下载掌阅APP，畅读海量书库
立即打开
图像噪声可以理解为妨碍人的视觉器官或系统传感器对所接受图像源信息进行理解或分析的各种因素。一般图像噪声是不可预测的随机信号，只能用概率统计的方法去认识。噪声作用于图像处理的输入、采集、处理以及输出的全过程，特别是图像在输入、采集的过程中引入的噪声，会影响到图像处理全过程以及输出结果。噪声对图像的影响无法避免，因此一个良好的图像处理系统不论是模拟处理还是计算机处理，都把最前一级的噪声减少到最低作为主攻目标。因此，滤除图像中的噪声就成为图像处理中极为重要的步骤，对图像处理有着重要的实际意义。
数字图像的噪声主要来源于图像获取的数字化过程。图像传感器的工作状态受各种因素的影响，如环境条件、传感器元件质量等。在图像传输过程中，所用的传输信道受到干扰，也会产生噪声污染。例如，通过无线网络传输的图像可能会因为光或其他大气因素的干扰而受到噪声污染。图像噪声的种类有多种，主要有高斯噪声、瑞利噪声、伽马以及脉冲噪声等。其中，脉冲噪声（又称为椒盐噪声或双极性噪声）在图像噪声中最为常见。在图像生成和传输过程中，经常会产生脉冲噪声，主要表现在成像的短暂停留中，对图像质量有较大的影响，需要采用图像滤波方法给予滤除。
外部噪声是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。
内部噪声一般又可以分为以下四种：
（1）由光和电的基本性质所引起的噪声。比如电流是由电子或空穴粒子的集合定向运动所形成的，这些粒子运动的随机性而形成散粒噪声；导体中自由电子的无规则热运动所形成热噪声。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光量子噪声。
（2）电器的机械运动产生的噪声。比如各种接头因抖动引起电流变化所产生的噪声，磁头、磁带等抖动或一起抖动等。
（3）器材材料本身引起的噪声。比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，不过目前还是不可避免的。
（4）系统内部设备电路所引起的噪声。比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。
通过图像平滑可以有效地减少和消除图像中的噪声，以改善图像质量，有利于抽取对象特征进行分析。经典的平滑技术对噪声图像使用局部算子，当对某一个像素进行平滑处理时，仅对它的局部小邻域内的一些像素进行处理，其优点是计算效率高，而且可以对多个像素并行处理。近年来出现了一些新的图像平滑处理技术，结合人眼的视觉特性，运用模糊数学理论、小波分析、数学形态学、粗糙集理论等新技术进行图像平滑，取得了较好的效果。
灰度图像常用的滤波方法主要分为线性和非线性两大类。线性滤波方法一般通过取模板做离散卷积来实现，这种方法在平滑脉冲噪声点的同时会导致图像模糊，损失了图像细节信息。非线性滤波方法中应用最多的是中值滤波。中值滤波可以有效地滤除脉冲噪声，具有相对好的边缘保持特性，并易于实现，因此被公认是一种有效的方法。中值滤波同时也会改变未受噪声污染的像素的灰度值，使图像变得模糊。随着滤波窗口的长度增加和噪声污染的加重，中值滤波效果明显变坏。
针对中值滤波方法的缺陷，目前提出了一些改进方法。这些方法在滤波性能上比传统的中值滤波方法有所改善，但都是无条件地对所有的输入样本进行滤波处理。对于一幅噪声图像来说，只有一部分像素受到了噪声的干扰，其他的像素仍保持原值。无条件地对每个像素进行滤波处理必然会造成损失图像的某些原始信息。因此，人们提出的另一类方法是在滤波处理中加入判断的过程，即首先检测图像的每个像素是否为噪声，然后根据噪声检测结果进行切换，输出结果是在原像素灰度和中值滤波或其他的滤波器计算结果之间切换。由于是有选择地滤波，避免了不必要的滤波操作和图像的模糊，滤波效果得到了进一步的提高。这些方法在判断和滤除脉冲噪声过程中还存在一定的缺陷，比如对于较亮或较暗的图像，会产生较多的噪声误判和漏判，甚至无法进行噪声的检测，同时算法的计算量也明显增加，影响了滤波效果和速度。
图像有时不可避免地会产生噪声，因此需要对图像进行处理。