图像去噪为什么要先加噪呢

现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。

而如果噪声不够明显的情况下是需要补噪再去的。

小噪比较难去除，而一定程度的反而比较容易

问题一：图像中噪声是什么意思 图像中噪声是指由于成像传感器噪声、相片颗粒噪声、图片在传输过程中的通道传输误差等因素会使图片上出现一些随机的、离散的、孤立的像素点，这就是图像噪声。图像噪声在视觉上通常与它们相邻的像素明显不同，例如黑区域中的白点、白区域中的黑点等。

问题二：图像处理中噪声点是指什么? 最简单的，你可以理解成杂色点，一般是由于相机质量低导致的

问题三：图像噪声的噪声概念 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。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：

问题四：图像噪声的常见噪声 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。 对于图像系统而言，光学噪声之所以重要，主要是因为在全部系统噪声中 光学噪声占相当的比重。所谓光学噪声是指由光学现象产生的噪声。如胶片的粒状结构产生的颗粒噪声；印象纸粗糙表面凹凸不平所产生的亮度浓淡分布也属于这类噪声；投影屏和荧光屏的粒状结构引起的颗粒噪声等。光学噪声和电气噪声主要差别表现为：前者是在二维空间中展开的图形 ，而后者可由电压的时间变化来表示 。另外光学噪声多半是乘性噪声即前面我们讲的随信号大小而变化的，而电气噪声一般可以认为是加性噪声 ，但两者都可以看作是平稳随机过程，所以可以用付立叶变换进行分析。

问题五：图片所谓的噪音指的是什么? 数码相机的相片才有“噪声”，全称是“热噪声”。

是一些由红、绿、蓝三色组成的不规则且无规律的细小斑点，是一种感光元件在感光后紧接着的采集矗息时因工作温度高而产生的“误码”。

问题六：图像噪声的关于噪声 显示系统的电子噪声会引起显示点亮度与位置两方面的变化。（1）幅值噪声亮度通道的随机噪声会产生一种“胡椒加盐”效果(即黑白噪声点)，在平坦区域中尤其明显可见。前面提到的经验法则指出有效量化级粗略地等于 RMS噪声幅值。如果噪声是周期性的并且有足够的强度，它会在被显示图像上产生一个叠加的鱼骨形图案。如果噪声是周期性的并且与水平或垂直偏转信号同步，它会产生条状图案。如果所有噪声（包括随机的和周期性的）幅值都低于一个灰度级，那么总的显示效果还是可以的。不过在许多系统中，情况比这要差得多。（2）点位置噪声一种严重的影响来自偏转电路，即点显示间距的不均匀。除非极其严重，显示位置噪声不会给图像带来可察觉的几何畸变。然而，点相互影响与位置噪声的组合会产生相当大的幅值变化。因为点相互影响效应放大了位置噪声，要得到好的显示必须精确控制像素的位置。亮点重叠对区域平坦性的影响上图中点间距的变化会使平坦区域中像素中心点及对角线中点的亮度发生相当大的变化。作为一个例子 ，设想一个1000*1000像素的显示器具有两倍于点半径的点间距。从图2-3-1可看出，当点间距从1.9R变到2.1R时，对角线中点的亮度约从0.87增加到1.16，即发生29%的变化。然而，0.2 R 点间距变化仅是全程偏移的 0.01% 。因此偏移电路中一个0.01%峰一峰值噪声会使对角线中点的幅值产生29%的变化。像素中心和像素中点的幅值也会受到影响，只是程度较轻。当点间距小于2R时，位置噪声的影响将更明显。（3）感光片颗粒噪声感光片的感光乳剂由悬浮在胶体中的卤化银颗粒组成、曝光是一个二值过程，每个颗粒要么完全曝光，要么完全不曝光。在显影时，曝光颗粒还原成的不透明纯银颗粒被保留，而未曝光的颗粒则被冲洗掉、这样，底片的密度变化就由银颗粒的密集程度变化所决定 、在显微镜下 检查可发现，照片上光滑细致的影调在微观上其实呈现一个随机的颗粒性质。此外颗粒本身大小的不同以及每一颗粒曝光所需光子数目的不同，都会引入随机性。这些因素的外观表现称为颗粒性。对于多数应用，颗粒噪声可用高斯过程（白噪声）作为有效模型。与光电噪声类似，其内在分布为泊松分布。由于制造商会公布其生产的各种胶卷的平均颗粒直径，因此只需确定颗粒噪声的标准差（作为颗粒大小和局部图像密度的函数）。

问题七：什么是噪音图像 图像噪声

噪声可以理解为“ 妨碍人们感觉器官对所接收的信源信息理解的因素”。例如一幅黑白图片 ，其平面亮度分布假定为 ，那么对其接收起干扰作用的亮度分布 即可称为图像噪声 。活动的黑白电视图像噪声可以 表示为 。彩色电视图像噪声可以表示为。但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。

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。最后往往还要在组成多维图像信号，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。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。

---