降噪、去區塊、銳化、色彩校正：深入解析影片修復濾鏡

重點速覽

影片修復濾鏡各自修一種損傷，而套用的順序決定它們是互相幫忙還是互相拆台。先去隔行，在原始尺寸下去區塊和降噪，校正色彩，然後縮放、輕度銳化，最後才加抖動或顆粒。對雜訊做銳化，或對剛加上的顆粒做降噪，等於白做。

• 每種修復濾鏡針對一種損傷：雜訊、壓縮區塊、色帶、畫面偏軟、偏色或色邊。先判斷是哪種損傷，再挑濾鏡。
• 順序很重要：在原始尺寸下去隔行、去區塊、降噪，接著修色，然後縮放、輕度銳化，最後才加抖動或顆粒。
• 各種降噪器用不同方式拿紋理換掉雜訊。在我們的測試中，非局部均值幾乎把平坦的天空洗得一乾二淨，樹葉上的雜訊卻留著；再加強力道，就抹掉了 17% 的樹葉細節。
• 銳化只是讓原本就有的邊緣更陡，用力過頭就會出現白邊黑邊。它無法增加細節。
• 有兩種不同的問題都被叫做「顏色不對」：偏色要靠白平衡修正，色差則要把紅、藍通道重新對齊。

每種修復處理什麼

修復從診斷開始。下表列出常見的損傷、怎麼辨認，以及我們針對每種損傷測試過的濾鏡。如果分不清顆粒、雜訊和壓縮瑕疵，請先看 顆粒、雜訊與壓縮瑕疵的差別。

為什麼順序很重要

每一步都會改變下一步看到的東西，所以濾鏡放錯位置，可能抵銷前一步的效果，或放大它原本該去除的損傷。

• 先去隔行。 其他濾鏡都假設畫面是完整的幀。遇到交錯掃描的圖場，降噪器會把交錯紋當成紋理，縮放器則把它抹成重影。請見 如何為影片去隔行。
• 在任何會移動像素的處理之前去區塊。 去區塊濾鏡是依照編碼器的區塊格線工作的，而降噪和縮放會把格線弄糊、弄偏。
• 在銳化或調色之前降噪。 銳化和提高對比會連同細節一起放大雜訊。
• 在銳化之前修色。 趁邊緣還軟的時候校正偏色、重新對齊色彩通道；銳化會讓色邊變得更清楚。
• 只縮放一次， 而且在清理過的畫面上進行，免得殘留的損傷跟著被放大。
• 在輸出尺寸下銳化，而且要輕。
• 最後才加抖動和顆粒。 之後任何平滑處理，都會去掉用來掩蓋色帶或蠟質感的細微雜訊。
• 用足夠的位元編碼。 10 位元編碼能讓平滑的漸層不再出現色帶。

我們在一段帶有細紋理、加了雜訊的合成片段上，驗證了降噪與銳化的順序。先銳化再降噪，平坦區域留下的雜訊比較多（依我們的量測為 14.5，反過來做則是 12.2），對乾淨片段的 PSNR 是 26.6 dB，反過來做是 27.7 dB。只降噪的話是 30.3 dB，殘留 8.0：任何銳化都會犧牲一些乾淨度，所以素材需要多少就用多少。

