因為近期開始學習圖像去噪相關(guān)問題，以下為自學筆記

一、圖像噪聲定義

圖像生成與傳播過程中遇到的干擾，可導致圖像模糊

如：電噪聲、機械噪聲等

二、圖像噪聲特征

• 隨機：分布和大小隨機分布
• 可疊加
• 相關(guān)：噪聲和圖像本身相關(guān)

三、圖像噪聲分類

按噪聲和信號的關(guān)系

• 加性噪聲:假定信號為S(t)，噪聲為n(t)，如果混合疊加波形是S(t)+n(t)的形式，則稱其為加性噪聲。
• 乘性噪聲： 如果疊加波形為S(t)［1+n(t)］的形式，則稱其為乘性噪聲。

按噪聲產(chǎn)生原因

• 外部噪聲:系統(tǒng)外部干擾以電磁波或經(jīng)電源串進系統(tǒng)內(nèi)部而引起的噪聲。如外部電氣設(shè)備產(chǎn)生的電磁波干擾、天體放電產(chǎn)生的脈沖干擾等。
• 內(nèi)部噪聲:系統(tǒng)電氣設(shè)備內(nèi)部引起的噪聲為內(nèi)部噪聲，如內(nèi)部電路的相互干擾。內(nèi)部噪聲一般又可分為以下四種：(1)由光和電的基本性質(zhì)所引起的噪聲。(2)電器的機械運動產(chǎn)生的噪聲。(3)器材材料本身引起的噪聲。(4)系統(tǒng)內(nèi)部設(shè)備電路所引起的噪聲。

按照統(tǒng)計特性

• 平穩(wěn)噪聲:統(tǒng)計特性不隨時間變化的噪聲稱為平穩(wěn)噪聲。
• 非平穩(wěn)噪聲:統(tǒng)計特性隨時間變化的噪聲稱為非平穩(wěn)噪聲。

按照概率分布

• 高斯噪聲（正態(tài)噪聲）概率密度函數(shù)：

  
  

• 瑞利噪聲概率密度函數(shù)：

  
  

• 伽馬(愛爾蘭)噪聲概率密度函數(shù)：

  
  

• 指數(shù)噪聲概率密度函數(shù)：

  
  

• 均勻噪聲概率密度函數(shù)：

  
  

• 脈沖噪聲（椒鹽噪聲）概率密度函數(shù)：

  
  

四、常見去噪算法

（1）空間域濾波
在原圖像上直接進行數(shù)據(jù)運算，對像素的灰度值進行處理。
常見的空間域圖像去噪算法有鄰域平均法、中值濾波、低通濾波等。

（2）變換域濾波
對圖像進行某種變換，將圖像從空間域轉(zhuǎn)換到變換域，再對變換域中的變換系數(shù)進行處理，再進行反變換將圖像從變換域轉(zhuǎn)換到空間域來達到去除圖像嗓聲的目的。
將圖像從空間域轉(zhuǎn)換到變換域的變換方法很多，如傅立葉變換、沃爾什-哈達瑪變換、余弦變換、K-L變換以及小波變換等。而傅立葉變換和小波變換則是常見的用于圖像去噪的變換方法。

（3）偏微分方程
偏微分方程是近年來興起的一種圖像處理方法，主要針對低層圖像處理并取得了很好的效果。
偏微分方程具有各向異性的特點，應(yīng)用在圖像去噪中，可以在去除噪聲的同時，很好的保持邊緣。偏微分方程在低噪聲密度的圖像處理中取得了較好的效果，但是在處理高噪聲密度圖像時去噪效果不好，而且處理時間明顯高出許多。

（4）變分法
基于變分法的思想，確定圖像的能量函數(shù)，通過對能量函數(shù)的最小化工作，使得圖像達到平滑狀態(tài)，現(xiàn)在得到廣泛應(yīng)用的全變分TV模型就是這一類。
關(guān)鍵是找到合適的能量方程，保證演化的穩(wěn)定性，獲得理想的結(jié)果。

（5）形態(tài)學噪聲濾除器
將開與閉結(jié)合可用來濾除噪聲，首先對有噪聲圖像進行開運算，可選擇結(jié)構(gòu)要素矩陣比噪聲尺寸大，因而開運算的結(jié)果是將背景噪聲去除；再對前一步得到的圖像進行閉運算，將圖像上的噪聲去掉。據(jù)此可知，此方法適用的圖像類型是圖像中的對象尺寸都比較大，且沒有微小細節(jié)，對這類圖像除噪效果會較好。