转载地址：https://blog.csdn.net/qq_20823641/article/details/51513567
1.1 图像噪声的概念与分类
图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，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。
图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必要的。
一．按产生的原因分类
1.外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。而这种噪声可能就是高斯噪声、脉冲噪声等多个噪声合成累计的。
2.内部噪声，一般有四个源头：a)由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。b)电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。 c)器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。 d)系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降噪算法只能起到原理上的帮助。
二、按噪声频谱分类
频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为 1/f噪声；而与频率平方成正比的称为三角噪声等等。
三．按噪声与信号的关系分类
1.加性噪声：加性嗓声和图像信号强度是不相关的，如运算放大器，又如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声的，这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和；高斯噪声、瑞利噪声、指数噪声
2.乘性噪声：乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。
为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
四．按概率密度函数（PDF）分类
这是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。如果将一个系统的所有噪声比喻成一个人，则上面的的分法是只能说明人由胳膊腿组成或者人由毛发血肉组成；而第四点分法是说明人由不同的细胞组成，不同的细胞构成了胳膊毛发，同样我们由血肉腿也能推出它里面可能包含哪些细胞，对于不同细胞的改造方法是不同的，这个层面上的分法保证了有的放矢。当然，能不能再找到分子层面、原子层面的分法就是人类发展了
1.高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上的易处理性，这种噪声模型经常被用于实践中。与椒盐噪声相似，高斯噪声（gaussnoise）也是数字图像的一个常见噪声，产生该噪声的算法也很简单。上次说过，椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，高斯噪声与其相反，是几乎每个点上都出现噪声、噪点深度随机的噪声。
2.瑞利噪声：瑞利密度对于近似偏移的直方图十分适用。
3.伽马(爱尔兰)噪声
4.指数分布噪声
5.均匀分布噪声
6.脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，椒盐，按我的理解，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。那么传入两个参数，分别为黑白像素在图像上所占比例，就可以对图像进行修改。我们可以使用srand 函数，根据time 产生一个随机种子（以免每次随机的结果相同），然后使用rand 函数产生随机数，rand产生的随机数是0 到RAND_MAX 之间的整数，可以通过使用 double (rand ()) / RAND_MAX 产生一个0 到1 之间的浮点型。这样，当这个随机数小于pepper 时，就把该点调黑，大于1 –salt 时，就把该点调白，就可以产生随机的椒盐噪声了。椒盐噪声既不属于加性噪声也不属于乘性噪声。
这种分类方法由于引入数学模型，就有助于运用数学手段去除噪声。
五、按与图像像素关系分类
无关噪声是指整幅图像的噪声统计特性是一致的，与图像像素的位置和像素亮度值有关系。在去噪时为了简化算法，经常基于这种假设。
相关噪声是指噪声与图像空间相关或与图形像素亮度值相关，由图像捕获器得到的图像上叠加的噪声几乎都是相关噪声。一般受摄像机的特性影响，往往图像的较暗部分噪声大，较亮部分噪声小。
六、图像去噪效果的评价方法
评价图像去噪效果的目的在于更好地认识算法的功能和不足，或取长补短以求改进，或深入思索以求创新。一般来说，评价去噪后的图像一般需要考虑3方面的内容：1．噪声衰减程度2．边缘保持程度3，区域平滑程度。理论上讲，去嗓后的图像应该尽可能地衰减噪声，保持图像边缘鲜明，尽可能地平滑区域。简言之就是“去噪保鲜”。评价图像去噪的方法可以分为两类：主观评价法和客观评价法。
