[科普中国]-图像噪声

噪声概念

目前大多数数字图像系统中，输入图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工变换。最后往往还要再组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面图像只是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定的。不同的图像噪声，人的感觉程度是不同的，这就是所谓人的噪声视觉特性课题。1

图像噪声在数字图像处理技术中的重要性越来越明显，如高放大倍数航片的判读，X射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。下面就是对图像噪声基本知识的介绍：

噪声分类基于产生原因外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。

内部噪声：一般又可分为以下四种：

（1）由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。

（2）电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。

（3）器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。

（4）系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。

基于统计理论平稳和非平稳噪声两种。在实际应用中，不去追究严格的数学定义，这两种噪声可以理解为：其统计特性不随时间变化的噪声称其为平稳噪声。其统计特性随时间变化而变化的称其为非平稳噪声。

基于噪声源首先，是记录在感光片上的图像会受到感光颗粒噪声的影响；其次，图像从光学到电子形式的转换是一个统计过程（因为每个图像元素接收到的光子数目是有限的）。最后，处理信号的电子放大器会引入热噪声。人们为建立这三类噪声的模型进行过大量研究。

（1）电子噪声

在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的。这类噪声很早就被电路设计人员成功地建模并研究了。一般常用零均值高斯白噪声作为其模型．它具有一个高斯函数形状的直方图分布以及平坦的功率谱。它可用其 RMS值（标准差）来完全表征。有时，电子器件也会产生一种所谓的1/f 噪声．这是一种强度与频率成反比的随机噪声。然而，图像处理问题很少需要对这种噪声进行建模。

（2）光电子噪声

光电子噪声是由光的统计本质和图像传感器中光电转换过程引起的。在弱光照的情况下，其影响更为严重，此时常用具有泊松密度分布的随机变量作为光电噪声的模型。这种分布的标准差等于该随机变量均值的平方根。

在光照较强时，泊松分布趋向更易描述的高斯分布；而标准差（RSM幅值）仍等于均值的平方根。这意味着噪声的幅度是与信号有关的。

常见噪声图像系统中的噪声来自多方面 ，有电子元器件 ，如电阻引起的热噪声；真空器件引起的散粒噪声和闪烁噪声；面结型晶体管产生的颗粒噪声和噪声；场效应管的沟道热噪声 ；光电管的光量子噪声和电子起伏噪声；摄象管引起的各种噪声等等。由这些元器件组成各种电子线路以及构成的设备又将使这些噪声产生不同的变换而形成局部线路和设备的噪声。另外还有就是光学现象所产生的图像光学噪声。在这一小节中，我们仅对一些专用元器件和设备噪声略加介绍。

光电管的噪声光电管通常作为光学图像和电子信号之间转换器件，如光密度计各种形式的扫描输入输出设备，传真机的收发片机光电转换等。光电管的噪声主要包括两个方面，其一是到达光电管阴极光量子数的起伏骚动，其二是每个入射光量子所发射电子数的起伏骚动。假定光电管的阳极电流为，根据肖特基公式，阳极电流的噪声电流可由下面的式子表示： 式子中为电子电荷。

摄象管的噪声摄象管大体可分为三类：其一是利用光电子放电效应进行光电变换，除一些特殊场合下（如低照度医疗电视等）已很少使用。其二是利用光导效应进行光电变换。因为这种摄象管的轻巧廉价等优点，目前已经广泛应用在工业电视，广播电视方面。其三是固体摄象器件，如BBD和CCD。它是将光学信号电荷存储于金属氧化物电容的半导体耗尽层上，由外部加激励脉冲，使电荷沿同一方向顺序传输，从输出端取出信号电流。

椒盐噪声椒盐噪声（salt & pepper noise）是数字图像的一个常见噪声，椒盐噪声就是在图像上随机出现黑色白色的像素。那么传入两个参数，分别为黑白像素在图像上所占比例，就可以对图像进行修改。

摄像机的噪声摄像机噪声主要包括两个方面，一是摄象管输出噪声，另一部分是摄像机中放大和处理电路所引起的噪声。对摄像机输出噪声影响最大的是前置放大器的噪声性能，至于其他放大和处理电子电路中的噪声，对已成熟的光导摄像机影响不大。

去噪方法均值滤波器采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。

几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。

谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。

逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。2

自适应维纳滤波器它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。

中值滤波器它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。3

形态学噪声滤除器将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。

小波去噪这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。4