降噪：五類濾鏡

雜訊是每一幀都在變的隨機變化；細節則是固定不動、或跟著場景一起移動的結構。每種降噪器都用自己的方式利用這個差異。

• 空間濾鏡 把每個像素和同一幀裡的鄰近像素平均。速度快，但分不出細紋理和同樣大小的雜訊，所以兩者都會變軟。
• 時域濾鏡 把同一個像素在鄰近幀之間平均。靜止的細節因為重複出現而得以保留，雜訊則被平均掉。會動的東西會被抹成拖影，除非濾鏡能偵測運動或先對齊畫面；這個問題請見 時間一致性、閃爍與鬼影。FFmpeg 的 atadenoise 是自適應時域平均，hqdn3d 則結合了輕度的空間處理和時域處理。
• 非局部均值 把每個像素換成一批像素的平均值，這些像素周圍的區塊長得相似，不論它們位在搜尋範圍內的哪裡。如作者所說，最相似的像素不一定離得近。天空、牆面這類重複的區域能找到很多相似的區塊；獨特的紋理則很少。
• 變換域濾鏡 把畫面區塊轉換到頻率表示，真實結構會集中在少數幾個強係數上，雜訊則稀疏地分散在所有係數上，接著把弱的係數縮小。fftdnoiz 用可納入鄰近幀的 3D FFT 來做。BM3D 則先把相似的 2D 區塊疊成 3D 組，讓表示更加稀疏。
• 學習式降噪器 用乾淨與帶雜訊的成對圖片訓練網路。DnCNN 學的是直接預測雜訊本身（殘差學習）；FFDNet 多吃一張雜訊等級圖作為輸入，所以一個模型就能處理不同、不均勻的雜訊等級；FastDVDnet 同時使用多幀，並省去耗時的運動補償階段。

我們的測試結果

我們在一段 1080p 範例片段（陽光下的樹葉襯著藍天）的 30 幀上，加入每幀都在變的高斯雜訊，亮度約為 255 階中的 8 階。接著在筆電 CPU（Intel Core i7-1360P）上執行 FFmpeg 的各種降噪器，再拿每個結果和乾淨片段比較：

「誤差」是和乾淨片段差值的標準差，所以在樹葉部分，殘留的雜訊和損失的紋理都會算進去。「保留的樹葉細節」是乾淨片段中的細微樹葉紋理，在結果中還留下多少比例。

這些數字說明了：

• 快速濾鏡對付強雜訊幾乎沒有作用。 hqdn3d 用預設值，只把天空的誤差從 8.8 降到 8.1。它適合輕度雜訊，或在較強的濾鏡之前先跑一遍。
• 非局部均值本來就不均勻。 s=6 時把天空清到 1.1，樹葉卻幾乎和原本一樣雜（8.1），因為獨特的紋理找不到幾個相似的區塊可以平均。到了 s=10，樹葉失去了 17% 的真實細節，PSNR 也下降：這就是 AI 修復為什麼看起來像塑膠 所說的蠟質感。
• 變換域濾鏡兩頭都顧到了。 前後各取一幀的 fftdnoiz，以 33.7 dB 保留了 98% 的樹葉細節。bm3d 的 PSNR 分數最高，達 34.0 dB，但過程中去掉了 9% 的樹葉細節。
• 速度相差可達 40 倍。 在我們的 CPU 上，nlmeans 處理 1080p 大約每秒一幀；另一段 1080p 片段的 121 幀花了 192 秒。

關於 bm3d 有一點要注意：FFmpeg 文件說，除非 group 大於預設值 1，否則它不做區塊匹配。在我們的版本中，調高這個值會讓濾鏡慢 15 倍以上，雜訊卻沒有減少，所以表中用的是預設值，它的作用是變換域濾鏡，而不是完整的 BM3D。

表中的兩行指令，可以直接拿去改：

ffmpeg -i input.mp4 -vf "nlmeans=s=6" -c:v libx264 -crf 16 -c:a copy denoised.mp4

ffmpeg -i input.mp4 -vf "fftdnoiz=sigma=8:prev=1:next=1" -c:v libx264 -crf 16 -c:a copy denoised.mp4

從低強度開始，往上調到平坦區域的雜訊不再礙眼為止，然後在 100% 縮放下檢查人臉、布料和樹葉。簡短實用的操作說明，請見 如何用 AI 為影片降噪。

壓縮損傷：區塊、振鈴與色帶

大多數編碼格式會把每一幀切成區塊、做變換，再把最捨得丟的細節四捨五入掉。這種捨入會帶來三種損傷：

• 區塊效應。 捨入得太粗時，相鄰區塊在交界處就對不上，出現格線。MPEG-2、MPEG-4 Part 2（DivX 與 Xvid 時代的檔案）和 Motion JPEG 會呈現 8×8 的方塊。H.264 和 HEVC 會在編解碼器內部過濾區塊邊緣，所以它們的損傷多半看起來是糊糊的、一片一片的，而不是格子狀；如何修復有馬賽克的影片 兩種都有示範。
• 振鈴與蚊式雜訊。 高頻被捨掉後，銳利的邊緣和文字旁邊會留下波紋，而且每幀都在蠕動。
• 色帶。 平滑的漸層如果被 8 位元流程或把天空壓平的編碼器存成太少階，就會變成看得見的階梯。

