简单介绍常见的噪声以及其概率密度函数
时间: 2023-11-02 17:04:55 浏览: 179
常见的图像噪声有以下几种:
1. 高斯噪声:高斯噪声是指在图像中的每个像素值上加上一个服从高斯分布的随机噪声。高斯噪声在自然图像中比较常见,其概率密度函数为:
$$p(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$
其中,$\mu$是高斯分布的均值,$\sigma$是标准差。
2. 椒盐噪声:椒盐噪声是指将图像中的一些像素值改变为最小值或最大值,相当于在图像中添加了一些黑白点。椒盐噪声的概率密度函数为:
$$p(x)=\begin{cases}
P_{salt}, & x=V_{max}\\
P_{pepper}, & x=V_{min}\\
1-P_{salt}-P_{pepper}, & otherwise
\end{cases}$$
其中,$V_{max}$和$V_{min}$分别是最大和最小像素值,$P_{salt}$和$P_{pepper}$是椒盐噪声的密度。
3. 泊松噪声:泊松噪声是指在图像中的每个像素值上加上一个服从泊松分布的随机噪声。泊松噪声通常出现在光子计数较少的图像中,如X射线图像。泊松噪声的概率密度函数为:
$$p(x)=\frac{\lambda^x}{x!}e^{-\lambda}$$
其中,$\lambda$是泊松分布的均值。
4. 乘性噪声:乘性噪声是指图像中每个像素的值与一个小于1的随机数相乘得到的噪声。乘性噪声通常由于图像采集设备的缺陷或光照条件的变化引起。其概率密度函数通常比较复杂,没有通用的表示形式。
以上是常见的几种图像噪声及其概率密度函数。在实际应用中,根据不同的噪声类型,可以采用不同的去噪算法进行处理。
阅读全文