图像噪声是什么，图像如何去噪？（新手必看）

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收的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，会影响图像处理的全过程，以至于影响输出结果。

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，无论是模拟处理还是计算机处理，无一不将最前一级的噪声减小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。在图像传输的过程中，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，包括高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声以及脉冲噪声（又称为椒盐噪声或双极性噪声）等。其中，脉冲噪声在图像噪声中最为常见。在图像生成和传输的过程中，经常会产生脉冲噪声，主要表现在成像的短暂停留中。

脉冲噪声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。

图像噪声的来源

外部噪声是指系统外部干扰以电磁波的方式或经电源串进系统内部而引起的噪声，例如电气设备、天体放电现象等引起的噪声。

内部噪声一般可分为以下 4 种：

1. 由光和电的基本性质引起的噪声。例如，电流是由电子或空穴粒子的集合定向运动形成的，而这些粒子运动的随机性会形成散粒噪声；导体中自由电子的无规则热运动会形成热噪声；根据光的粒子性，图像是由光量子传输的，而光量子密度随时间和空间变化会形成光量子噪声等；
2. 电器的机械运动产生的噪声。例如，各种接头因抖动而引起电流变化所产生的噪声，如磁头、磁带等抖动或一起的抖动等；
3. 器材材料本身引起的噪声。例如，正片和负片的表面颗粒性以及磁带、磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声在不断减少，但目前来讲，还是不可避免；
4. 系统内部设备电路所引起的噪声。例如，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。

图像噪声的滤除

通过平滑图像，可以有效减少和消除图像中的噪声，从而改善图像质量，这对于提取对象特征以进行分析非常有利。

经典的平滑技术通常使用局部算子对噪声图像进行处理。在对某个像素进行平滑处理时，仅对其局部小邻域内的其他像素进行操作。这种方法的优点在于计算效率高，并且能够实现多个像素的并行处理。

近年来，出现了一些新的图像平滑处理技术，这些技术结合了人眼的视觉特性，运用了模糊数学理论、小波分析、数学形态学和粗糙集理论等新方法，取得了良好的效果。

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，也会导致图像模糊，从而损失图像细节信息；
• 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，因此被公认为一种有效的方法。然而，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。随着滤波窗口长度的增加和噪声污染的加重，中值滤波效果明显下降。

针对中值滤波方法的缺陷，目前科学家已经提出了一些改进方法，但这些方法都是无条件地对所有的输入样本进行滤波处理。然而，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，其余的像素仍保持原值。无条件地对每个像素进行滤波处理必然会损失图像的某些原始信息。

因此，人们提出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。由于是有选择地进行滤波处理，避免了不必要的滤波操作和图像的模糊，因此滤波效果得到了进一步的提高。但这些方法在判断和滤除脉冲噪声的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，甚至无法进行噪声检测，同时算法的计算量也明显增加，从而影响了滤波效果和速度。