（1） 主观评价法
主观评价法主要是通过观察者对图像的视觉观察或者主观理解来对图像处理结果的优劣进行评价。它又可以分为两种类型：绝对评价和相对评价。前者是直接对图像进行判断，后者是将处理结果和原图像进行比较或者对多种方法处理的结果进行比较来评价处理效果的优劣。对图像作主观评价的人也分为两类：一是内行观察者，也称为专业观察者，他们是图像应用在某一领域的专家，熟知图像在该领域所要表达的倍息特点，如图像处理的程序开发人员等；另外一个是外行观察者，他们大都仅从视觉审美的角度观察图像，从某种意义上也对图像处理效果的评价起到积极作用。
（2）客观评价法
客观评价法主要是通过计算一些量化的指标或者通过描绘能反映图像自身性能的曲线来评价图像处理效果的方法。这里所说的量化指标是一些能反映图像特性的数字值，如图像的方差，均值，信噪比等。按照上面所说的对去嗓的图像应从3方面考虑，可以采用如下的数字指标来客观评价去噪效果。
七、双边滤波器
双边滤波最先是由Tomasi和Manduchi提出的[13]。双边滤波器对图像的每一点计算其空间相邻且灰度相近的像素值的加权平均，再用它替换掉像素点原来的值，从而达到滤波的效果。在图像灰度变化平缓的区域(小的邻域内灰度变化不大)，双边滤波器转化为标准的低通空域滤波器；而在图像灰度变化剧烈的区域，比如在～个二值倒像的边缘上，灰度域影响函数在灰度值相同的一边为1，而在灰度值不同的一边近似于0，滤波器用边缘点邻域内灰度近似的像素点的灰度平均值替代原灰度值。这样，双边滤波既可以达到去噪的效果又可以保留图像的细节，是一种具有应用价值的非线性滤波方法。
双边滤波是一种保留边缘的图像平滑技术．文[14]分析了双边滤波与各向异性传播的关系。文[15]从线性代数的角度讨论了双边滤波、各向异性传播与鲁棒统计之间的关系。文[16]进一步从鲁棒统计的角度为双边滤波提供了一个理论框架，在理论上证明了空间域影响函数。f和灰度域影响函数g采用高斯形式对野点具有更好的鲁棒性，能更好地保留边缘。
https://blog.csdn.net/qq_20823641/article/details/51513567
1.1 图像噪声的概念与分类
图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，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。
图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必要的。
一．按产生的原因分类
1.外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。而这种噪声可能就是高斯噪声、脉冲噪声等多个噪声合成累计的。
2.内部噪声，一般有四个源头：a)由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。b)电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。 c)器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。 d)系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降噪算法只能起到原理上的帮助。
二、按噪声频谱分类
频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为 1/f噪声；而与频率平方成正比的称为三角噪声等等。
三．按噪声与信号的关系分类
1.加性噪声：加性嗓声和图像信号强度是不相关的，如运算放大器，又如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声的，这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和；高斯噪声、瑞利噪声、指数噪声
2.乘性噪声：乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。
为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
四．按概率密度函数（PDF）分类
这是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。如果将一个系统的所有噪声比喻成一个人，则上面的的分法是只能说明人由胳膊腿组成或者人由毛发血肉组成；而第四点分法是说明人由不同的细胞组成，不同的细胞构成了胳膊毛发，同样我们由血肉腿也能推出它里面可能包含哪些细胞，对于不同细胞的改造方法是不同的，这个层面上的分法保证了有的放矢。当然，能不能再找到分子层面、原子层面的分法就是人类发展了
