一、图像噪声的分类与模型
1、图像噪声类别
**前提条件:**原始图像->S(x,y);带噪图像->F(x,y);N(x,y)->噪声。
(1)加性噪声:F(x,y)=S(x,y)+N(x,y)
(2)乘性噪声:F(x,y)=S(x,y)+S(x,y)*N(x,y)
(3)量化噪声
2、图像噪声模型
(1)高斯噪声:常出现在彩色图像中
(2)锐利噪声
(3)伽马噪声
(4)指数分布噪声
(5)均匀分布噪声
(6)脉冲噪声/椒盐噪声:常出现在灰度图像中
二、图像去噪标准
1、客观评价标准
(1)均方差[Mean Squared Error,MSE]:去噪后的输出图像和原始图像之间的均方差可以用来作为一个去噪算法的性能指标。 MSE 的局限性在于只能用于衡量原始图像和去噪后输出图像之间的相似程度,而且 MSE 的值越小,则表示去噪后图像质量越好,反之,则越差。
(2)峰值信噪比[Peak Signal to Noise Ratio,PSNR]:图像信号所能到达的最大值与图像中噪声能量的比值比。一般来说,PSNR 越大,去噪效果越好。
(3)信噪比[Signal to Noise Ratio,SNR]:噪声的标准差和信号的标准差的比值。
(4)对比噪声比:两种组织信号强度差值与背景噪声的标准差之比。
2、主观评价标准
(1)用人眼对去噪后的图像进行直接观察是主观评价准则的常用方法
三、图像去噪方法
1、均值滤波:
2、中值滤波:
3、维纳滤波:
4、小波滤波:
5、双边滤波: