。

不同感光度（ISO）下的峰度

数字图像的噪声通常随ISO升高而增大，相机降噪算法也会随ISO自适应调整。下图为某款相机在不同ISO下拍摄的峰度测试色块、对应直方图及峰度数值

峰度能反映什么图像画质信息？

建议结合噪声与分辨率测量共同解读峰度：

• 高峰度值  ：通常对应低噪声+低分辨率 

说明去噪算法对低频分量处理过于激进，代价是丢失精细纹理与细节解析能力。

• 低峰度值  ：分两种情况

• 噪声明显、分辨率优秀 → 说明算法侧重 锐化  而非强力降噪；
• 低噪声+高分辨率 →   画质最优状态  。

总结

峰度是图像降噪算法的客观量化指标，既遵循统计学定义，又直接对应相机降噪强度、ISO噪声水平与画质细节损失。工程实践中，它解决了“降噪好不好”无法肉眼精准判断的问题，是相机画质测试的核心参数之一。