第一次接觸”噪聲”這個(gè)專業(yè)詞匯,是在信號(hào)與系統(tǒng)課上,老師當(dāng)時(shí)的解釋是”不想要的干擾信號(hào)”。后來(lái)在模電和FPGA設(shè)計(jì)中，也經(jīng)常遇到這個(gè)詞(FPGA中的毛刺)。如今學(xué)習(xí)圖像處理，再一次碰到它，看來(lái)，”噪聲”真的是隨處可見(jiàn)。

 一般提到噪聲，首先映入腦海的，應(yīng)該是耳朵聽(tīng)到的嘈雜、尖銳的呲呲聲。顯然，聲音就是一種信號(hào)，信號(hào)在傳播的時(shí)候難免會(huì)受到干擾，正是這些干擾導(dǎo)致了噪聲的出現(xiàn)。當(dāng)然，圖像的像素也可以看作是一種信號(hào)，那么，圖像噪聲的出現(xiàn)就是不可避免的了。

噪聲的分類方法有很多種，可以從產(chǎn)生原因、統(tǒng)計(jì)理論觀點(diǎn)、噪聲源等等角度去分類。由于接下來(lái)得學(xué)習(xí)多種去噪算法，需要引進(jìn)數(shù)學(xué)模型，因此重點(diǎn)放在按概率密度函數(shù)分類。但是，為什么可以按概率密度函數(shù)分類呢？因?yàn)樵肼曉诶碚撋峡梢远x為“不可預(yù)測(cè)，只能用概率統(tǒng)計(jì)方法來(lái)認(rèn)識(shí)的隨機(jī)誤差”。因此將圖像噪聲看成是多維隨機(jī)過(guò)程是合適的，因而描述噪聲的方法完全可以借用隨機(jī)過(guò)程的描述，即用其概率分布函數(shù)和概率密度分布函數(shù)。下面介紹幾種常見(jiàn)的噪聲分布模型。

（1）椒鹽噪聲（salt & pepper noise）

        椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。通常，椒鹽噪聲是指兩種噪聲，一種是鹽噪聲（salt noise），另一種是胡椒噪聲（pepper noise）。鹽=白色，椒=黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。一般兩種噪聲同時(shí)出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點(diǎn)。（去除脈沖干擾及椒鹽噪聲最常用的算法是中值濾波。）

（2）高斯噪聲（gaussian noise）

        高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。常見(jiàn)的高斯噪聲包括起伏噪聲、宇宙噪聲、熱噪聲和散粒噪聲等等。

（3）泊松噪聲（poisson noise）

        泊松噪聲就是指它的概率密度函數(shù)服從泊松分布的一類噪聲。

（4）speckle噪聲

（…）