1.高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上的易处理性，这种噪声模型经常被用于实践中。与椒盐噪声相似，高斯噪声（gaussnoise）也是数字图像的一个常见噪声，产生该噪声的算法也很简单。上次说过，椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，高斯噪声与其相反，是几乎每个点上都出现噪声、噪点深度随机的噪声。
2.瑞利噪声：瑞利密度对于近似偏移的直方图十分适用。
3.伽马(爱尔兰)噪声
4.指数分布噪声
5.均匀分布噪声
6.脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，椒盐，按我的理解，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。那么传入两个参数，分别为黑白像素在图像上所占比例，就可以对图像进行修改。我们可以使用srand 函数，根据time 产生一个随机种子（以免每次随机的结果相同），然后使用rand 函数产生随机数，rand产生的随机数是0 到RAND_MAX 之间的整数，可以通过使用 double (rand ()) / RAND_MAX 产生一个0 到1 之间的浮点型。这样，当这个随机数小于pepper 时，就把该点调黑，大于1 –salt 时，就把该点调白，就可以产生随机的椒盐噪声了。椒盐噪声既不属于加性噪声也不属于乘性噪声。
这种分类方法由于引入数学模型，就有助于运用数学手段去除噪声。
五、按与图像像素关系分类
无关噪声是指整幅图像的噪声统计特性是一致的，与图像像素的位置和像素亮度值有关系。在去噪时为了简化算法，经常基于这种假设。
相关噪声是指噪声与图像空间相关或与图形像素亮度值相关，由图像捕获器得到的图像上叠加的噪声几乎都是相关噪声。一般受摄像机的特性影响，往往图像的较暗部分噪声大，较亮部分噪声小。
六、图像去噪效果的评价方法
评价图像去噪效果的目的在于更好地认识算法的功能和不足，或取长补短以求改进，或深入思索以求创新。一般来说，评价去噪后的图像一般需要考虑3方面的内容：1．噪声衰减程度2．边缘保持程度3，区域平滑程度。理论上讲，去嗓后的图像应该尽可能地衰减噪声，保持图像边缘鲜明，尽可能地平滑区域。简言之就是“去噪保鲜”。评价图像去噪的方法可以分为两类：主观评价法和客观评价法。
（1） 主观评价法
主观评价法主要是通过观察者对图像的视觉观察或者主观理解来对图像处理结果的优劣进行评价。它又可以分为两种类型：绝对评价和相对评价。前者是直接对图像进行判断，后者是将处理结果和原图像进行比较或者对多种方法处理的结果进行比较来评价处理效果的优劣。对图像作主观评价的人也分为两类：一是内行观察者，也称为专业观察者，他们是图像应用在某一领域的专家，熟知图像在该领域所要表达的倍息特点，如图像处理的程序开发人员等；另外一个是外行观察者，他们大都仅从视觉审美的角度观察图像，从某种意义上也对图像处理效果的评价起到积极作用。
（2）客观评价法
客观评价法主要是通过计算一些量化的指标或者通过描绘能反映图像自身性能的曲线来评价图像处理效果的方法。这里所说的量化指标是一些能反映图像特性的数字值，如图像的方差，均值，信噪比等。按照上面所说的对去嗓的图像应从3方面考虑，可以采用如下的数字指标来客观评价去噪效果。
七、双边滤波器
双边滤波最先是由Tomasi和Manduchi提出的[13]。双边滤波器对图像的每一点计算其空间相邻且灰度相近的像素值的加权平均，再用它替换掉像素点原来的值，从而达到滤波的效果。在图像灰度变化平缓的区域(小的邻域内灰度变化不大)，双边滤波器转化为标准的低通空域滤波器；而在图像灰度变化剧烈的区域，比如在～个二值倒像的边缘上，灰度域影响函数在灰度值相同的一边为1，而在灰度值不同的一边近似于0，滤波器用边缘点邻域内灰度近似的像素点的灰度平均值替代原灰度值。这样，双边滤波既可以达到去噪的效果又可以保留图像的细节，是一种具有应用价值的非线性滤波方法。
双边滤波是一种保留边缘的图像平滑技术．文[14]分析了双边滤波与各向异性传播的关系。文[15]从线性代数的角度讨论了双边滤波、各向异性传播与鲁棒统计之间的关系。文[16]进一步从鲁棒统计的角度为双边滤波提供了一个理论框架，在理论上证明了空间域影响函数。f和灰度域影响函数g采用高斯形式对野点具有更好的鲁棒性，能更好地保留边缘。
https://blog.csdn.net/qq_20823641/article/details/51513567
1.1 图像噪声的概念与分类
图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，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。
图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必要的。
一．按产生的原因分类
1.外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。而这种噪声可能就是高斯噪声、脉冲噪声等多个噪声合成累计的。
