图像处理——去噪

图像处理——去噪

图像去噪定义

图像去噪是指减少数字图像中噪声的过程称为图像去噪。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。

噪声分类

按照噪声组成来分：

   f(x,y)表示给定原始图象,g(x,y)表示图象信号,n(x,y)表示噪声。

（1）加性噪声,此类噪声与输入图象信号无关,含噪图象可表示为f(x,y)=g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图象时产生的噪声就属这类噪声；典型的加性噪声有高斯噪声，

（2）乘性噪声,此类噪声与图象信号有关,含噪图象可表示为f(x,y)=g(x,y)+n(x,y)g(x,y),飞点扫描器扫描图象时的噪声,电视图象中的相关噪声,胶片中的颗粒噪声就属于此类噪声；

（3）量化噪声,此类噪声与输入图象信号无关,是量化过程存在量化误差,再反映到接收端而产生。

按照噪声密度分布：

（1）高斯噪声：指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。

（2）椒盐噪声（脉冲噪声）：类似把椒盐撒在图像上，因此得名，是一种在图像上出现很多白点或黑点的噪声，如电视里的雪花噪声等。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。

（3）均匀噪声：是指功率谱密度（信号功率在频域的分布状况）在整个频域内是常数的噪声。 所有频率具有相同能量密度的随机噪声称为白噪声。

（4）瑞利噪声：噪声分布为瑞利分布。

（5）指数噪声：噪声分布为指数分布。

（6）伽马噪声：噪声分布为瑞利分布。

（以下是对图像加入高斯，椒盐等噪声的python代码） 

 1 # -*- coding: utf-8 -*-
 2 """
 3 Created on Sat Mar  2 14:00:30 2019
 4 
 5 @author: Administrator
 6 """
 7 
 8