1.研究噪声特性的必要性
本文的内容主要介绍了常见噪声的分类与其特性。将噪声建模,然后用模型去实现各式各样的噪声。
实际生活中的各种照片的老化,都可以归结为以下老化模型。
这个模型很简单,也可以直接用以下公式来表达。
在频域内,用以下公式区表示。
根据以上式子,可以看出,老旧照片的复原,主要分为两个任务,一个是去噪;另一个是去卷积,或者称为逆滤波,也就是将老化滤波器做反处理。
本文首先由噪声类型与其建模。随后的博文,会介绍几种基础的去噪方法和基础的逆滤波方法。
2.噪声的实现
2.1 评价用图像与其直方图
2.2 高斯噪声
高斯噪声,也称为正态噪声,其统计特性服从正态分布。一种较为泛用的噪声模型。
Matlab的实现较为简单,Matlab已经有一个randn(M,N)的函数,用其可以产生出均值为0、方差为1、尺寸为M X N像素的高斯噪声图像。
用以下程序就可以产生任意均值和方差的高斯噪声。
a = 0;
b = 0.08;
n_gaussian = a + b .* randn(M,N);
2.3 瑞利噪声
瑞利噪声相比高斯噪声而言,其形状向右歪斜,这对于拟合某些歪斜直方图噪声很有用。
瑞利噪声的实现可以借由平均噪声来实现。如下所示。