图像噪声的几个模型以及代码实现

目录

模型假设

模型建立

代码实现

---

从上一节从照相到jpeg图像的流程中我们分析出了图像噪声的主要来源，这一节我们对前面的噪声尝试建立模型，并把它模拟出来。

模型假设

我们先假设噪声与输入图像不相关，同时可以直接加到输入图像，每个像素之间相互独立以简化问题。（shot noise例外且与输入图片相关，最后考虑）

在下图的退化过程中，假设退化函数H为identity，现在对进行建模。

因为的每个像素，假设是与原图像无关的随机变量，并且的所有像素具有相同的概率密度/分布，所以我们只需要知道这个概率密度函数（PDF）或统计特性是什么即可。

之前的研究人员通常假设的这个概率密度函数（PDF）包括：

模型建立

Gaussian noise

PDF 取用Gaussian来模拟thermal noise、amplifier noise ，之所以用高斯分布不光因为其在频域还是时域，都易于处理,更因为中心极限定理。

中心极限定理定义,central limit theorem (CLT) establishes that, in many situations, when independent random variables are added, their properly normalized sum tends toward a normal distribution 。

以thermal noise为例,每个像素位的热噪声(电子量)刚好可以被视为某种独立的随机变量之和,所以thermal noise最后服