[数字图像处理]常见噪声的分类与Matlab实现

标签：数字图像处理   噪声类型   图像复原   图像去噪   

1.研究噪声特性的必要性

        本文的内容主要介绍了常见噪声的分类与其特性。将噪声建模，然后用模型去实现各式各样的噪声。

        实际生活中的各种照片的老化，都可以归结为以下老化模型。

     这个模型很简单，也可以直接用以下公式来表达。

在频域内，用以下公式区表示。

     根据以上式子，可以看出，老旧照片的复原，主要分为两个任务，一个是去噪；另一个是去卷积，或者称为逆滤波，也就是将老化滤波器做反处理。

     本文首先由噪声类型与其建模。随后的博文，会介绍几种基础的去噪方法和基础的逆滤波方法。

2.噪声的实现

      2.1    评价用图像与其直方图

        

      2.2  高斯噪声

a = 0;
b = 0.08;
n_gaussian = a + b .* randn(M,N);

         

        2.3 瑞利噪声

        瑞利噪声相比高斯噪声而言，其形状向右歪斜，这对于拟合某些歪斜直方图噪声很有用。

        瑞利噪声的实现可以借由平均噪声来实现。如下所示。

这里的表示均值为0，方差为1的均匀分布的噪声。Matlab里，使用函数rand(M,N)就可以产生一个均值为0，方差为1的均匀噪声。

a = -0.2;
b = 0.03;
n_rayleigh = a + (-b .* log(1 - rand(M,N))).^0.5;

        

       2.4 伽马噪声

         伽马噪声的分布，服从了伽马曲线的分布。伽马噪声的实现，需要使用b个服从指数分布的噪声叠加而来。指数分布的噪声，可以使用均匀分布来实现。

使用若干个(这里用b表示)均匀分布叠加，就可以得到伽马噪声。

当然，当b=1的时候，就可以得到指数噪声了。

a = 25;
b = 3;
n_Erlang = zeros(M,N); 

for j=1:b
    n_Erlang = n_Erlang + (-1/a)*log(1 - rand(M,N));
end

         2.5 均匀噪声

             如同前面所示，均匀噪声可以由函数rand(M,N)直接产生。

a = 0;
b = 0.3;
n_Unifrom = a + (b-a)*rand(M,N);

         2.6 椒盐噪声

        椒盐噪声的实现，需要一些逻辑判断。这里我们的思路是，产生均匀噪声，然后将超过阈值的点设置为黑点，或白点。当然，如果需要拟合电影胶片的损伤的话，可以选用别的类型噪声去拟合。

a = 0.05;
b = 0.05;
x = rand(M,N);

g_sp = zeros(M,N);
g_sp = f;

g_sp(find(x<=a)) = 0;
g_sp(find(x > a & x<(a+b))) = 1;

3.总结

原文发于博客：http://blog.csdn.net/thnh169/ 

[数字图像处理]常见噪声的分类与Matlab实现,布布扣,bubuko.com

[数字图像处理]常见噪声的分类与Matlab实现

标签：数字图像处理   噪声类型   图像复原   图像去噪   

原文地址：http://blog.csdn.net/zhoufan900428/article/details/37695357