Matlab中函数imnoise使用浅谈

噪声，简而言之就是图像中随机出现的灰度变化大的离散的像素点。噪声可能来自于图像采集，量化等过程，也可能产生于图像传送过程中，具有离散性和随机性等特点。

1.噪声的分类

根据噪声服从的分布对其进行分类：
（1）高斯噪声（Gaussian white noise）:最普通的噪声，噪声信号随机分布，没有规律；
（2）泊松噪声（Poisson noise）:常在亮度非常小时出现，或在高倍电子放大线路中出现，噪声信号服从Poisson分布。
（3）颗粒噪声：白噪声的一种，图像中显示明显的颗粒，最常见的便是椒盐噪声（salt & pepper noise）。

2.函数imnoise

在Matlab中有一个重要的噪声生成函数imnoise,其常见语法说明如下：

语法	参数说明
J = imnoise(I,type)	按照给定类型添加图像噪声给图像I
J = imnoise(I,type,parameters)	parameters泛指可以添加的参数，类型不同，参数自然不同
J = imnoise(I,‘gaussian’,m,v)	添加高斯白噪声，均值为m，方差为v。default状态下，m = 0,v = 0.01
J = imnoise(I,‘localvar’,V)	添加零均值，局部方差为V的高斯白噪声给图像I。V是与I尺寸相同的数组
J = imnoise(I,‘poisson’)	添加Poisson噪声给图像I
J = imnoise(I,‘salt & pepper’,d)	添加椒盐噪声给图像I，d是噪声密度。这将影响d * numel(I)个像素。default状态下，d = 0.05
J = imnoise(I,‘speckle’,v)	添加乘法噪声给图像I，v是方差。机理：J = I + n * I,n是均匀分布的随机噪声。在default状态下，v = 0.04

注意：函数imnoise在将输入图像添加噪声的过程中，若输入图像的数据类型是double型，范围为[0,1]，噪声‘gaussian’,‘poisson’,‘speckle’的参数类型总是被指定；若输入图像的数据类型是uint8或uint16,imnoise函数先将图像数据类型转化成double类型，添加指定的参数，最后输出时又将数据类型还原成原输入图像数据类型。

参数说明：对于多数噪声类型，输入图像I的数据类型可以是uint8,uint16,int16,single或double。输出图像的数据类型和输入图像的数据类型相同。若I超过了2维，则将其作为多维图像处理，而不是RGB图像处理。

3.imnoise函数使用示例

代码：

I = imread('eight.tif');
subplot(221),imshow(I);
title('Original image');
J = imnoise(I,'gaussian',0,0.02);%添加高斯白噪声，均值0，方差0.02
subplot(222),imshow(J);
title('Gaussian');
K = imnoise(I,'salt & pepper',0.03);%添加椒盐噪声，密度0.03
subplot(223),imshow(K);
title('Salt & Pepper');
L = imnoise(I,'poisson');%添加Poisson噪声
subplot(224),imshow(L);
title('Poisson');

运行截图：
观察运行结果可知：椒盐噪声的强度最大，但噪声分布最稀松，高斯噪声和泊松噪声分布比较密，但高斯噪声的强度比泊松噪声的强度大。