2.内部噪声，一般有四个源头：a)由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。b)电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。 c)器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。 d)系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降噪算法只能起到原理上的帮助。
二、按噪声频谱分类
频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为 1/f噪声；而与频率平方成正比的称为三角噪声等等。
三．按噪声与信号的关系分类
1.加性噪声：加性嗓声和图像信号强度是不相关的，如运算放大器，又如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声的，这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和；高斯噪声、瑞利噪声、指数噪声
2.乘性噪声：乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。
为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
四．按概率密度函数（PDF）分类
这是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。如果将一个系统的所有噪声比喻成一个人，则上面的的分法是只能说明人由胳膊腿组成或者人由毛发血肉组成；而第四点分法是说明人由不同的细胞组成，不同的细胞构成了胳膊毛发，同样我们由血肉腿也能推出它里面可能包含哪些细胞，对于不同细胞的改造方法是不同的，这个层面上的分法保证了有的放矢。当然，能不能再找到分子层面、原子层面的分法就是人类发展了
1.高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上的易处理性，这种噪声模型经常被用于实践中。与椒盐噪声相似，高斯噪声（gaussnoise）也是数字图像的一个常见噪声，产生该噪声的算法也很简单。上次说过，椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，高斯噪声与其相反，是几乎每个点上都出现噪声、噪点深度随机的噪声。
2.瑞利噪声：瑞利密度对于近似偏移的直方图十分适用。
3.伽马(爱尔兰)噪声
4.指数分布噪声
5.均匀分布噪声
6.脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，椒盐，按我的理解，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。那么传入两个参数，分别为黑白像素在图像上所占比例，就可以对图像进行修改。我们可以使用srand 函数，根据time 产生一个随机种子（以免每次随机的结果相同），然后使用rand 函数产生随机数，rand产生的随机数是0 到RAND_MAX 之间的整数，可以通过使用 double (rand ()) / RAND_MAX 产生一个0 到1 之间的浮点型。这样，当这个随机数小于pepper 时，就把该点调黑，大于1 –salt 时，就把该点调白，就可以产生随机的椒盐噪声了。椒盐噪声既不属于加性噪声也不属于乘性噪声。
这种分类方法由于引入数学模型，就有助于运用数学手段去除噪声。
五、按与图像像素关系分类
无关噪声是指整幅图像的噪声统计特性是一致的，与图像像素的位置和像素亮度值有关系。在去噪时为了简化算法，经常基于这种假设。
相关噪声是指噪声与图像空间相关或与图形像素亮度值相关，由图像捕获器得到的图像上叠加的噪声几乎都是相关噪声。一般受摄像机的特性影响，往往图像的较暗部分噪声大，较亮部分噪声小。
六、图像去噪效果的评价方法
评价图像去噪效果的目的在于更好地认识算法的功能和不足，或取长补短以求改进，或深入思索以求创新。一般来说，评价去噪后的图像一般需要考虑3方面的内容：1．噪声衰减程度2．边缘保持程度3，区域平滑程度。理论上讲，去嗓后的图像应该尽可能地衰减噪声，保持图像边缘鲜明，尽可能地平滑区域。简言之就是“去噪保鲜”。评价图像去噪的方法可以分为两类：主观评价法和客观评价法。
（1） 主观评价法
主观评价法主要是通过观察者对图像的视觉观察或者主观理解来对图像处理结果的优劣进行评价。它又可以分为两种类型：绝对评价和相对评价。前者是直接对图像进行判断，后者是将处理结果和原图像进行比较或者对多种方法处理的结果进行比较来评价处理效果的优劣。对图像作主观评价的人也分为两类：一是内行观察者，也称为专业观察者，他们是图像应用在某一领域的专家，熟知图像在该领域所要表达的倍息特点，如图像处理的程序开发人员等；另外一个是外行观察者，他们大都仅从视觉审美的角度观察图像，从某种意义上也对图像处理效果的评价起到积极作用。
（2）客观评价法
客观评价法主要是通过计算一些量化的指标或者通过描绘能反映图像自身性能的曲线来评价图像处理效果的方法。这里所说的量化指标是一些能反映图像特性的数字值，如图像的方差，均值，信噪比等。按照上面所说的对去嗓的图像应从3方面考虑，可以采用如下的数字指标来客观评价去噪效果。
