5.2  图像中的噪声模型

5.2.1  噪声来源

噪声可以理解为影响传感器对所接收图像源信息进行理解或分析的各种因素。噪声一般是不可预测的随机信号，它只能用概率统计的方法去认识。噪声对图像的输入、采集和处理的各种环节，以及输出结果的全过程都有影响。因此，去噪己经成为图像处理中极其重要的手段，也是图像处理领域研究的一个重点。本节先对噪声的来源和性质进行简要的介绍，然后给出几种去除图像噪声的算法及其代码实现过程。

对图像信号来说，可将黑白图像看作是二维亮度分布 ，则噪声可看作是对亮度的干扰，用 来表示。噪声是随机性的，因而需要用随机过程来描述，即要求知道其分布函数和密度函数。在许多情况下，这些函数很难测定和描述，甚至无法得到，所以常用统计特征来描述噪声，如均值、方差、相关函数等。

描述噪声的总功率： ；方差描述噪声的交流功率 ；均值的平方表示噪声的直流功率： 。

对图像中的噪声有多种描述方式，常见的有以下几种：

（1）白噪声（White Noise）：它具有常量的功率谱。白噪声的一个特例是高斯噪声 （Gaussian Noise），它的直方图曲线服从一维高斯型分布： 

（2）椒盐噪声（Pepper Noise）：是一种在图像中产生黑色、白色点的脉冲噪声。该噪声在图像中显现较为明显，对图像分割、边缘检测、特征提取等后续处理具有严重的破坏作用。

（3）冲击噪声（Impulsive Noise）：是指一幅图像被个别噪声像素破坏，而且这些像素的亮度与其邻域的亮度显著不同。

（4）量化噪声（Quatization Noise）：在量化级别不同时出现的噪声。例如，将图像的亮度级别减少一半的时候会出现伪轮廓。