在图像传感器的成像过程中，真实的信号是无法探测到的理想值。在成像过程中理想值被引入了一系列的不确定性，最终形成读出信号也即图像。此过程中的不确定性被统一称为噪声。而信号与噪声的比值被定义为信噪比（Signal-to-NoiseRatio, SNR）。其中信号可以由光强乘以量子效率乘以积分时间来计算。而噪声则指成像过程中所有部分所产生噪声的总和。
一台相机的性能的好坏，从两个方面影响相机，一个是影响接收到的/转化为的信号的强弱（影响分子）；另一个就是相机本身所引入的噪声的强弱（影响分母）。
一、对信号的影响方面
这里引入相机量子效率的概念，定义为所激发出的电子数与入射的光子数的比值。
在传感器的感光单元上，入射的光子会转化为电子。我们使用量子效率QE来表示光子到电子的转化效率。量子效率使用百分比来表征，等于所激发出得电子数与入射的光子数的比值。越高的量子效率代表着越高的光子利用率，在其他条件相同的情况下便可以得到更高的信噪比，在弱光环境下便得到更显著的优质成像效果。
一般来说，QE是由相机的成像芯片所决定的，不同的相机厂商使用同一款芯片制造出来的相机QE都是相同的。另外，QE是波长敏感的，同一个芯片对不同波长的QE是不同的，根据波长绘制出QE的各个值的曲线叫做量子效率曲线，如下图。
二、对噪声的影响方面
除了量子效率之外，噪声也是影响信噪比的关键因素之一。
为了形象的理解，举个例子。假设待拍摄样品所需探测的信号强度为100个光子，背景信号的强度为99个光子。则可计算出下表中相机所产生的电子数。
可以看出，相机1虽然量子效率低一点，但是相机噪声小于信号与背景的差值，是有可能将信号从背景中识别出来的；而相机2虽然量子效率高，但是当背景和有用信号相差比较少时，相机的噪声大于信号与背景的差值，用该噪声水平的相机拍摄出来的信号就淹没在噪声中了而没有可能被识别出来。由此可见，噪声对于相机成像性能的重要性。
详细来说，在成像过程中，由相机所引入的噪声主要分为两个部分——暗噪声和读出噪声。
1. 暗噪声
暗噪声是指暗电流的不确定性所引入的噪声，该噪声可以通过对芯片进行制冷而降低。
2. 读出噪声
相机信号在读出过程中产生的噪声的统称。
三、相机的几个成像阶段
相机成像主要分为四个阶段，分别是光子转化为电子、电子转化为电压（模拟信号）、模拟转化为数字、数字图像的后处理。
第一步
光子转化为电子的转化率前面已经提过了，是量子效率，光子转化为的电子在转移之前储存在电势阱里，这个势阱的容量我们称为满阱容量，满阱容量除以读出噪声，就是相机的动态范围（详见）。
第二步
电子转换为电压的过程发生的位置，是两类成像芯片——CCD与CMOS——的主要区别。对于CCD芯片来说，所有像素的电子依次转移，最后统一转化为电压。虽然不同类型的CCD，转移方式是不同的，但是只要是CCD相机，这一步骤就是统一发生的，单个像素不会进行这一步骤。
而CMOS相机则是每个像素都单独的进行电子到电压的转换。这也是CMOS相机与CCD相机的主要区别。
第三步
第二步结束时得到的电压信号是模拟信号，使用模数转换器（ADC）将模拟信号转换为数字信号，就生成了数字图像。进行模数转换时使用的阶数，就是相机的位深（参考）。截止这一步结束，相机所得到图像的信噪比是“纯硬件”的真实信噪比。
第四步
得到原始图像之后，有些相机还会进行例如算法降噪、添加伪彩、背景扣除等后期处理，经过后处理的图像有可能信噪比要比原始图像提升很多，看起来更清晰。
但是同时也会由于计算而丢失很多信息，所以对于科研领域的使用者来说，关键的还是相机的原始图像信噪比。
相机的读出噪声便是在第二、三步的电路中所产生的，包括时钟噪声、复位噪声、白噪声、模式噪声、闪烁噪声等——统称为读出噪声。
四、信噪比公式
综上所述，信噪比公式为
