理工酷

图像降噪是从图像中去除噪声或失真的技术。它的应用范围很广，可以使模糊图像变清晰。 在说明什么是图像去噪之前先从以下几个方面来入手了解一下：

• 什么是图像？
• 什么是图像噪声？
• 噪声有哪几种类型？

什么是图像？

图像就是某人的脸，一个建筑，一只动物或者其他的什么东西吗？

并不是。

图像是从0到255范围内的数字的多维数组。每个数字都可以看作是x（水平）和y（垂直）坐标的组合，称为像素。

I(x, y) = pixel, where I denotes Intensity at position x and y.

以下是三个不同类型的图像————

• 二进制图像————像素值为0（暗）或255（亮）。
• 灰度图像————像素值为0—255范围内的数值。
• 彩色图像————图像由3个通道组成：红色（R），绿色（G）和蓝色（B）。 对于每个通道，像素值的范围是0到255。

二进制图像，灰度图像和彩色图像的示例如下：

什么是图像噪声？

图像噪声是图像中亮度或颜色信息随机变化而产生的不希望存在副产品，它们掩盖了所需的图像信息。

通常，在图像传输，采集，编码或处理过程中会引入图像噪声。

常用的噪声模型

假设

C(x, y) = Corrupted Noisy Image;
O(x, y) = Original Image;
N(x, y) = Image Noise;

• 加性噪声————将图像噪声加到原始图像上得到一个受损的噪声图像。

  C(x, y) = O(x, y) + N(x, y)

• 乘性噪声————图像噪声与原始图像相乘，产生受损的噪声图像。

  C(x, y) = O(x, y) * N(x, y)

图像噪声有哪几种类型？

主要讨论一下几种图像噪声类型：

• 高斯噪声（Gaussian Noise）
• 椒盐噪声（Salt and Pepper Noise）
• 斑点噪声（Speckle Noise）
• 泊松噪声（Poisson Noise）

1.高斯噪声

它是一种统计噪声，其概率密度函数为正态分布。

2.椒盐噪声

也可以称为数据丢失。它是固定值的脉冲噪声。 它只有两个可能的值（对于8位图像），即盐噪声为255（亮），而胡椒噪声为0（暗）。

3.斑点噪声

斑点噪声是自然存在于图像中并破坏图像质量的粗糙噪声。 斑点噪声可以通过将随机像素值与图像的不同像素相乘来建模。

4.泊松噪声

也称为散粒噪声或量子（光子）噪声。这种类型的噪声具有泊松分布的概率密度函数。

---

什么是图像去噪？

这是一个保留图像细节同时尽可能从图像中消除随机噪声的过程。

我们将图像去噪滤波器分成两大类：

• 传统滤波器————传统上用于消除图像噪声的滤波器。 这类过滤器可进一步分为空间域和变换域滤波器。
• 基于模糊的滤波器————这类滤波器的过滤程序中包含模糊逻辑概念。

主要详细介绍一下传统滤波器：

1.空间域滤波器————在这种情况下，滤波器直接作用于输入图像（图像的像素）。

2.变换域滤波器————当需要分析信号时，必须使用变换域滤波器。 此时，我们将给定的信号变换到另一个域，并在另一个域进行去噪处理，然后进行变换的逆操作将去噪后的信号变换到原来的域，从而获得最终输出。

参考https://iq.opengenus.org/image-denoising-and-image-processing-techniques/