因?yàn)榻陂_始學(xué)習(xí)圖像去噪相關(guān)問(wèn)題肉康，以下為自學(xué)筆記
一、圖像噪聲定義
圖像生成與傳播過(guò)程中遇到的干擾灼舍，可導(dǎo)致圖像模糊
如：電噪聲吼和、機(jī)械噪聲等
二、圖像噪聲特征
- 隨機(jī)：分布和大小隨機(jī)分布
- 可疊加
- 相關(guān)：噪聲和圖像本身相關(guān)
三骑素、圖像噪聲分類
按噪聲和信號(hào)的關(guān)系
- 加性噪聲:假定信號(hào)為S(t)炫乓，噪聲為n(t)，如果混合疊加波形是S(t)+n(t)的形式，則稱其為加性噪聲船老。
- 乘性噪聲： 如果疊加波形為S(t)［1+n(t)］的形式，則稱其為乘性噪聲。
按噪聲產(chǎn)生原因
- 外部噪聲:系統(tǒng)外部干擾以電磁波或經(jīng)電源串進(jìn)系統(tǒng)內(nèi)部而引起的噪聲。如外部電氣設(shè)備產(chǎn)生的電磁波干擾捉偏、天體放電產(chǎn)生的脈沖干擾等。
- 內(nèi)部噪聲:系統(tǒng)電氣設(shè)備內(nèi)部引起的噪聲為內(nèi)部噪聲缠劝，如內(nèi)部電路的相互干擾喉恋。內(nèi)部噪聲一般又可分為以下四種：(1)由光和電的基本性質(zhì)所引起的噪聲氓鄙。(2)電器的機(jī)械運(yùn)動(dòng)產(chǎn)生的噪聲态罪。(3)器材材料本身引起的噪聲耗啦。(4)系統(tǒng)內(nèi)部設(shè)備電路所引起的噪聲椒拗。
按照統(tǒng)計(jì)特性
- 平穩(wěn)噪聲:統(tǒng)計(jì)特性不隨時(shí)間變化的噪聲稱為平穩(wěn)噪聲枉阵。
- 非平穩(wěn)噪聲:統(tǒng)計(jì)特性隨時(shí)間變化的噪聲稱為非平穩(wěn)噪聲耻陕。
按照概率分布
高斯噪聲（正態(tài)噪聲）概率密度函數(shù)：
瑞利噪聲概率密度函數(shù)：
伽馬(愛爾蘭)噪聲概率密度函數(shù)：
指數(shù)噪聲概率密度函數(shù)：
均勻噪聲概率密度函數(shù)：
脈沖噪聲（椒鹽噪聲）概率密度函數(shù)：
四炮沐、常見去噪算法
（1）空間域?yàn)V波
在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算专控，對(duì)像素的灰度值進(jìn)行處理。
常見的空間域圖像去噪算法有鄰域平均法、中值濾波革半、低通濾波等。
（2）變換域?yàn)V波
對(duì)圖像進(jìn)行某種變換，將圖像從空間域轉(zhuǎn)換到變換域劫哼，再對(duì)變換域中的變換系數(shù)進(jìn)行處理般码，再進(jìn)行反變換將圖像從變換域轉(zhuǎn)換到空間域來(lái)達(dá)到去除圖像嗓聲的目的。
將圖像從空間域轉(zhuǎn)換到變換域的變換方法很多炸枣，如傅立葉變換敦跌、沃爾什-哈達(dá)瑪變換、余弦變換拂檩、K-L變換以及小波變換等愈涩。而傅立葉變換和小波變換則是常見的用于圖像去噪的變換方法。
（3）偏微分方程
偏微分方程是近年來(lái)興起的一種圖像處理方法辑奈，主要針對(duì)低層圖像處理并取得了很好的效果侍瑟。
偏微分方程具有各向異性的特點(diǎn)涨颜，應(yīng)用在圖像去噪中弹灭，可以在去除噪聲的同時(shí)八回，很好的保持邊緣拱烁。偏微分方程在低噪聲密度的圖像處理中取得了較好的效果狞洋，但是在處理高噪聲密度圖像時(shí)去噪效果不好，而且處理時(shí)間明顯高出許多吉懊。
（4）變分法
基于變分法的思想庐橙，確定圖像的能量函數(shù)借嗽，通過(guò)對(duì)能量函數(shù)的最小化工作，使得圖像達(dá)到平滑狀態(tài)恶导，現(xiàn)在得到廣泛應(yīng)用的全變分TV模型就是這一類浆竭。
關(guān)鍵是找到合適的能量方程，保證演化的穩(wěn)定性邦泄，獲得理想的結(jié)果。
（5）形態(tài)學(xué)噪聲濾除器
將開與閉結(jié)合可用來(lái)濾除噪聲顺囊，首先對(duì)有噪聲圖像進(jìn)行開運(yùn)算，可選擇結(jié)構(gòu)要素矩陣比噪聲尺寸大包蓝，因而開運(yùn)算的結(jié)果是將背景噪聲去除驶社；再對(duì)前一步得到的圖像進(jìn)行閉運(yùn)算测萎，將圖像上的噪聲去掉。據(jù)此可知硅瞧，此方法適用的圖像類型是圖像中的對(duì)象尺寸都比較大份乒，且沒(méi)有微小細(xì)節(jié)腕唧，對(duì)這類圖像除噪效果會(huì)較好。
