本文详细介绍了冈萨雷斯《数字图像处理》中提到的六种常见噪声（高斯、瑞利、伽马、指数、均匀、椒盐）的概率密度函数，以及如何在MATLAB中生成这些噪声的代码。同时，提到了对数正态分布的噪声，并提供了生成噪声图像的代码示例。
一些重要的噪声概率密度函数
冈萨雷斯《数字图像处理》图像处理教材中给出了六种常见的噪声，分别是高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声及椒盐噪声，他们的概率密度函数、均值及方差如下表所示,另外，《数字信号处理matlabb版》中额外给出了一种称之为对数正态分布的噪声，也附加在下表中：
| 概率密度函数 | 均值和方差 | 分布函数 | 生成器 | |
|---|---|---|---|---|
| 均匀噪声 | p ( z ) = { 1 b − a a ≤ z ≤ b 0 其 他 p(z) =\begin{cases} \frac{1}{b-a} & a \le z \le b\cr 0 & 其他\end{cases} p(z)={ b−a10a≤z≤b其他 | m = a + b 2 , σ 2 = ( b − a ) 2 12 m=\frac{a+b}{2}, \\ \sigma^2=\frac{(b-a)^2}{12} m=2a+b,σ2=12(b−a)2 | F z ( z ) = { 0 z ≤ a z − a b − a a ≤ z ≤ b 1 z > b F_z(z)=\begin{cases} 0 & z \le a \cr \frac{z-a}{b-a} & a \le z \le b \cr 1 & z \gt b \end{cases} Fz(z)=⎩⎪⎨⎪⎧0b−az−a1z≤aa≤z≤bz>b | Matlab的rand函数 |
| 高斯噪声 | p ( z ) = 1 2 π σ e − ( z − z ˉ ) 2 2 σ 2 p(z) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(z-\bar z)^2}{2\sigma^2}} p(z)=2πσ1e−2σ2(z−zˉ)2 | m = z ˉ , σ 2 = σ 2 m = \bar z, \\ \sigma^2 = \sigma^2 m=zˉ,σ2=σ2 | F z ( z ) = ∫ − ∞ z P z ( v ) d v F_z(z)=\int_{-\infty}^z{P_z(v)dv} Fz(z)=∫−∞zPz(v)dv | Matlab的randn函数 |
| 瑞利噪声 | p ( z ) = { 2 b ( z − a ) e − ( z − a ) 2 b z ≥ a 0 z < a p(z) =\begin{cases}\frac{2}{b}(z-a)e\frac{-(z-a)^2}{b} & z\ge a \cr 0 & z \lt a\end{cases} p(z)={ b2(z−a)eb−(z−a)20z≥az<a | m = a + π b / 4 , σ 2 = b ( 4 − π ) 4 m=a+\sqrt{\pi b/4} , \\ \sigma^2=\frac{b(4-\pi)}{4} m=a+πb/4,σ2=4b(4−π) | F z ( z ) = { 1 − e − ( z − a ) 2 / b z ≥ a 0 z < a F_z(z)=\begin{cases}1-e^{-(z-a)^2/b} & z \ge a \cr 0 & z \lt a\end{cases} Fz(z)={ 1− |
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