七、双边滤波器
双边滤波最先是由Tomasi和Manduchi提出的[13]。双边滤波器对图像的每一点计算其空间相邻且灰度相近的像素值的加权平均，再用它替换掉像素点原来的值，从而达到滤波的效果。在图像灰度变化平缓的区域(小的邻域内灰度变化不大)，双边滤波器转化为标准的低通空域滤波器；而在图像灰度变化剧烈的区域，比如在～个二值倒像的边缘上，灰度域影响函数在灰度值相同的一边为1，而在灰度值不同的一边近似于0，滤波器用边缘点邻域内灰度近似的像素点的灰度平均值替代原灰度值。这样，双边滤波既可以达到去噪的效果又可以保留图像的细节，是一种具有应用价值的非线性滤波方法。
双边滤波是一种保留边缘的图像平滑技术．文[14]分析了双边滤波与各向异性传播的关系。文[15]从线性代数的角度讨论了双边滤波、各向异性传播与鲁棒统计之间的关系。文[16]进一步从鲁棒统计的角度为双边滤波提供了一个理论框架，在理论上证明了空间域影响函数。f和灰度域影响函数g采用高斯形式对野点具有更好的鲁棒性，能更好地保留边缘。
https://blog.csdn.net/qq_20823641/article/details/51513567
1.1 图像噪声的概念与分类
图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，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。
图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必要的。
一．按产生的原因分类
1.外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。而这种噪声可能就是高斯噪声、脉冲噪声等多个噪声合成累计的。
2.内部噪声，一般有四个源头：a)由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。b)电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。 c)器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。 d)系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降噪算法只能起到原理上的帮助。
二、按噪声频谱分类
频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为 1/f噪声；而与频率平方成正比的称为三角噪声等等。
三．按噪声与信号的关系分类
1.加性噪声：加性嗓声和图像信号强度是不相关的，如运算放大器，又如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声的，这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和；高斯噪声、瑞利噪声、指数噪声
2.乘性噪声：乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。
为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
四．按概率密度函数（PDF）分类
这是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。如果将一个系统的所有噪声比喻成一个人，则上面的的分法是只能说明人由胳膊腿组成或者人由毛发血肉组成；而第四点分法是说明人由不同的细胞组成，不同的细胞构成了胳膊毛发，同样我们由血肉腿也能推出它里面可能包含哪些细胞，对于不同细胞的改造方法是不同的，这个层面上的分法保证了有的放矢。当然，能不能再找到分子层面、原子层面的分法就是人类发展了
1.高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上的易处理性，这种噪声模型经常被用于实践中。与椒盐噪声相似，高斯噪声（gaussnoise）也是数字图像的一个常见噪声，产生该噪声的算法也很简单。上次说过，椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，高斯噪声与其相反，是几乎每个点上都出现噪声、噪点深度随机的噪声。
2.瑞利噪声：瑞利密度对于近似偏移的直方图十分适用。
3.伽马(爱尔兰)噪声
4.指数分布噪声
5.均匀分布噪声
6.脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，椒盐，按我的理解，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。那么传入两个参数，分别为黑白像素在图像上所占比例，就可以对图像进行修改。我们可以使用srand 函数，根据time 产生一个随机种子（以免每次随机的结果相同），然后使用rand 函数产生随机数，rand产生的随机数是0 到RAND_MAX 之间的整数，可以通过使用 double (rand ()) / RAND_MAX 产生一个0 到1 之间的浮点型。这样，当这个随机数小于pepper 时，就把该点调黑，大于1 –salt 时，就把该点调白，就可以产生随机的椒盐噪声了。椒盐噪声既不属于加性噪声也不属于乘性噪声。
