图像处理（12）--图像各种噪声及消除方法

图像处理系列笔记： https://blog.csdn.net/qq_33208851/article/details/95335809

---

图像复原 即利用退化过程的先验知识，去恢复已被退化图像的本来面目。在图像的复原中，需要对噪声进行处理。

1.什么是图像噪声

图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。 图像中各种妨碍人们对其信息接受的因素即可称为图像噪声 。噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”（图像噪声可以描述成不同的类型，其归类方法就是基于统计方法的）。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。通俗的说就是噪声让图像不清楚。
参考文章：https://baike.baidu.com/item/图像噪声/4116468?fr=aladdin

2. 图像噪声来源

1. 图像获取过程中
   图像传感器CCD和CMOS采集图像过程中受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声。

2. 图像信号传输过程中
   传输介质和记录设备等的不完善，数字图像在其传输记录过程中往往会受到多种噪声的污染。

3. 噪声分类

噪声按照不同的分类标准可以有不同的分类形式：

• 基于产生原因：内部噪声，外部噪声。
• 基于噪声与信号的关系：
  加性嗓声和图像信号强度是不相关的，这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和：
  
  乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
  
• 按照基于统计后的概率密度函数：是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。在不同场景下噪声的施加方式都不同，由于在外界的某种条件下，噪声下图像-原图像（没有噪声时）的概率密度函数（统计结果）服从某种分布函数，那么就把它归类为相应的噪声。下面将具体说明基于统计后的概率密度函数的噪声分类及其消除方式。

3.1 高斯噪声及其消除方式

在空间域和频域中，由于高斯噪声在数学上的易处理性（高斯函数，高斯函数的傅里叶变换仍然是高斯函数，见相关博文），这种噪声(也称为正态噪声)模型经常被用在实践中，事实上，这种易处理性非常方便。
高斯函数：

3.1.1 如何确定一种噪声是高斯噪声

样本图：

噪声下的样本图：

噪声的直方图（统计直方图）：

可以看到，噪声的直方图中图形像高斯正态函数的分布。
说明：噪声对原图像的影响是随机的，直方图呈现的分布形式是基于统计的结果。直方图表示了（归一化后）灰度值的概率密度分布，因此可以使用直方图来表示灰度值的概率密度。
统计直方图：

3.1.2 高斯滤波消除高斯噪声

关于高斯滤波（模糊）的方法和过程在前面的文章中写过：

图像处理（7）–高斯模糊原理

3.1.3 高斯函数的重要性质

高斯函数具有五个重要的性质，这些性质使得它在早期图像处理中特别有用．这些性质表明，高斯平滑滤波器无论在空间域还是在频率域都是十分有效的低通滤波器，且在实际图像处理中得到了工程人员的有效使用．