去區塊

我們把樹葉片段以低位元率編碼成 MPEG-2，再量測 8 像素區塊交界處的亮度落差比其他地方強多少（1.0 代表看不出格線；乾淨片段為 0.99，MPEG-2 檔案為 2.08）。

有兩個重點。一是去區塊能把格線藏起來，但找不回編碼器丟掉的東西：中等設定下 PSNR 幾乎沒變，強度調到最高的 spp 設定因為畫面變糊，掉了 1.3 dB。二是 spp、pp7、fspp 和 uspp 需要量化值。解碼器有提供時，它們會從串流中讀取；在我們的測試中，直到自己設定 qp，它們才有作用。從 12 左右開始，只有區塊還在時才往上調：

ffmpeg -i old.mpg -vf "spp=quality=4:qp=12" -c:v libx264 -crf 16 -c:a aac deblocked.mp4

針對文字和邊緣周圍的振鈴，spp 還有 mode=soft，FFmpeg 文件形容它去振鈴的效果較好，但可能比較糊。

去色帶

色帶需要的處理和銳化正好相反：階梯要先被融開，然後還得防止它再出現。在 KwaFlux 內建範例片段中的一片天空上（帶有真實的壓縮色帶），我們量測了處理前後每一列平坦區段的長度：

• 原片： 平坦區段平均 10.4 像素，其中 20% 長達 24 像素以上，看起來就是一條條色帶。
• **deband：** 平均 2.8 像素，這麼長的區段只剩 0.8%。
• **gradfun：** 1.3 像素，沒有這麼長的區段。FFmpeg 文件說它是專為播放設計的，因為壓縮往往會丟掉它加的抖動，讓色帶再次出現。

所以要保留的檔案，請先去色帶，再以 10 位元編碼，多出來的色階能撐住平滑後的漸層。原因請見 8 位元與 10 位元影片：

ffmpeg -i input.mp4 -vf "deband" -c:v libx264 -crf 16 -pix_fmt yuv420p10le -c:a copy debanded.mp4

銳化而不出白邊

銳化是提高邊緣的對比。經典做法「反銳化遮罩」（unsharp mask）會從畫面減去一份模糊的副本來找出邊緣，再把這個差值乘上一個量加回去。副作用是過衝：邊緣亮側出現一條亮線，暗側出現一條暗線。這就是白邊和黑邊。

AMD FidelityFX 的對比自適應銳化（CAS）會逐像素調整銳化量：本來就銳利的區域少加一點，缺乏細節的區域多加一點。

我們對一道從 60 階過渡到 180 階的柔和邊緣做銳化，量測過衝的幅度：

FFmpeg 文件認為 unsharp 的量在 −1.5 到 1.5 之間是合理的，我們 2.5 的測試說明了原因。CAS 在中等強度下很乾淨，開到滿強度時卻畫出了四者中最深的黑邊，所以「自適應」不代表怎麼設定都安全。兩個習慣能讓銳化不失分寸：

• 縮放之後再銳化， 在觀眾實際觀看的尺寸下做，並在那個尺寸的 100% 縮放下判斷。
• 記住銳化做不到什麼。 它讓保留下來的邊緣更陡，但找不回因為失焦或動態模糊而失去的細節。這類問題請見 如何修復模糊的影片。

ffmpeg -i input.mp4 -vf "cas=strength=0.4" -c:v libx264 -crf 16 -c:a copy sharpened.mp4

偏色與色差

偏色：白平衡

攝影機誤判光線時就會偏色，所有顏色都朝同一個方向偏：鎢絲燈讓白色變橘，陰影處讓白色變藍。校正的方法是縮放紅、綠、藍三個通道，直到中性的東西重新看起來是中性的。各種方法的差別，在於怎麼找出「中性」：

• 灰色世界 假設場景的平均反射率是無彩色的。場景顏色豐富時有效，被單一顏色主導時就會失靈。
• 灰色邊緣 由 van de Weijer、Gevers 和 Gijsenij 提出，假設場景中平均的*邊緣差異*是無彩色的，受大片單色區域的影響較小。
• 已知的中性參考 量測你確定是白色或灰色的東西，例如灰卡、白牆或白色的船身，再算出讓它變回中性的增益。