这种分类方法由于引入数学模型，就有助于运用数学手段去除噪声。
五、按与图像像素关系分类
无关噪声是指整幅图像的噪声统计特性是一致的，与图像像素的位置和像素亮度值有关系。在去噪时为了简化算法，经常基于这种假设。
相关噪声是指噪声与图像空间相关或与图形像素亮度值相关，由图像捕获器得到的图像上叠加的噪声几乎都是相关噪声。一般受摄像机的特性影响，往往图像的较暗部分噪声大，较亮部分噪声小。
六、图像去噪效果的评价方法
评价图像去噪效果的目的在于更好地认识算法的功能和不足，或取长补短以求改进，或深入思索以求创新。一般来说，评价去噪后的图像一般需要考虑3方面的内容：1．噪声衰减程度2．边缘保持程度3，区域平滑程度。理论上讲，去嗓后的图像应该尽可能地衰减噪声，保持图像边缘鲜明，尽可能地平滑区域。简言之就是“去噪保鲜”。评价图像去噪的方法可以分为两类：主观评价法和客观评价法。
（1） 主观评价法
主观评价法主要是通过观察者对图像的视觉观察或者主观理解来对图像处理结果的优劣进行评价。它又可以分为两种类型：绝对评价和相对评价。前者是直接对图像进行判断，后者是将处理结果和原图像进行比较或者对多种方法处理的结果进行比较来评价处理效果的优劣。对图像作主观评价的人也分为两类：一是内行观察者，也称为专业观察者，他们是图像应用在某一领域的专家，熟知图像在该领域所要表达的倍息特点，如图像处理的程序开发人员等；另外一个是外行观察者，他们大都仅从视觉审美的角度观察图像，从某种意义上也对图像处理效果的评价起到积极作用。
（2）客观评价法
客观评价法主要是通过计算一些量化的指标或者通过描绘能反映图像自身性能的曲线来评价图像处理效果的方法。这里所说的量化指标是一些能反映图像特性的数字值，如图像的方差，均值，信噪比等。按照上面所说的对去嗓的图像应从3方面考虑，可以采用如下的数字指标来客观评价去噪效果。
七、双边滤波器
双边滤波最先是由Tomasi和Manduchi提出的[13]。双边滤波器对图像的每一点计算其空间相邻且灰度相近的像素值的加权平均，再用它替换掉像素点原来的值，从而达到滤波的效果。在图像灰度变化平缓的区域(小的邻域内灰度变化不大)，双边滤波器转化为标准的低通空域滤波器；而在图像灰度变化剧烈的区域，比如在～个二值倒像的边缘上，灰度域影响函数在灰度值相同的一边为1，而在灰度值不同的一边近似于0，滤波器用边缘点邻域内灰度近似的像素点的灰度平均值替代原灰度值。这样，双边滤波既可以达到去噪的效果又可以保留图像的细节，是一种具有应用价值的非线性滤波方法。
双边滤波是一种保留边缘的图像平滑技术．文[14]分析了双边滤波与各向异性传播的关系。文[15]从线性代数的角度讨论了双边滤波、各向异性传播与鲁棒统计之间的关系。文[16]进一步从鲁棒统计的角度为双边滤波提供了一个理论框架，在理论上证明了空间域影响函数。f和灰度域影响函数g采用高斯形式对野点具有更好的鲁棒性，能更好地保留边缘。
1.1 图像噪声的概念与分类
图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，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。
图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必要的。
一．按产生的原因分类
1.外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。而这种噪声可能就是高斯噪声、脉冲噪声等多个噪声合成累计的。
2.内部噪声，一般有四个源头：a)由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。b)电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。 c)器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。 d)系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降噪算法只能起到原理上的帮助。
二、按噪声频谱分类
频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为 1/f噪声；而与频率平方成正比的称为三角噪声等等。
三．按噪声与信号的关系分类
1.加性噪声：加性嗓声和图像信号强度是不相关的，如运算放大器，又如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声的，这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和；高斯噪声、瑞利噪声、指数噪声
2.乘性噪声：乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。
