图像去噪

图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：

1,高斯噪声（主要由阻性元器件内部产生）.

2,椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等；

3,加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。

    4,乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。

 

目前比较经典的图像去噪算法主要有以下三种：

1,均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。

2,中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。

3,Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。

----

加性噪声(简称噪声)的来源是多方面的，一殷可以分为三方面：(1)人为噪声；(2)自然噪声；(3)内部噪声。人为噪声来源于无关的其它信号源，例如：外台信号、开关接触噪声、工业的点火辐射及荧光灯干扰等。自然噪声是指自然界存在的各种电磁波源，例如：闪电、大气中的电暴、银河系噪声及其他各种宇宙噪声等。内部噪声是系统设备本身产生的各种噪声，例如：在电阻一类的导体中自由电子的热运动(常称为热噪声)、真空管中电子的起伏发射和半导体中载流子的起伏变化(常称为散弹噪声）及电源哼声等。
然而，某些类型的噪声是可以消除的，例如接触不良、电源哼声、自激振荡、各种内部的谐波干扰等。虽然消除这些噪声不一定很容易，但至少在原理上可设法消陈或基本消除。另一些噪声则往往无法避免，而且它们的准确波形不能预测。这种不能预测的噪声统称为随机噪声。