图像平均 均值滤波抑制噪声的数学原理

上信号或图像处理课程时，老师可能讲到N张图像求和或求平均信噪比提升根号N倍，可能不知其所以然。

      关键点在于：N张图像/N次信号采样结果总的噪声与单独的噪声关系是：方差求和，而不是标准差求和，通常说的噪声也就是标准差。

 为什么是这样的呢？假设每张图像i的信号强度为s，噪声为d，那么每张图像的观测值为

 

信噪比为S/d。而N张图像求和后的信号为

信噪比为NS/sqrt(N)d=sqrt(N)S/d，因此信噪比提升根号N倍。N张图平均无非是信号和噪声都乘以了1/N，结果不变。

这里的特殊之处在于由于（假设）每张图的信号是完全线性相关的，而噪声是随机独立同分布的，因此N张图像信号部分是直接累加，结果为N倍。而噪声部分由于随机独立同分布，根据误差传播定律，N个噪声求和结果是根号下平方求和。参考：测量,信号处理中的精度分析 误差传播理论_Luchang-Li的博客-CSDN博客

      那么图像相减是什么情况呢？例如对同一个信号采样两次得到的图像相减，那么显然信号被减没了，但是噪声还在。因为图像和图像之间的噪声是随机独立同分布的，加和减对噪声来说效果是一样的，根据误差传播理论，结果都是根号下平方求和。所以两张图像相减剩下的图像噪声水平仍然是单帧图像的sqrt(2)倍，但是信号减没了。

图像内容来自某课<<Chapter5: Signals and Noise>>：

https://www.google.com.hk/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwiKo4T17MPKAhVBjCwKHdAVDygQFggaMAA&url=%68%74%74%70%3a%2f%2f%77%77%77%32%2e%66%69%75%2e%65%64%75%2f%7e%63%61%69%2f%69%6e%64%65%78%5f%66%69%6c%65%73%2f%43%48%41%50%54%45%52%25%32%30%35%25%32%30%2d%25%32%30%53%49%47%4e%41%4c%25%32%30%54%4f%25%32%30%4e%4f%49%53%45%2e%70%70%74&usg=AFQjCNEhuSx_ZHaKG7uvlPVaPmCWfpnAuQ&cad=rja