数字图像噪声的分类
一、按产生的原因分类
原因有两类，外部原因和内部原因，这种分类下每种原因多由若干类型的噪声组成，如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。
内部噪声有四个源头：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、从噪声频谱上区分
从噪声的频谱上观察，可分为低频中的1/f噪声，这个噪声在各个系统中都存在的；中间均匀分布的平坦区域为白噪声，即这个区域各频率下的噪声赋值差不多，或说各频率的权值差不多；在频谱的高频部分，有时因滤波白噪声的幅值迅速下降；此外还可能有50HZ的工频干扰；外界其他扰动的周期干扰等等，这相当于从另外一个视角看系统，与上面的第一条组成了横看成岭侧成峰，有助于了解噪声的产生但对去噪没有直接帮助。
三、噪声与信号的关系
上面两点是找到噪声了，这一条是说明噪声是如何干扰信号的，如果信号与噪声完全独立是不存在干扰一说的。据两者的关系将噪声分为加性噪声与乘性噪声。
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；
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、按概率密度函数分
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。
这一部分内容冈萨雷斯先生的数字图像处理第二版（P176）图文并茂，这里只说粗略介绍，图和公式看那本书就是。
a)高斯噪声
在空间域和频域中，由于高斯噪声在数学上的易处理性，这种噪声(也称为正态噪声)模型经常被用在实践中，事实上，这种易处理性非常方便，使高斯模型经常适用于临街情况下。
b)瑞利噪声
需注意，距原点的位移和其密度图形的基本形状向右变形的事实。瑞利密度对于近似偏移的直方图十分适用。
c)伽马(爱尔兰)噪声
d)指数分布噪声
e)均匀分布噪声
f)脉冲噪声(椒盐噪声)
双极脉冲噪声也称为椒盐噪声，同时，它们有时也称为散粒和尖峰噪声。
上述的几种PDF为在实践中模型化宽带噪声干扰状态提供了有用的工具。例如，在一副图像中，高斯噪声的产生源于电子电路噪声和有低照明度或高温带来的传感器噪声。瑞利密度分布在图像范围内特征化噪声现象时非常有用。指数密度分布和伽马密度分布在激光成像中有一些应用。脉冲噪声主要表现在成像中的短暂停留中，例如错误的开关操作。均匀密度分布可能是在实践中描述的最少，然而，均匀密度座位模拟随机数产生器的基础是非常有用的。