图像处理：图像中噪声分布和概率密度函数的关系

学习笔记：数字图像处理——图像中噪声分布和概率密度函数的关系

 

学习的时候，看到各种噪声，高斯、锐利、伽马、均匀等。每个分布有概率密度函数，而这个和噪声有啥具体的连接的关系，我不是很懂，稍微研究了一下，要点如下：

 

例如下图高斯噪声的概率密度函数：

z表示灰度值，μ表示z的平均值或期望值，σ表示z的标准差。标准差的平方为z的方差。

 

（Z不一定要和原图像的范围一致，例如应该可以是0-10）

 

 

我理解：噪声本身和图像内容无关。

假设产生均值为20，标准差为10，大小为256*256

Noise = 20 + 10*randn(256);

hist(Noise,100)；%直方图

也就是说，

这个256*256个点的每一个点的灰度值是20的概率最大，是20之外的其他数值的概率逐渐减小。所以整副噪声图像的出现灰度值为20左右的数量是最多的。

再加到原图像上。

 

噪声我参考：

和冈萨雷斯书上一样的

https://blog.csdn.net/zhougynui/article/details/51764798

理解噪声的函数和噪声图像的关系 C++

https://blog.csdn.net/u012936765/article/details/53200918

Matlab添加噪声，滤波

https://blog.csdn.net/wulafly/article/details/53225269

matlab给数字图像加高斯白噪声的几种方法

https://blog.csdn.net/liuyingying0418/article/details/79432962
数字图像处理之椒盐噪声和中值滤波 C++

https://blog.csdn.net/tsfx051435adsl/article/details/78251739