【图像处理】-009 图像噪声

图像噪声

1 图像退化/复原过程模型

  退化过程被建模为一个退化函数和一个加性噪声项，对一幅输入图像$f(x,y$进行处理，产生一幅退化后的图像$g(x,y$。给定$g(x,y$和关于退化函数$H$的一些知识及关于加性噪声项$\eta (x,y)$的一些知识后，图像复原的目的就是获得原始图像的一个估计$\hat{f}(x,y)$。如果$H$是一个线性的、位置不变的过程，那么空间域中的退化图像可由下式给出：
$$g(x,y)=h(x,y)\star f(x,y)+\eta (x,y)\text{\hspace{1em}(1)}$$
  其中$h(x,y)$是退化函数的空间表示，符号$\star$表示空间卷积。由于空间域中的卷积等同于频率域中的乘积，那么式$(1)$可以写成等价的频率域中的形式：
$$G(u,v)=H(u,v)F(u,v)+N(u,v)\text{\hspace{1em}(2)}$$

2 噪声模型

  数字图像中，噪声主要来源于图像的获取或传输过程。

2.1 噪声的空间和频率特性

  频率特性是指傅立叶域中噪声的频率内容（即相对于电磁波普的频率）。当噪声的傅立叶谱是常量时，噪声通常称为白噪声，这是从白光的物理特性派生出来的，它以相等的比例包含可见光谱中的几乎所有频率。以相同比例包含所有频率的函数的傅立叶谱是一个常量。

3 高斯噪声

3.1 高斯噪声的概率密度函数

  在空间域和频率域中，由于高斯噪声的数学上的易处理性，故实践中常用这种噪声(也称为正态噪声)模型。高斯随机变量$z$的PDF由下式给出：
$$p(z)=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{(z-\overline{z}{)}^2}{2{\sigma }^2}}\text{\hspace{1em}(3)}$$
  其中，$z$表示灰度值，$\overline{z}$表示灰度均值，$\sigma$表示灰度标准差，标准差的平方${\sigma }^2$称为$z$的方差。

3.2 实例

clc;
clear;
close all;

% 读取源图像
srcimg = imread('../images/18.jpg');
srcimg = im2double(srcimg);
[height,width,channels]=size(srcimg);
figure(1),imshow(srcimg),title('原图');

%% 加高斯噪声
res_gaussian = imnoise(srcimg,'gaussian',0,0.01);
figure(2),imshow(res_gaussian),title('高斯噪声结果');
imwrite(res_gaussian,'../images/18_gaussian-0-0.0.jpg');

4 瑞利噪声

4.1 瑞利噪声的额概率密度函数

  瑞利噪声的PDF如下：
$$p(z)=\{\begin{array}{llccc}\frac{2}{b}(z-a)e^{-(z-a{)}^2/b},& z\ge a& & & \\ & & & & \\ 0,& z<a& & & \end{array}\text{\hspace{1em}(4)}$$
  其概率密度的均值和方差如下：
$$\overline{z}=a+\sqrt{\pi b/4}$$
$${\sigma }^2=\frac{b(4-\pi )}{4}$$
注意，距原点的位移和密度的基本形状向右变形了这一事实。瑞利密度对于近似歪斜的直方图十分适用。

5 爱尔兰（伽马）噪声

  爱尔兰噪声的PDF由下式给出：
$$p(z)=\{\begin{array}{llccc}\frac{a^b{z}^{b-1}}{(b-1)!}{e}^{-az},& z\ge a& & & \\ & & & & \\ 0,& z<a& & & \end{array}\text{\hspace{1em}(5)}$$
  其中参数$a>0$,$b$为正整数，并且$!$表示阶乘。其概率密度的均值和方差由
$$\overline{z}=\frac{b}{a}$$
和
$${\sigma }^2=\frac{b}{a^2}$$

6 指数噪声

  指数噪声的PDF如下：
$$p(z)=\{\begin{array}{llccc}a{e}^{-az},& z\ge 0& & & \\ & & & & \\ 0,& z<0& & & \end{array}\text{\hspace{1em}(6)}$$
  其中$a>0$,概率密度函数的均值和方差是：
$$\overline{z}=\frac{1}{a}$$
和
$${\sigma }^2=\frac{1}{a^2}$$

7 均匀噪声

  指数噪声的PDF如下：
$$p(z)=\{\begin{array}{llccc}\frac{1}{b-a},& a\le z\le b& & & \\ & & & & \\ 0,& 其他& & & \end{array}\text{\hspace{1em}(7)}$$
  概率密度函数的均值和方差是：
$$\overline{z}=\frac{a+b}{2}$$
和
$${\sigma }^2=\frac{(b-a{)}^2}{12}$$

8 脉冲（椒盐）噪声

  指数噪声的PDF如下：
$$p(z)=\{\begin{array}{llccc}{P}_a,& z=a& & & \\ & & & & \\ P_b,& z=b& & & \\ & & & & \\ 1-P_a-P_b,& 其他& & & \end{array}\text{\hspace{1em}(8)}$$
  如果$b>a$，则灰度级$b$在图像中将显示为一个两点，反之，灰度级$a$在图像中将显示为一个暗点。若$P_a$或$P_b$为0，则脉冲噪声为单极脉冲。如果$P_a$或$P_b$两者均不可能为0，则脉冲噪声值将类似于在图像上随机分布的胡椒和盐粉微粒，双极脉冲噪声也称为椒盐噪声。