2025/09/11無線通信からデジタル写真まで、あらゆる測定システムにおいて、信号対雑音比（SNR）は品質の基本的な指標です。望遠鏡画像の解析、マイク録音の改善、無線リンクのトラブルシューティングなど、どのような場合でも、SNRは不要な背景ノイズからどれだけ有用な情報が際立っているかを示します。
しかし、SNRを正しく計算することは必ずしも簡単ではありません。システムによっては、暗電流、読み出しノイズ、ピクセルビニングなどの追加要素を考慮する必要がある場合があります。このガイドでは、理論、基本的な計算式、よくある間違い、応用例、そしてSNRを改善するための実践的な方法について解説し、幅広い状況でSNRを正確に適用できるようにします。
信号対雑音比（SNR）とは何ですか？
本質的に、信号対雑音比とは、目的とする信号の強度と、それを覆い隠す背景雑音との関係を測定する指標である。
● 信号＝意味のある情報（例：通話中の音声、望遠鏡画像中の星）。
● ノイズ = 信号を歪めたり隠したりする、ランダムで不要な変動 (例: 静電気、センサーノイズ、電気的干渉)。
数学的に、SNRは次のように定義されます。
これらの比率は桁違いに変化する可能性があるため、SNRは通常デシベル（dB）で表されます。
● 高いSN比（例：40 dB）：信号が支配的になり、明確で信頼性の高い情報が得られます。
● 低SNR（例：5dB）：ノイズが信号を圧倒し、解釈が困難になる。
SNRの計算方法
信号対雑音比の計算は、考慮する雑音源の種類に応じて、異なる精度で行うことができます。本節では、暗電流を考慮した計算方法と、暗電流を無視できると仮定した計算方法の2種類を紹介します。
注：独立したノイズ値を加算するには、それらを二乗和平方根で加算する必要があります。各ノイズ源の値を二乗し、合計し、その合計の平方根を求めます。
暗電流を考慮した信号対雑音比
暗電流ノイズが大きすぎて考慮する必要がある場合は、以下の式を使用してください。
以下に各用語の定義を示します。
信号（e-）：これは光電子における関心のある信号であり、暗電流信号が差し引かれています。
全信号（e-）は、対象ピクセル内の光電子数であり、厳密にはグレースケール値単位のピクセル値ではありません。式の下部にある2番目の信号（e-）は、フォトンショットノイズです。
暗電流（直流）：そのピクセルの暗電流値。
t: 露光時間（秒）
または：カメラモードでノイズを読み取る。
暗電流が無視できる場合の信号対雑音比
短い場合（露光時間が1秒未満であること、さらに冷却機能付きの高性能カメラを使用することで、暗電流ノイズは一般的に読み出しノイズよりもはるかに小さくなり、無視しても問題ありません。
ここで、用語は上記で定義されたとおりですが、暗電流信号はゼロになるはずなので、計算して信号から差し引く必要はありません。
これらの公式の限界と欠落している項
反対の式は CCD とCMOSカメラEMCCDやイメージインテンシファイア付きデバイスは追加のノイズ源を導入するため、これらの式は使用できません。これらの要因やその他の要因を考慮した、より完全な信号対雑音比の式については、以下を参照してください。
SNRの計算式によく含まれる（または以前は含まれていた）別のノイズ項として、光応答不均一性（PRNU）があり、これは「固定パターンノイズ」（FPN）とも呼ばれます。これは、センサー全体におけるゲインと信号応答の不均一性を表しており、信号が十分に大きい場合は高信号域で支配的になり、SNRを低下させる可能性があります。
初期のカメラはPRNUが十分に大きかったため、その組み込みが必要だったが、現代のカメラのほとんどは科学カメラPRNUは十分に低く、特にオンボード補正を適用した後では、光子ショットノイズの影響をはるかに下回ります。そのため、現在ではSNR計算においてPRNUは一般的に無視されています。しかし、PRNUは一部のカメラやアプリケーションでは依然として重要であり、完全性を期すために、より高度なSNR計算式に含まれています。つまり、ここで提供する計算式はほとんどのCCD/CMOSシステムで有用ですが、普遍的に適用できるものとして扱うべきではありません。
SNR計算におけるノイズの種類
SNRの計算は、単に信号を単一のノイズ値と比較するだけではありません。実際には、複数の独立したノイズ源が影響を及ぼしており、それらを理解することが不可欠です。
ショットノイズ
● 起源：光子または電子の統計的な到来。
● 信号の平方根に比例します。
● 光子数制限イメージング（天文学、蛍光顕微鏡）において支配的な役割を果たす。
熱雑音
● これはジョンソン・ナイキスト雑音とも呼ばれ、抵抗器内の電子の動きによって発生します。
● 温度と帯域幅の上昇に伴って増加する。
● 電子機器および無線通信において重要。
暗電流ノイズ
●センサー内部の暗電流のランダムな変動。
● 長時間露光時や高温検出器の場合に、より顕著に現れる。
●センサーを冷却することで低減されます。
ノイズを読む
● アンプやアナログ・デジタル変換からのノイズ。
● 読み出しごとに固定されているため、低信号領域では非常に重要となる。
量子化ノイズ
● デジタル化によって導入された（離散レベルへの丸め）。
● 低ビット深度システム（例：8ビットオーディオ）において重要。
環境/システムノイズ
● EMI、クロストーク、電源リップル。
● シールド/接地が不十分な場合、支配的になる可能性があります。
これらのうちどれが優勢かを理解することは、適切な計算式と対策方法を選択する上で役立ちます。
SNRの計算におけるよくある間違い
