數字圖像在獲取、處理、傳輸、存儲的過程當中，會涉及許多的轉化步驟，這必然造成圖像受到系統或外界的干擾而產生一定程度的噪聲。圖像產生噪聲并被噪聲污染是導致圖像質量退化的重要因素之一，毫無疑問也是一種影響圖像質量的機制。對圖像來說，大部分的像素點都是有用的信號，只有一小部分是噪聲，而產生噪聲雖然是隨機的，但也是必然的，是不可避免的。圖像的噪聲會使圖像變得模糊不清或者對比度下降，甚至淹沒圖像中原有的信號特征，給以后的圖像處理和分析帶來困難。

因此，在圖像處理過程中，從圖像中濾除噪聲就是一項非常重要的任務。

1、噪聲的概念

噪聲可以理解為妨礙人們感覺器官對所接收的信源信息理解的因素。噪聲是不可預測的，只能用概率統計的方法來認識噪聲所產生的隨機誤差。在成像系統中，噪聲可以理解為影響傳感器對所接收圖像源信息進行理解或分析的各種因素。噪聲對圖像的輸入、采集和處理的各種環節，以及輸出結果的全過程都有影響。按照產生原因，噪聲可分為外部噪聲和內部噪聲。由于外部干擾引起的噪聲為外部噪聲，如外部電氣設備產生的電磁波干擾、脈沖干擾等。由系統電氣設備內部引起的噪聲為內部噪聲，如內部電路的相互干擾。

按照統計特性，噪聲可分為平穩噪聲和非平穩噪聲。統計特性不隨時間變化的噪聲稱為平穩噪聲。統計特性隨時間變化的噪聲稱為非平穩噪聲。按照噪聲和信號之間的關系，噪聲可分為加性噪聲和乘性噪聲。假定信號為S\\(t\\)，噪聲為n\\(t\\)；如果混合疊加波形是S\\(t\\)+n\\(t\\)的形式，則稱為加性噪聲；如果疊加波形為S\\(t\\)[1+n\\(t\\)]的形式，則稱為乘性噪聲。加性噪聲與信號強度不相關，而乘性噪聲則與信號強度有關。為了處理方便，往往將乘性噪聲近似地認為是加性噪聲，而且總是假定信號與噪聲是互相獨立的。

2、圖像中的噪聲

對于圖像信號而言，可將圖像信號看作是二維亮度的離散分布f\\(x，y\\)，則噪聲可看作是對離散亮度分布的干擾，用n\\(x，y\\)來表示。噪聲是隨機性的，因而需要借用隨機過程及其概率密度函數來描述，即要求知道其分布函數和密度函數。當然，在大多數情況下，分布函數和密度函數沒有任何數學規律，很難測定和描述甚至無法得到，所以常用統計特征來描述噪聲的情況，例如均值、方差等。

2.1圖像中的噪聲的特點

（1）噪聲在圖像中的分布與大小不規則，即具有隨機性。

（2）噪聲與圖像之間一般具有相關性。例如，攝像機的信號與噪聲相關，黑暗部分噪聲大，明亮部分噪聲小。

（3）噪聲具有疊加性。各個子系統的噪聲會疊加起來，影響最終圖像效果，導致圖像信噪比下降。

2.2根據其描述方式和特點，常見的圖像噪聲有如下幾種：

（1）白噪聲：具有常量的功率譜。一個特例就是高斯噪聲。

（2）椒鹽噪聲：一種在圖像中產生黑色、白色的脈沖噪聲。該噪聲在圖像中顯現較為明顯，對圖像分割、邊緣檢測、特征提取等后續處理具有嚴重的破壞作用。

（3）沖擊噪聲：指一幅圖像被個別噪聲像素破壞，而且這些像素的亮度與其鄰域的亮度顯著不同。

（4）量化噪聲：在量化級別不同時產生的噪聲。例如圖像的偽輪廓現象。

本文在濾噪過程中主要針對以上常見噪聲進行，通過幾種算法的配合使用，從而達到較好的濾噪效果。

3、算法原理

我們先介紹一下添加白噪聲和沖擊噪聲的方法：對于圖像中的每一個像素，由系統的隨機函數產生一個所有像素是否添加噪聲的分布數組；被選中添加的噪聲的像素再由隨機函數產生一個隨機數，然后利用將圖像的像素值與該隨機數相加，把所得結果作為圖像的像素值；并且通過相關方法，避免像素值大于255。對于上述噪聲其特點是比正常圖像中的信號像素值高的像素，在進行濾噪過程中，可以采用先均值濾波、后最小值濾波的配合方法，或者先中值濾波、后均值濾波的配合方法。
而添加椒鹽噪聲，則利用產生隨機數函數的方法，隨機添加椒鹽噪聲。對椒鹽噪聲的特點是比正常圖像中的信號像素值高或者低的像素，在進行濾噪過程中可以采用先中值濾波、后均值濾波的配合方法，或者先最大值濾波、后最小值濾波配合方法。

4、算法設計

（1）均值濾波

對于每一個像素點以及此像素點周圍的八個像素點進行像素值提取，然后將九個像素值相加求總和，再除以基數九求平均數，得到的數值取整，作為此像素點的像素值，以便去除突出的像素點，從而濾除一定的噪聲。

（2）中值濾波

對于每一個像素點以及此像素點周圍的八個像素點進行像素值提取，然后將九個像素值進行從小到大或從大到小的排序，然后獲取處于中間位置的像素值，作為此像素點的像素值。采用中值濾波方法，可以把圖像信號周圍的跳躍比較大的噪聲（例如灰度值比較小的或者灰度值比較大的噪聲）濾除掉，從而達到去除噪聲的結果。

（3）最大值和最小值濾波

對于每一個像素點以及此像素點周圍的八個像素點進行像素值提取，然后將九個像素值進行從小到大或從大到小的排序，然后將其中最大（或最?。┑南袼刂底鳛榇讼袼攸c的像素值。采用這兩種濾波方法，可以把圖像中偏低（或偏高）的噪聲濾除掉，達到過濾噪聲的目的。

5、結果分析

毫無疑問，以上所有的濾波方法都會對圖像的結果造成模糊，因為對每個像素都進行周圍八個像素的運算，就會產生邊界上的誤差，從而造成圖像內部物體邊界失銳，造成模糊現象。從效果來看，對于白噪聲和脈沖噪聲，先中值濾波、后均值濾波的配合方法的效果，要優于先均值濾波、后最小值濾波的配合方法；而對于椒鹽噪聲，先中值濾波、后均值濾波的配合方法，要優于先最大值濾波、后最小值濾波配合方法，并且先最大值濾波、后最小值濾波配合方法甚至都會造成圖像質量下降的結果，雖然濾噪，但得不償失。

其他方法雖然也有一定模糊，但效果較好，不太會影像圖像質量。所以，在實際的濾噪過程中，還是要根據圖像的實際情況綜合使用算法，合理選擇濾噪方法。

6、結語

過濾噪聲的模型和方法很多，但從根本上可以分為兩大類，即空間域濾波和頻率域濾波?，F在圖像濾波技術中，使用較多效果也較明顯的要算是頻率域濾波方法，因為頻率域濾波方法是將空間域的噪聲分布轉化到頻率域上，此時從頻率譜上將同類頻率的噪聲去除，然后在返回到空間域上，圖像的同類頻率噪聲即被去除，從而達到較好的濾噪效果，此類方法廣泛應用于航天、軍事和醫學等領域。本文只從空間域上講述如何配合使用濾噪方法，以使實際應用中效果比較明顯，尤其對于噪聲比較突出的圖像，效果更加突出。