除了幅度分布之外，噪点的特征在于通过采用分辨率测试卡的空间图像傅立叶变换来计算的频谱。光谱与外观密切相关。下面显示了两个光谱，取自第二个步骤图。第一个是来自《分辨率测试卡的噪点外观》上面列（B）的图像，其中包含模拟的白噪点。第二个是上图（D）中的图像，用分辨率测试卡ISO 1600为佳能EOS-10D拍摄。以下显示的图像已经被放大了2倍（使用最近相邻尺寸调整算法）来强调像素分布。它们与用于计算光谱的图像（但不是精确图像）近似相似。

白噪点有两个关键属性。相邻像素的值是不相关的，即独立于另一个。它的光谱是平坦的。白噪点谱（上，左）显示统计变化和0.25个周期/像素的小峰值，可能是当列（B）中的图像被调整大小以显示时引起的。对于光谱（非白色）噪点，相邻像素相关，光谱不平坦。频谱和图像（上图，右图）是模糊（也称为平滑或低通滤波）的结果，这可能是由两个原因造成的。在RAW转换器中的拜耳传感器去马赛克算法使奈奎斯特频率的噪点谱降低约一半（0.5周期/像素）和降噪（NR）软件低通滤波器噪点，即降低高频分量。NR通常以允许对比度边界附近的部分图像模糊的阈值进行操作。但是NR的价值是：分辨率测试卡低对比度和高空间频率的细节可能会丢失。这导致“塑性”外观有时在皮肤上可见。噪点的可视性取决于噪点频谱，但具体关系是复杂的。高空间频率的噪点在小幅面（低放大倍数）下可能是不可见的，但在大幅面（大放大倍率）下则非常明显。由于这种关系的复杂性，柯达已经建立起了一个称为印刷粒度指数（柯达技术出版物E-58）的谷物（即噪点）主观测量。锐化和钝化掩蔽（USM）是模糊的倒数。它们增强了频谱的一部分，并导致相邻像素变得负相关，即它们夸大了像素之间的差异，使得图像看起来更加嘈杂。通常使用非锐化掩蔽，其阈值限制了锐化到对比度边界附近。这样可以防止噪音降低天空之类的平滑区域的外观。 当使用质量差的镜头（或图像失焦或晃动）时，图像被低通滤波（模糊），但噪点不是。一些锐度损失可以用锐化或USM来恢复，但是噪点在这个过程中得到提升。这就是为什么良好的镜头是重要的，即使数字锐化可用。RAW转换器经常执行锐化和NR，无论是否需要。这使得难以比较不同摄像机的内在性能。标准化锐化是对这些软件差异的不完美的尝试。