噪聲是干擾和妨礙人類認(rèn)知和理解信息的重要因素，而圖像噪聲則是圖像中干擾和妨礙人類認(rèn)識(shí)和理解圖像信息的重要因素。由于噪聲本身具有不可預(yù)測(cè)性，可以將它當(dāng)做一種隨機(jī)誤差（這種誤差只有通過(guò)概率統(tǒng)計(jì)的方法來(lái)識(shí)別）。因此，圖像噪聲可以視為一種多維隨機(jī)過(guò)程，可以選擇隨機(jī)過(guò)程的概率分布函數(shù)和概率密度函數(shù)來(lái)作為對(duì)圖像噪聲進(jìn)行描述的方法。

1、圖像噪聲的分類

圖像在采集和傳輸?shù)倪^(guò)程當(dāng)中必然會(huì)受到各種噪聲在不同程度上的污染。根據(jù)圖像和噪聲之間的相互關(guān)系將噪聲劃分為以下三種形式：

（1）加性噪聲

噪聲和原始圖像不相關(guān)，可以表示為：

其中 f ( x , y ) 代表被污染的圖像（噪聲圖像），g ( x , y ) 代表原始圖像，n ( x , y ) 代表噪聲。圖像中的加性噪聲一般是在圖像的傳輸過(guò)程中由“信道噪聲”和CCD攝像機(jī)對(duì)圖像數(shù)字化的過(guò)程中產(chǎn)生的。

（2）乘性噪聲

噪聲和原始圖像相關(guān)，可以表示為：

圖像中的乘性噪聲一般是由膠片中的顆粒、飛點(diǎn)掃描圖像中的噪聲、電視掃描光柵等原因造成的。

（3）量化噪聲

圖像中的量化噪聲是圖像在量化過(guò)程中圖像從模擬到數(shù)字所產(chǎn)生的差異，是圖像量化過(guò)程中的誤差。

2、圖像噪聲的模型

圖像中的噪聲根據(jù)其概率分布的情況可以分為高斯噪聲（Gaussian noise）、脈沖噪聲(Impulsive noise)、瑞利噪聲(Rayleigh noise)、伽馬噪聲(Gamma noise)、指數(shù)噪聲(Exponential noise)和均勻噪聲(Uniform noise)等各種形式。

（1）高斯噪聲

高斯噪聲是所有噪聲當(dāng)作使用最為廣泛的，傳感器在低照明度或者高溫的條件下產(chǎn)生的噪聲就屬于高斯噪聲，電子電路中產(chǎn)生的噪聲也屬于高斯噪聲，還有很多噪聲都可以根據(jù)高斯分布（正態(tài)分布）的形式進(jìn)行描述。高斯噪聲的概率密度函數(shù)可以表示為：

其中灰度值用z表示，灰度值的期望值用μ表示，灰度值的標(biāo)準(zhǔn)差用σ表示。高斯噪聲的概率密度函數(shù)如下圖所示：

（2）脈沖噪聲

脈沖噪聲的概率密度函數(shù)可以表示為：

當(dāng)a

脈沖噪聲的概率密度函數(shù)分布圖：

（3）瑞利噪聲

瑞利噪聲的概率密度函數(shù)可以表示為：

概率密度的均值為：

概率密度的方差為：

瑞利噪聲的概率密度函數(shù)分布為：

（4）伽馬噪聲

伽馬噪聲的概率密度函數(shù)可以表示為：

其概率密度函數(shù)分布圖為：

（5）指數(shù)函數(shù)

指數(shù)噪聲的概率密度函數(shù)可以表示為：

其中 a>0。

概率密度的均值為：

概率密度的方差為：

其概率密度函數(shù)分布圖為：

（6）均勻噪聲

均勻噪聲的概率密度函數(shù)可以表示為：

概率密度的均值為：

概率密度的方差為：

其概率密度函數(shù)分布為：