图像噪声去除/降低是图像处理技术中，图像增强与图像恢复的交叉研究问题，一般认为是一种图像预处理技术。
为了在有噪声的情况下恢复图像，就需要了解噪声的统计性质，以及噪声与图像之间的相关性质。
图像噪声通常是一种空间上不相联系的离散和孤立的像素的变化现象。
图像噪声也是一种图像退化因素。
对信号/图像来说，噪声是一种外部干扰。但噪声本身也是一种信号(携带了噪声源的信息)。
常用图像噪声的概率密度函数
图像噪声是一个随机量，所以噪声一般用其概率特征来描述。
(1)高斯噪声
高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也称为正态分布噪声，其概率密度函数为：
其中，高斯随机变量z 表示灰度值；μ表示z 的平均值或期望值；σ表示z 的标准差，而标准差的平方σ2 称为z 的方差。
高斯噪声是白噪声的一个特例(幅度符合高斯分布)。
白噪声：当图像面上不同点的噪声互不相关时，称为白噪声。
白噪声的特点：频率均匀覆盖整个频谱，功率谱为常量，也即其强度不随频率的增加而衰减。
高斯噪声的形成：电子噪声、弱光照/温度条件下的传感器噪声
扫描二维码关注公众号，回复：
11095874 查看本文章
瑞利噪声：瑞利噪声的概率密度函数为：
概率密度的均值和方差分别为：
瑞利噪声的形成：深度成像、超声波图像。
几何失真的校正
