MATLAB详解高斯噪声、椒盐噪声，简单实现图像的均值滤波、中值滤波并分析其有效性

一、高斯噪声与椒盐噪声的基本特点

噪声类型	基本特点	滤波处理
高斯噪声	噪声的概率密度函数服从高斯分布（即正态分布），即某个强度的噪声点个数最多,离这个强度越远噪声点个数越少。高斯噪声是一种加性噪声,即噪声直接加到原图像上,因此可以用线性滤波器滤除。	使用均值滤波等线性滤波方法效果更佳
椒盐噪声	由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，往往由图像切割引起。椒盐噪声是指两种噪声，盐噪声(高灰度噪声)、胡椒噪声(低灰度噪声)。同时出现时，在图像上呈现为黑白杂点。	使用中值滤波方法效果更佳

二、使用Matlab的imnoise()函数为图像添加噪声

在Matlab中使用imnoise函数可为图像加入不同类型的噪声，常用调用方法如下：J=imnoise(I,type,parameters)
其中，I指原图像，type指噪声类型，parameters指不同类型噪声的参数，J为添加噪声后的图像。

type的参数值	代表的噪声
gaussian	高斯噪声
salt & pepper （注意中间有空格）	椒盐噪声
speckle	乘法噪声
poission	泊松噪声

三、使用imfilter()进行均值滤波处理

在Matlab中使用imfilter函数可对多维图像进行线性滤波处理，常用调用方法如下：
B = imfilter(A,H)
H=fspecial(‘average’,para)
其中，A指原图像，B为输出图像，H指滤波算子，‘average’指算子类型为均值，para是指定相应的参数，默认值为3。para的数值越大，均值滤波效果越显著，不过图像也会变得越模糊，测试后挑选一个合适的值即可。