图像中的噪声

噪声的来源：数字图像的噪声主要产生于获取、传输图像的过程中。在获取图像的过程中，摄像机组件的运行情况受各种客观因素的影响，包括图像拍摄的环境条件和摄像机的传感元器件质量在内都有可能会对图像产生噪声影响。在传输图像的过程中，传输介质所遇到的干扰也会引起图像噪声，如通过无线电网络传输的图像可能因为光或其他大气因素被加入噪声信号。

图像去噪意义：图像去噪是指减少数字图像中噪声的过程，广泛应用于图像处理领域的预处理过程，去噪效果的好坏会直接影响后续的图像处理效果，如图像分割、图像模式识别等。

这里重点介绍常用的均值、高斯滤波与中值滤波。

均值滤波

均值滤波是典型的线性滤波算法，主要方法为邻域平均法，即用一个图像区域的各个像素的平均值来代替原图像的各个像素值。

均值滤波的主要作用是减小图像灰度值的“尖锐”变化从而达到减小噪声的目的。但是，由于图像边缘在一般情况下也是由图像灰度尖锐化引起的，因此，均值滤波也存在边缘模糊的问题。

下面先给出均值滤波的数学定义。

不妨设r为处理窗口的半径，μ为待求的窗口内像素均值，I(x,y)为输入像素值，g(x,y)为输出像素值，则有如下定义：

以r=1的处理窗口为例，处理模板如表所示：

均值滤波的方式比较简单：也就是在图中从开始到结束，用这个模板去进行滑动，模板中的计算就是，与模板相同位置的9个像素点全部相加求均值，滑动一格，得到一格新的均线值，滑动完成，得到滤波后的新的图。

如图所示，（a）图是一副噪声比较大的电路板图像。如果直接对此图像进行分割和后续的识别工作，将会得到比较大的噪声和虚假特征点。因此，在进一步处理前首先对此图像进行一个预处理。用3×3窗口的均值滤波对其进行处理后的效果如图(b)所示。左侧图像中比较多的细小噪声基本已经被滤除，但是也带来了图像的边缘细节丢失的后果。