本文探讨了图像噪声的来源和分类，包括加性噪声和乘性噪声，以及高斯噪声、椒盐噪声和瑞利噪声等。接着介绍了图像去噪的两种主要方法——空间域滤波（如均值滤波和中值滤波）和变换域滤波（如频域滤波和小波域滤波）。文章详细阐述了小波去噪算法，强调了阈值选择的重要性，并提到几种客观评价标准，如峰值信噪比、均方误差和归一化均方误差，以及主观评价方法。
1.图像噪声来源及分类
噪声可以理解为“妨碍人们感觉器官对所接受的信源信息理解的因素”。噪声的产生复杂多样，具有很强的随机性，通常使用概率统计方法来描述噪声。噪声可以由概率分布函数和概率密度函数准确地描述出来，但噪声分布的概率统计函数很难得到，所以在实际情况中，并不使用概率统计函数来描述噪声特征，而是利用均值和方差来反映噪声特征。下面是噪声的均值和方差具体公式。
噪声的均值公式：
噪声的均值公式可以表示图像中噪声的总体强度。
噪声的方差公式：
噪声的方差可以表示图像中噪声分布的强弱差异。
图像噪声是引起图像退化的重要因素之一，主要来源于图像数字化和传输信号的过程中。噪声的存在不仅会影响到人们对图像的主观视觉感受，还会影响到后续处理的结果。
根据不同的方式可将噪声进行不同的分类。从数学角度可以分为：加性噪声和乘性噪声。根据概率分布函数不同可以分为高斯噪声、椒盐噪声、瑞利噪声等，具体的概率密度函数如下：
高斯噪声：
椒盐噪声（脉冲噪声）：
瑞利噪声：
最低0.47元/天 解锁文章
9836
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