画像における信号対雑音比を推定するための「近道」的な方法は数多く存在します。これらの方法は、対向する式よりも複雑でなかったり、読み出しノイズなどのカメラパラメータに関する知識を必要とせず、画像自体から容易に導出できたり、あるいはその両方を兼ね備えている傾向があります。しかしながら、残念ながら、これらの方法はいずれも誤りである可能性が高く、偏った、役に立たない結果を招く恐れがあります。そのため、対向する式（または高度なバージョン）を常に使用することを強くお勧めします。
よくある誤った近道の例としては、以下のようなものがあります。
1．信号強度と背景強度をグレースケールで比較する。この方法は、ピーク強度と背景強度を比較することで、カメラの感度、信号強度、または信号対雑音比を判断しようとするものです。しかし、カメラのオフセットによって背景強度が任意に設定され、ゲインによって信号強度が任意に設定され、信号または背景のノイズの影響が考慮されていないため、この方法には重大な欠陥があります。
2．信号ピークを背景ピクセル領域の標準偏差で割る。または、ピーク値をラインプロファイルによって明らかになる背景の視覚ノイズと比較する。オフセットが割り算前に値から正しく減算されていると仮定すると、この方法における最も重大な危険は背景光の存在である。背景光は通常、背景ピクセルのノイズを支配してしまう。さらに、ショットノイズなど、対象信号のノイズは実際には全く考慮されていない。
3．対象ピクセルの平均信号とピクセル値の標準偏差の比較：隣接するピクセル間または連続するフレーム間でピーク信号がどれだけ変化するかを比較または観察する方法は、他の簡略化された方法よりも正確に近いですが、ノイズに由来しない信号の変化など、値を歪める他の影響を回避することは困難です。また、比較対象のピクセル数が少ない場合、この方法は不正確になる可能性があります。オフセット値の減算も忘れてはなりません。
4．光電子の強度単位に変換せずに、またはオフセットを取り除かずにSNRを計算する：光子ショットノイズは通常最大のノイズ源であり、測定にはカメラのオフセットとゲインの知識に依存するため、SNR計算のために光電子への逆算を避けることはできません。
5．目視によるSNRの判断：状況によっては目視でSNRを判断したり比較したりすることが有効な場合もありますが、予期せぬ落とし穴もあります。高値ピクセルのSNRは、低値ピクセルや背景ピクセルよりも判断が難しい場合があります。また、より微妙な影響も影響します。例えば、異なるコンピューターモニターでは、画像のコントラストが大きく異なる場合があります。さらに、ソフトウェアで異なるズームレベルで画像を表示すると、ノイズの視覚的な見え方に大きな影響を与える可能性があります。これは、オブジェクト空間ピクセルサイズが異なるカメラを比較しようとする場合に特に問題となります。最後に、背景光が存在すると、目視によるSNRの判断が不可能になる場合があります。
SNRの応用
SNRは、幅広い用途を持つ普遍的な指標です。
● 音声・音楽録音：録音の明瞭度、ダイナミックレンジ、忠実度を決定します。
● 無線通信：SNRはビット誤り率（BER）とデータスループットに直接関係します。
● 科学画像処理：天文学では、背景の夜空の光の中でかすかな星を検出するには、高いSN比が必要です。
● 医療機器：心電図、MRI、CTスキャンは、生理的ノイズから信号を区別するために高いSN比に依存しています。
● カメラと写真：一般消費者向けカメラと科学用CMOSセンサーはどちらも、低照度下での性能をベンチマークするためにSNRを使用します。
SNRの改善
SNRは非常に重要な指標であるため、その改善には多大な努力が注がれています。戦略としては以下のようなものがあります。
ハードウェアアプローチ
●暗電流の低い、より高性能なセンサーを使用する。
● シールドと接地を施してEMIを低減する。
● 熱雑音を抑制するために検出器を冷却する。
ソフトウェアアプローチ
●不要な周波数を除去するためにデジタルフィルターを適用します。
● 複数のフレームにわたって平均化を使用します。
●画像処理または音声処理において、ノイズ低減アルゴリズムを採用する。
ピクセルビニングとそれがSNRに及ぼす影響
ビニングが信号対雑音比に及ぼす影響は、カメラの技術やセンサーの特性によって異なり、ビニングされたカメラとビニングされていないカメラではノイズ性能が大きく異なる場合がある。
CCDカメラは、隣接するピクセルの電荷を「オンチップ」で加算することができる。読み出しノイズは一度しか発生しないが、各ピクセルからの暗電流信号も加算される。
ほとんどのCMOSカメラはチップ外でビニング処理を行います。つまり、まず値が測定され（読み出しノイズが混入）、その後デジタル的に加算されます。このような加算処理における読み出しノイズは、加算されるピクセル数の平方根を乗じることで増加します。例えば、2×2ビニングの場合は2倍になります。
センサーのノイズ特性は複雑な場合があるため、定量的なアプリケーションでは、カメラのオフセット、ゲイン、および読み出しノイズをビニングモードで測定し、これらの値を信号対雑音比の式に使用することをお勧めします。
結論
信号対雑音比（SNR）は、科学、工学、技術分野において最も重要な指標の一つです。電話の音声の明瞭度を左右するだけでなく、遠方の銀河の検出を可能にするなど、SNRは計測システムや通信システムの品質を支えています。SNRを習得するには、単に公式を暗記するだけでなく、前提条件、限界、そして現実世界におけるトレードオフを理解することが重要です。この視点を持つことで、エンジニアや研究者は、ノイズの多い環境下でもより信頼性の高い計測を行い、有意義な知見を引き出すシステムを設計できるようになります。
Tucsen Photonics Co., Ltd. 無断転載禁止。引用の際は出典を明記してください。www.tucsen.com
