摘要
数字图像的噪声来源可能开始的图像采集，量化或者或许的图像编码压缩以及传送过程。根据这些噪声的特点和离散信随机性主要分为三类：高斯噪声，泊松噪声和椒盐噪声
高斯噪声
- 指标收到综合影响而非单一影响时，该指标呈现高斯正态分布。高斯噪声的概率普服从高斯正态分布，是最普通的噪声分布
- 特点是：综合性影响，每一个像素带噪概率一样，所以每个像素都存在噪声
- 由于正态分布的均值趋近0，所以高斯噪声去噪最直观的方法就是通过领域的计算来恢复。
- 在matlab中，使用mean(matrix[,2])来计算矩阵matrix的均值，2表示计算每一行的均值，不给参数表示默认=1，计算每一列的均值
泊松噪声
- 数学定义就是服从泊松分布的噪声。实际产生的原因在于光具有量子效应，光电检测光子数目存在统计涨落，因此图像检测具有颗粒型，造成了图像对比度变小和细节信息不准确
脉冲噪声
- 也称椒盐噪声，产生原因可能是影响信号收到突如其来的强烈干扰产生。特点是随机改变一些像素值
- 其特点是：噪声强度大，但是其分布稀松。也就是说中招的像素数量比较少，但是一旦中招偏值会很大
- 中值滤波器，不一定每个像素都有脉冲噪声，所以中值滤波效果较好
matlab给图片添加噪声
使用imnoise()函数,下列参数按顺序
| 输入图像 | 噪声名 | 噪声类型 | 噪声参数 |
|---|---|---|---|
| img | 高斯噪声 | 'gaussian' | a(0):均值 b(0.01):方差 |
| img | 泊松噪声 | 'poisson' | None |
| img | 椒盐噪声 | 'salt & pepper' | d(0.05):噪声密度 |