不可避免的图像噪声

2019-04-13 15:58发布

第一次接触”噪声”这个专业词汇,是在信号与系统课上,老师当时的解释是”不想要的干扰信号”。后来在模电和FPGA设计中,也经常遇到这个词(FPGA中的毛刺)。如今学习图像处理,再一次碰到它,看来,”噪声”真的是随处可见。 一般提到噪声,首先映入脑海的,应该是耳朵听到的嘈杂、尖锐的呲呲声。显然,声音就是一种信号,信号在传播的时候难免会受到干扰,正是这些干扰导致了噪声的出现。当然,图像的像素也可以看作是一种信号,那么,图像噪声的出现就是不可避免的了。 噪声的分类方法有很多种,可以从产生原因、统计理论观点、噪声源等等角度去分类。由于接下来得学习多种去噪算法,需要引进数学模型,因此重点放在按概率密度函数分类。 但是,为什么可以按概率密度函数分类呢?因为噪声在理论上可以定义为“不可预测,只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的,因而描述噪声的方法完全可以借用随机过程的描述,即用其概率分布函数和概率密度分布函数。下面介绍几种常见的噪声模型。 (1)椒盐噪声(salt & pepper noise) 椒盐噪声是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。通常,椒盐噪声是指两种噪声,一种是盐噪声(salt noise),另一种是胡椒噪声(pepper noise)。盐=白 {MOD},椒=黑 {MOD}。前者是高灰度噪声,后者属于低灰度噪声。一般两种噪声同时出现,呈现在图像上就是黑白杂点。(去除脉冲干扰及椒盐噪声最常用的算法是中值滤波。)
(2)高斯噪声(gaussian noise) 高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。常见的高斯噪声包括起伏噪声、宇  dvwwfw宙噪声、热噪声和散粒噪声等等。
(3)泊松噪声(poisson noise) 泊松噪声就是指它的概率密度函数服从泊松分布的一类噪声。                                                                                    
  (4)speckle噪声
(...)不可避免的图像噪声 - 靖harry - 靖harry的博客