數字圖像噪聲的四種分類方式

數字信號處理的每個過程差不多都會有噪聲出現，而最終得到的圖像是噪聲與信號的各種作用以后末級產生，噪聲處理可以是最后統(tǒng)一處理也可是各個過程的分批處理，所以對噪聲的產生以及分類的了解是很有必要的。

一、按產生的原因分類

原因有兩類，外部原因和內部原因，這種分類下每種原因多由若干類型的噪聲組成，如外部噪聲即指系統(tǒng)外部干擾以電磁波或經電源串進系統(tǒng)內部而引起的噪聲。如電氣設備，天體放電現象等引起的噪聲，而這種噪聲可能就是高斯噪聲、脈沖噪聲等多個噪聲合成累計的。

內部噪聲有四個源頭：a)由光和電的基本性質所引起的噪聲。如電流的產生是由電子或空穴粒子的集合，定向運動所形成。因這些粒子運動的隨機性而形成的散粒噪聲；導體中自由電子的無規(guī)則熱運動所形成的熱噪聲；根據光的粒子性，圖像是由光量子所傳輸，而光量子密度隨時間和空間變化所形成的光量子噪聲等。b)電器的機械運動產生的噪聲。如各種接頭因抖動引起電流變化所產生的噪聲；磁頭、磁帶等抖動或一起的抖動等。 c)器材材料本身引起的噪聲。如正片和負片的表面顆粒性和磁帶磁盤表面缺陷所產生的噪聲。隨著材料科學的發(fā)展，這些噪聲有望不斷減少，但在目前來講，還是不可避免的。 d)系統(tǒng)內部設備電路所引起的噪聲。如電源引入的交流噪聲；偏轉系統(tǒng)和箝位電路所引起的噪聲等。

這種分類方法有助于理解噪聲產生的源頭，有助于對噪聲位置定位，對于降噪算法只能起到原理上的幫助。

二、從噪聲頻譜上區(qū)分

從噪聲的頻譜上觀察，可分為低頻中的1/f噪聲，這個噪聲在各個系統(tǒng)中都存在的；中間均勻分布的平坦區(qū)域為白噪聲，即這個區(qū)域各頻率下的噪聲賦值差不多，或說各頻率的權值差不多；在頻譜的高頻部分，有時因濾波白噪聲的幅值迅速下降；此外還可能有50HZ的工頻干擾；外界其他擾動的周期干擾等等，這相當于從另外一個視角看系統(tǒng)，與上面的第一條組成了橫看成嶺側成峰，有助于了解噪聲的產生但對去噪沒有直接幫助。

三、噪聲與信號的關系

上面兩點是找到噪聲了，這一條是說明噪聲是如何干擾信號的，如果信號與噪聲完全獨立是不存在干擾一說的。據兩者的關系將噪聲分為加性噪聲與乘性噪聲。

加性噪聲：加性嗓聲和圖像信號強度是不相關的，如運算放大器，又如圖像在傳輸過程中引進的“信道噪聲”電視攝像機掃描圖像的噪聲的，這類帶有噪聲的圖像g可看成為理想無噪聲圖像f與噪聲n之和；

乘性噪聲：乘性嗓聲和圖像信號是相關的，往往隨圖像信號的變化而變化，如飛點掃描圖像中的嗓聲、電視掃描光柵、膠片顆粒造成等，由于載送每一個象素信息的載體的變化而產生的噪聲受信息本身調制。在某些情況下，如信號變化很小，噪聲也不大。為了分析處理方便，常常將乘性噪聲近似認為是加性噪聲，而且總是假定信號和噪聲是互相統(tǒng)計獨立。

四、按概率密度函數分

這是比較重要的，主要因為引入數學模型，這就有助于運用數學手段去除噪聲。如果將一個系統(tǒng)的所有噪聲比喻成一個人，則上面的的分法是只能說明人由胳膊腿組成或者人由毛發(fā)血肉組成；而第四點分法是說明人由不同的細胞組成，不同的細胞構成了胳膊毛發(fā)，同樣我們由血肉腿也能推出它里面可能包含哪些細胞，對于不同細胞的改造方法是不同的，這個層面上的分法保證了有的放矢。當然，能不能再找到分子層面、原子層面的分法就是人類發(fā)展了。

這一部分內容岡薩雷斯先生的數字圖像處理第二版（P176）圖文并茂，這里只說粗略介紹，圖和公式看那本書就是。

a)高斯噪聲

在空間域和頻域中，由于高斯噪聲在數學上的易處理性，這種噪聲(也稱為正態(tài)噪聲)模型經常被用在實踐中，事實上，這種易處理性非常方便，使高斯模型經常適用于臨街情況下。

b)瑞利噪聲

需注意，距原點的位移和其密度圖形的基本形狀向右變形的事實。瑞利密度對于近似偏移的直方圖十分適用。

c)伽馬(愛爾蘭)噪聲

d)指數分布噪聲

e)均勻分布噪聲

f)脈沖噪聲(椒鹽噪聲)

雙極脈沖噪聲也稱為椒鹽噪聲，同時，它們有時也稱為散粒和尖峰噪聲。

上述的幾種PDF為在實踐中模型化寬帶噪聲干擾狀態(tài)提供了有用的工具。例如，在一副圖像中，高斯噪聲的產生源于電子電路噪聲和有低照明度或高溫帶來的傳感器噪聲。瑞利密度分布在圖像范圍內特征化噪聲現象時非常有用。指數密度分布和伽馬密度分布在激光成像中有一些應用。脈沖噪聲主要表現在成像中的短暫停留中，例如錯誤的開關操作。均勻密度分布可能是在實踐中描述的最少，然而，均勻密度座位模擬隨機數產生器的基礎是非常有用的。

不過這幾個類型的用法實例還不清楚，以后再究。