(100天2小时第二十九天）几种常见的图像噪声及去噪处理算法

一、背景

      在图像获取、传输、存储过程中常常会受到各种噪声的干扰，从而影响图像的质量。并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘处理等，所以为了获得高质量数字图像，有必要对图像进行降噪处理，尽可能的保持原始信息完整性的同时，又能够去除信号中无用的信息。图像去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。

二、图像噪声的概念

     噪声可以理解为“妨碍人们感官器官对所接收的信源信息理解的因素”。例如，一副黑白图像，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。

三、常见的图像噪声

 1.加性噪声

    加性噪声一般指热噪声、散弹噪声等，它们与信号的关系时相加，不管有没有信号，噪声都存在。而乘性噪声一般由信道不理想引起，信号在它在，信号不在他就不在。一般通信中把加性随机性看成系统的背景噪声，而乘性随机性看成系统的时变性或者非线性所造成的。

     信道中加性噪声的来源，一般分为三类：

    （1）人为噪声：人为噪声来源于无关的其他信号。例如：外台信号、开关接触噪声、工业