本文介绍了图像处理中噪声的概念，包括加性噪声和乘性噪声，以及高斯噪声、瑞利噪声、指数噪声和椒盐噪声等类型。通过概率密度函数阐述了各种噪声的特性，并提供了在8位深度图像上添加高斯噪声和椒盐噪声的代码示例。
图像中的噪声就是图像中的杂点或者干扰成分，噪声主要产生于图像的获取和传输过程中。噪声一般分为分为加性噪声和乘性噪声。
其中f(x,y)表示图像，g(x,y)表示没有噪声的图像部分，q表示噪声。这两种噪声可以通过取对数和指数相互转换：
常见的几种噪声有，高斯噪声、瑞利噪声、指数噪声和椒盐噪声。除椒盐噪声以外其他三种均属于加性噪声。椒盐噪声既不属于加性噪声也不属于乘性噪声。
噪声是有噪声分量灰度值的统计特性来描述的，它们可以被认为是由概率密度函数（PDF）表示的随机变量，下面是几种噪声的概率密度函数。
高斯随机变量z的概率密度函数为：
μ表示z的期望值，σ表示z的方差。
瑞利噪声的概率密度函数为：
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
