图像添加噪声

数字图像的噪声主要来源于图像的获取（数字化过程）和传输过程。

图像退化和复原：

图像退化：指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的原因，导致图像质量下降。

图像复原：将图像退化的过程模型化，并采取相反的过程得到原图像。

图像增强不考虑图像降质的原因，只将图像中感兴趣的特征有选择的突出（增强），衰减其不需要的特征，这是一个主观过程；而图像复原则要考虑图像降质的原因，建立“降质模型”，这是一个客观的过程。

图像退化/复原过程的模型：

如果系统H是一个线性、位置不变的过程，那么在空间域中给出的退化图像可由下式给出：

g(x,y) = h(x,y) * f(x,y) + n(x,y)

其中h(x,y)是退化函数的空间描述，*表示空间卷积。由于空间上的卷积相当于频域上的乘积，因此，模型在频域上描述为：

G(u,v) = H(u,v)F(u,v) + N(u,v)

一些重要噪声的概率密度函数：

高斯噪声

瑞利噪声

伽马（爱尔兰）噪声

指数分布噪声

均匀分布噪声

脉冲噪声

讲到噪声，后面就是各种滤波器的设计了。

向lena.bmp添加高斯噪声：

代码：

function imgafter = GaussianNoise(imgbefore, xmean, sigma)
[m,n] = size(imgbefore);
for i = 1:m
    for j = 1:n
        temp = rand(1)*255 - 255/2;  %产生-127-127的随机数
        sigma2 = sigma*sigma*2;
        PI2 = pi*2;
        sigmaPI2 = sqrt(PI2*sigma);
        GaussianValue  = exp(-temp/sigma2)/sigmaPI2;
        imgafter(i,j) = imgbefore(i,j) + xmean + sigma*GaussianValue;
    end 
end
end

结果：

添加椒盐噪声

代码：

function imgafter = SaltAndPepper(imgbefore, SNR)
imgafter = imgbefore;
[m,n] = size(imgbefore);
NoiseNum = m*n*(1-SNR);  %要加噪的像素点的数目
%随机获取要加噪的每个像素位置
% for j = 1:m
%     for i = 1:n
        for k = 1:NoiseNum
            h = ceil(rand(1)*m);
            v = ceil(rand(1)*n);
            
%             if bitshift(imgbefore(h,v),8)  %左移8位
%                 imgafter(h,v) = 0;
%             else
%                 imgafter(h,v) = 1;
%             end
             imgafter(h,v) = bitshift(255, 24) | bitshift(255,24) | bitshift(255,8) | 255;
        end
%     end       
% end
end

结果：