我們在內建範例片段中一幀海上小船的畫面加上暖色偏，再用三種方式校正，量測和原始畫面的平均色差（ΔE，越低越接近）：

灰色世界的失敗就跟教科書寫的一樣：畫面大半是藍天和大海，所以它把天空中和了，船身還是橘的。灰色邊緣大致修好了。依船身算出的增益最接近原片。計算方法是取中性區塊的 RGB 值，再把綠色值分別除以紅色和藍色。我們的船身讀數是 156、144、117，所以紅色增益是 144 ÷ 156 = 0.923，藍色是 144 ÷ 117 = 1.232：

ffmpeg -i input.mp4 -vf "colorchannelmixer=rr=0.923:bb=1.232" -c:v libx264 -crf 16 -c:a copy balanced.mp4

沒有中性參考時，灰色邊緣是比較保險的自動選項。照 FFmpeg 文件對這類濾鏡的建議，在線性光下執行：

ffmpeg -i input.mp4 -vf "zscale=transfer=linear,format=gbrpf32le,greyedge=difford=1:minknorm=5:sigma=2,zscale=transfer=bt709,format=yuv420p" -c:v libx264 -crf 16 -c:a copy balanced.mp4

如果偏色之外色彩還又平又灰，調色往往是更快的解法；這部分請見 AI 調色。

色差：重新對齊通道

色差是鏡頭的問題：玻璃對不同波長的折射程度不同，所以各個顏色落不到同一個位置。它分為兩種：

• 橫向色差（倍率色差）讓每個顏色的放大倍率略有不同。色邊通常是紅青或藍黃，畫面中央沒有，越往邊緣越明顯。縮小光圈沒有用，但後製可以處理：縮放紅、藍通道，讓它們重新和綠色對齊。
• 軸向色差（縱向色差）讓每個顏色在不同距離對焦，所以畫面任何位置的高對比邊緣周圍都會出現紫邊或綠邊，多半發生在光圈全開時。縮放修不了它；遮罩或降低色邊的飽和度，只能把它藏起來。

為了測試修正效果，我們以中心為基準，把棋盤格測試圖的紅色通道放大 0.5%、藍色縮小 0.5%，再量測邊緣附近紅藍差異的平均值：

整體平移是常見的錯誤：因為橫向色差隨著與中心的距離增加，它對齊了一邊，另一邊的誤差卻加倍。徑向修正以中心為基準，把紅色縮小、藍色放大。用 FFmpeg 的 perspective 濾鏡可以做到次像素精度；下面的數字對應 1920 × 1080 的畫面和 0.5%，請量測你自己的素材再重新計算（邊距分別是寬 × (1 − 1/1.005) 和高 × (1 − 1/1.005) 的一半）：

ffmpeg -i input.mp4 -filter_complex "[0:v]format=gbrp,extractplanes=r+g+b[r][g][b];[r]perspective=x0=4.776:y0=2.687:x1=1915.224:y1=2.687:x2=4.776:y2=1077.313:x3=1915.224:y3=1077.313:interpolation=cubic:sense=destination[r2];[b]perspective=x0=4.776:y0=2.687:x1=1915.224:y1=2.687:x2=4.776:y2=1077.313:x3=1915.224:y3=1077.313:interpolation=cubic:sense=source[b2];[g][b2][r2]mergeplanes=0x001020:gbrp,format=yuv420p" -c:v libx264 -crf 16 -c:a copy fixed.mp4

技巧： 在我們的測試中，不論怎麼寫，extractplanes 都依 R、G、B 的順序輸出平面，所以 extractplanes=g+b+r 第一個給的仍然是紅色。請依 R、G、B 的順序替輸出命名，否則通道會對調。RAW 轉檔軟體和帶有鏡頭描述檔的剪輯軟體會自動做這項校正，如果你的鏡頭在它們的資料庫裡，用它們比較省事。

