目录
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