學習筆記：數字圖像處理——圖像中噪聲分布和概率密度函數的關系

?

學習的時候，看到各種噪聲，高斯、銳利、伽馬、均勻等。每個分布有概率密度函數，而這個和噪聲有啥具體的連接的關系，我不是很懂，稍微研究了一下，要點如下：

?

例如下圖高斯噪聲的概率密度函數：

z表示灰度值，μ表示z的平均值或期望值，σ表示z的標準差。標準差的平方為z的方差。

?

（Z不一定要和原圖像的范圍一致，例如應該可以是0-10）

?

?

我理解：噪聲本身和圖像內容無關。

假設產生均值為20，標準差為10，大小為256*256

Noise?= 20 + 10*randn(256);

hist(Noise,100)；%直方圖

也就是說，

這個256*256個點的每一個點的灰度值是20的概率最大，是20之外的其他數值的概率逐漸減小。所以整副噪聲圖像的出現灰度值為20左右的數量是最多的。

再加到原圖像上。

?

噪聲我參考：

和岡薩雷斯書上一樣的

https://blog.csdn.net/zhougynui/article/details/51764798

理解噪聲的函數和噪聲圖像的關系 C++

https://blog.csdn.net/u012936765/article/details/53200918

Matlab添加噪聲，濾波

https://blog.csdn.net/wulafly/article/details/53225269

matlab給數字圖像加高斯白噪聲的幾種方法

https://blog.csdn.net/liuyingying0418/article/details/79432962
數字圖像處理之椒鹽噪聲和中值濾波 C++

https://blog.csdn.net/tsfx051435adsl/article/details/78251739

總結

以上是生活随笔為你收集整理的图像处理：图像中噪声分布和概率密度函数的关系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。