为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
四．按概率密度函数（PDF）分类
这是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。如果将一个系统的所有噪声比喻成一个人，则上面的的分法是只能说明人由胳膊腿组成或者人由毛发血肉组成；而第四点分法是说明人由不同的细胞组成，不同的细胞构成了胳膊毛发，同样我们由血肉腿也能推出它里面可能包含哪些细胞，对于不同细胞的改造方法是不同的，这个层面上的分法保证了有的放矢。当然，能不能再找到分子层面、原子层面的分法就是人类发展了
1.高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上的易处理性，这种噪声模型经常被用于实践中。与椒盐噪声相似，高斯噪声（gaussnoise）也是数字图像的一个常见噪声，产生该噪声的算法也很简单。上次说过，椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，高斯噪声与其相反，是几乎每个点上都出现噪声、噪点深度随机的噪声。
2.瑞利噪声：瑞利密度对于近似偏移的直方图十分适用。
3.伽马(爱尔兰)噪声
4.指数分布噪声
5.均匀分布噪声
6.脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。椒盐噪声是出现在随机位置、噪点深度基本固定的噪声，椒盐，按我的理解，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。那么传入两个参数，分别为黑白像素在图像上所占比例，就可以对图像进行修改。我们可以使用srand 函数，根据time 产生一个随机种子（以免每次随机的结果相同），然后使用rand 函数产生随机数，rand产生的随机数是0 到RAND_MAX 之间的整数，可以通过使用 double (rand ()) / RAND_MAX 产生一个0 到1 之间的浮点型。这样，当这个随机数小于pepper 时，就把该点调黑，大于1 –salt 时，就把该点调白，就可以产生随机的椒盐噪声了。椒盐噪声既不属于加性噪声也不属于乘性噪声。
这种分类方法由于引入数学模型，就有助于运用数学手段去除噪声。
五、按与图像像素关系分类
无关噪声是指整幅图像的噪声统计特性是一致的，与图像像素的位置和像素亮度值有关系。在去噪时为了简化算法，经常基于这种假设。
相关噪声是指噪声与图像空间相关或与图形像素亮度值相关，由图像捕获器得到的图像上叠加的噪声几乎都是相关噪声。一般受摄像机的特性影响，往往图像的较暗部分噪声大，较亮部分噪声小。
六、图像去噪效果的评价方法
评价图像去噪效果的目的在于更好地认识算法的功能和不足，或取长补短以求改进，或深入思索以求创新。一般来说，评价去噪后的图像一般需要考虑3方面的内容：1．噪声衰减程度2．边缘保持程度3，区域平滑程度。理论上讲，去嗓后的图像应该尽可能地衰减噪声，保持图像边缘鲜明，尽可能地平滑区域。简言之就是“去噪保鲜”。评价图像去噪的方法可以分为两类：主观评价法和客观评价法。
（1） 主观评价法
主观评价法主要是通过观察者对图像的视觉观察或者主观理解来对图像处理结果的优劣进行评价。它又可以分为两种类型：绝对评价和相对评价。前者是直接对图像进行判断，后者是将处理结果和原图像进行比较或者对多种方法处理的结果进行比较来评价处理效果的优劣。对图像作主观评价的人也分为两类：一是内行观察者，也称为专业观察者，他们是图像应用在某一领域的专家，熟知图像在该领域所要表达的倍息特点，如图像处理的程序开发人员等；另外一个是外行观察者，他们大都仅从视觉审美的角度观察图像，从某种意义上也对图像处理效果的评价起到积极作用。
（2）客观评价法
客观评价法主要是通过计算一些量化的指标或者通过描绘能反映图像自身性能的曲线来评价图像处理效果的方法。这里所说的量化指标是一些能反映图像特性的数字值，如图像的方差，均值，信噪比等。按照上面所说的对去嗓的图像应从3方面考虑，可以采用如下的数字指标来客观评价去噪效果。
七、双边滤波器
双边滤波最先是由Tomasi和Manduchi提出的[13]。双边滤波器对图像的每一点计算其空间相邻且灰度相近的像素值的加权平均，再用它替换掉像素点原来的值，从而达到滤波的效果。在图像灰度变化平缓的区域(小的邻域内灰度变化不大)，双边滤波器转化为标准的低通空域滤波器；而在图像灰度变化剧烈的区域，比如在～个二值倒像的边缘上，灰度域影响函数在灰度值相同的一边为1，而在灰度值不同的一边近似于0，滤波器用边缘点邻域内灰度近似的像素点的灰度平均值替代原灰度值。这样，双边滤波既可以达到去噪的效果又可以保留图像的细节，是一种具有应用价值的非线性滤波方法。
双边滤波是一种保留边缘的图像平滑技术．文[14]分析了双边滤波与各向异性传播的关系。文[15]从线性代数的角度讨论了双边滤波、各向异性传播与鲁棒统计之间的关系。文[16]进一步从鲁棒统计的角度为双边滤波提供了一个理论框架，在理论上证明了空间域影响函数。f和灰度域影响函数g采用高斯形式对野点具有更好的鲁棒性，能更好地保留边缘。