视频处理学习笔记（三）——几种常见的图像噪声

几种常见的图像噪声

最常见的图像处理形式之一就是去除图像的噪声，为此以下介绍几种常见的图像噪声形式

高斯噪声

所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。

来源：

• 图像传感器在拍摄时市场不够明亮、亮度不够均匀；
• 电路各元器件自身噪声和相互影响；
• 图像传感器长期工作，温度过高。

处理方法：

• 平均（卷积）滤波
• 中值滤波
• 高斯平滑

程序实现（基于python）：

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from skimage import util
import cv2
img = Image.open("C:\\Users\\ranmaohua\\Desktop\\索拉卡.jpg")
img = np.array(img)
noise_gs_img = util.random_noise(img, mode="gaussian")
plt.imshow(noise_gs_img)
plt.xticks([])  # 去掉x轴
plt.yticks([])  # 去掉y轴
plt.axis('off')  # 去掉坐标轴
plt.show()

结果（左边是原图，右边是加入高斯噪声后的图片）

泊松噪声

何为泊松噪声，就是符合泊松分布的噪声模型，泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等等

程序实现（基于python）

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from skimage import util
import cv2
img = Image.open("C:\\Users\\ranmaohua\\Desktop\\索拉卡.jpg")
img = np.array(img)
noise_poisson_img = util.random_noise(img, mode="poisson")
plt.imshow(noise_poisson_img)
plt.xticks([])  # 去掉x轴
plt.yticks([])  # 去掉y轴
plt.axis('off')  # 去掉坐标轴
plt.show()

乘性噪声与加性噪声

加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。一般通信中把加性随机性看成是系统的背景噪声。

乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。乘性随机性看成系统的时变性（如衰落或者多普勒）或者非线性所造成的。

椒盐噪声

椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值。

程序实现（基于python）

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from skimage import util
import cv2
img = Image.open("C:\\Users\\ranmaohua\\Desktop\\索拉卡.jpg")
img = np.array(img)
noise_sp_img = util.random_noise(img, mode="s&p")
plt.imshow(noise_sp_img)
plt.xticks([])  # 去掉x轴
plt.yticks([])  # 去掉y轴
plt.axis('off')  # 去掉坐标轴
plt.show()