图像噪声
文章目录
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
f(x,y
f(x,y进行处理,产生一幅退化后的图像
g
(
x
,
y
g(x,y
g(x,y。给定
g
(
x
,
y
g(x,y
g(x,y和关于退化函数
H
H
H的一些知识及关于加性噪声项
η
(
x
,
y
)
\eta(x,y)
η(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
f
^
(
x
,
y
)
\hat{f}(x,y)
f^(x,y)。如果
H
H
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:
(1)
g
(
x
,
y
)
=
h
(
x
,
y
)
⋆
f
(
x
,
y
)
+
η
(
x
,
y
)
g(x,y)=h(x,y) \star f(x,y)+\eta (x,y) \tag{1}
g(x,y)=h(x,y)⋆f(x,y)+η(x,y)(1)
其中
h
(
x
,
y
)
h(x,y)
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
)
(1)
(1)可以写成等价的频率域中的形式:
(2)
G
(
u
,
v
)
=
H
(
u
,
v
)
F
(
u
,
v
)
+
N
(
u
,
v
)
G(u,v)=H(u,v)F(u,v)+N(u,v) \tag{2}
G(u,v)=H(u,v)F(u,v)+N(u,v)(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
z
z的PDF由下式给出:
(3)
p
(
z
)
=
1
2
π
σ
e
−
(
z
−
z
‾
)
2
2
σ
2
p(z)=\frac{1}{\sqrt{2 \pi}\sigma }e^{-\frac{(z- \overline{z})^2}{2 \sigma ^2}} \tag{3}
p(z)=2πσ1e−2σ2(z−z)2(3)
其中,
z
z
z表示灰度值,
z
‾
\overline{z}
z表示灰度均值,
σ
\sigma
σ表示灰度标准差,标准差的平方
σ
2
\sigma ^2
σ2称为
z
z
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:
(4)
p
(
z
)
=
{
2
b
(
z
−
a
)
e
−
(
z
−
a
)
2
/
b
,
z
≥
a
0
,
z
<
a
p(z)=\begin{cases} \frac{2}{b}(z-a)e^{-(z-a)^{2}/b},&z \geq a\\ &&&&\\ 0,& z < a \end{cases} \tag{4}
p(z)=⎩⎪⎨⎪⎧b2(z−a)e−(z−a)2/b,0,z≥az<a(4)
其概率密度的均值和方差如下:
z
‾
=
a
+
π
b
/
4
\overline{z}=a+\sqrt{\pi b/4}
z=a+πb/4
σ
2
=
b
(
4
−
π
)
4
\sigma ^2=\frac{b(4-\pi)}{4}
σ2=4b(4−π)
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:
(5)
p
(
z
)
=
{
a
b
z
b
−
1
(
b
−
1
)
!
e
−
a
z
,
z
≥
a
0
,
z
<
a
p(z)=\begin{cases} \frac{a^{b}z^{b-1}}{(b-1)!}e^{-az},&z \geq a\\ &&&&\\ 0,& z < a \end{cases} \tag{5}
p(z)=⎩⎪⎨⎪⎧(b−1)!abzb−1e−az,0,z≥az<a(5)
其中参数
a
>
0
a>0
a>0,
b
b
b为正整数,并且
!
!
!表示阶乘。其概率密度的均值和方差由
z
‾
=
b
a
\overline{z}=\frac{b}{a}
z=ab
和
σ
2
=
b
a
2
\sigma ^2=\frac{b}{a^2}
σ2=a2b
6 指数噪声
指数噪声的PDF如下:
(6)
p
(
z
)
=
{
a
e
−
a
z
,
z
≥
0
0
,
z
<
0
p(z)=\begin{cases} ae^{-az},&z \geq 0\\ &&&&\\ 0,& z < 0 \end{cases} \tag{6}
p(z)=⎩⎪⎨⎪⎧ae−az,0,z≥0z<0(6)
其中
a
>
0
a>0
a>0,概率密度函数的均值和方差是:
z
‾
=
1
a
\overline{z}=\frac{1}{a}
z=a1
和
σ
2
=
1
a
2
\sigma ^2 = \frac{1}{a^2}
σ2=a21
7 均匀噪声
指数噪声的PDF如下:
(7)
p
(
z
)
=
{
1
b
−
a
,
a
≤
z
≤
b
0
,
其
他
p(z)=\begin{cases} \frac{1}{b-a},&a \leq z \leq b\\ &&&&\\ 0,& 其他 \end{cases} \tag{7}
p(z)=⎩⎪⎨⎪⎧b−a1,0,a≤z≤b其他(7)
概率密度函数的均值和方差是:
z
‾
=
a
+
b
2
\overline{z}=\frac{a+b}{2}
z=2a+b
和
σ
2
=
(
b
−
a
)
2
12
\sigma ^2 = \frac{(b-a)^2}{12}
σ2=12(b−a)2
8 脉冲(椒盐)噪声
指数噪声的PDF如下:
(8)
p
(
z
)
=
{
P
a
,
z
=
a
P
b
,
z
=
b
1
−
P
a
−
P
b
,
其
他
p(z)=\begin{cases} P_a,&z = a\\ &&&&\\ P_b,&z=b\\ &&&&\\ 1-P_{a}-P_{b},&其他 \end{cases} \tag{8}
p(z)=⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧Pa,Pb,1−Pa−Pb,z=az=b其他(8)
如果
b
>
a
b>a
b>a,则灰度级
b
b
b在图像中将显示为一个两点,反之,灰度级
a
a
a在图像中将显示为一个暗点。若
P
a
P_a
Pa或
P
b
P_b
Pb为0,则脉冲噪声为单极脉冲。如果
P
a
P_a
Pa或
P
b
P_b
Pb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。