完整的 FFmpeg 處理鏈

以下用一行指令走完整個順序，對象是一段又舊、有區塊、有雜訊、帶暖色偏的 720p 片段，放大到 1080p：

ffmpeg -i input.mp4 -vf "bwdif=mode=send_frame:deint=interlaced,spp=quality=4:qp=12,hqdn3d=4:3:6:4.5,colorchannelmixer=rr=0.92:bb=1.23,scale=1920:-2:flags=lanczos,cas=strength=0.4,deband,noise=c0s=4:c0f=t" -c:v libx264 -crf 16 -preset slow -tune grain -pix_fmt yuv420p10le -c:a copy restored.mp4

在我們的筆電上，這條處理鏈把一段 720p 範例片段的 150 幀處理成 1080p H.264 High 10，花了 32.8 秒。交付時，再把母帶編碼成 HEVC Main 10，或帶顆粒的 8 位元 H.264。

AI 模型的定位與發展方向

傳統濾鏡只有幾個參數，對雜訊長什麼樣子有一套固定的想法。學習式模型則用從範例中學到的想法取代它：

• 單張圖片模型（DnCNN、FFDNet，以及之後的修復網路）學習乾淨畫面與退化畫面之間的差異，一次就能去除雜訊、區塊和模糊。
• 多幀模型 結合多個對齊後的幀，所以出現在不只一幀裡的細節是找回來的，而不是猜出來的。FastDVDnet 證明了不需要耗時的運動補償步驟也能做到。對齊失敗時，它們會留下拖影，這正是 時間一致性、閃爍與鬼影 的主題。
• 生成式模型（GAN 與擴散模型）會加入輸入裡沒有的紋理。這既是它們細節的來源，也是風險所在；AI 修復為什麼看起來像塑膠 談到了其中的取捨，以及 2026 年朝單步擴散修復發展的趨勢。

傳統濾鏡的教訓依然適用：先修復再放大，保留一些紋理，在 100% 縮放和播放中判斷。

KwaFlux 的做法

• 智能修復把各步驟結合起來。 在 畫質修復 中，智能修復 會先檢查片段，再結合降噪、銳化、色彩與亮度校正、放大，以及人臉與細節修復，並參考鄰近幀。
• 場景修復針對單一種損傷。 夜景 處理暗光雜訊，膠片去噪 處理顆粒，另外還有 去霧、去雨、動漫 和 上色。
• 去隔行排在最前面。 畫質修復工作台依序執行 去隔行、畫質修復、補幀，和本文建議的順序相同。
• 偏色交給調色處理。 AI 調色 裡的 智能調色 會「自動校正偏色和發灰」。
• 多步驟任務保持 10 位元。 匯出分成多個步驟執行時，步驟之間傳遞的是 10 位元 H.264 檔案，反覆的 8 位元捨入不會增加色帶。
• 先預覽，再比較。 渲染 1、3 或 5 秒的預覽，判斷運動之前先選 跟隨原幀率，並打開 預覽後自動畫質對比 查看分數。橫向色差請在匯入前，用上面的指令或剪輯軟體的鏡頭校正先修好。

問題排解

做不到的事

• 沒有任何降噪器能分開大小和對比都相同的雜訊與細節。 總得犧牲一些，由你決定犧牲什麼。
• 去區塊是把區塊邊緣藏起來，不是找回編碼器丟掉的東西。
• 銳化提高的是邊緣對比，不會增加解析度。
• 縮放通道修不了軸向色差，也修不了過曝高光周圍的紫邊。
• 自動白平衡只是估計。 沒有中性參考時，它是在猜光線。

結語

好的修復是一連串小而精準的修補：先診斷損傷，讓每個濾鏡待在不會抵銷其他濾鏡的位置，問題一看不出來就停手。能量測就量測，在 100% 縮放和播放中比較，寧可保留一點紋理，也不要追求一塵不染的畫面。

KwaFlux 在你自己的 GPU 上執行畫質修復。AI 處理在你自己的 GPU 上執行，媒體檔案不會為了處理而上傳。可在 Windows 10（64 位元，1809 或更新版本）、Windows 11，以及搭載 Apple Silicon 的 macOS 12 或更新版本上執行。預覽不需要帳號：任何片段都能渲染 1、3 或 5 秒的預覽。僅在匯出、轉換、檔案修復和從連結下載檔案時需要登入並購買付費方案。