图像滤波

图像滤波的目的是消除或者抑制图像中的噪声，从而实现图像增强。噪声的产生方式有很多，可能由图像传输过程中的信号干扰、相机自身的原因和拍摄过程中的抖动等造成。

噪声来源

噪音，就是指在原始信号中出现了我们不希望的信号，或者干扰。

（1）图像获取过程中

两种常用类型的图像传感器CCD和CMOS采集图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声。

（2）图像信号传输过程中

由于传输介质和记录设备等的不完善，数字图像在其传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。

图像噪声

图像的噪声主要分为高斯噪声、脉冲噪声（也称为椒盐噪声）、散斑噪声（泊松噪音）等。噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。在单位时间内对噪音的振幅收集并且整理后，发现它符合正态分布曲线，亦或者称为高斯曲线，那么这样的噪音就称为高斯噪音。

高斯分布

椒盐噪声又称为脉冲噪声，它是一种随机出现的白点或者黑点。它随机改变一些像素值，在二值图像上表现为使一些像素点变白，一些像素点变黑。 是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声，也就是老人们比较熟悉的所谓“雪花”。 椒盐噪声 = 椒噪声 + 盐噪声 ，椒盐噪声的值为0(黑色)或者255(白色)。

当光照射到表面粗糙(与光波波长相比)的物体时，物面就会散射无数相干子波，这些散射子波在物体周围空间相互干涉。若散射子波的相位差满足相长干涉条件，则散射子波在物体周围空间形成亮点；若相位差满足相消干涉条件，则形成暗点。由于散射子波的相位随机分布，因此这些散射子波在物体周围空间就形成了无数随机分布的亮点和暗点，这种随机分布的亮点和暗点就称为散斑(Speckle)。因此，散斑是指表面粗糙物体在相干光照射下而在物体周围空间所形成的具有颗粒结构的大量随机分布的亮点和暗点。

散斑噪声：光源发射和CMOS接收之间都有可能存在一些因素导致单个光子并没有被CMOS接收到或者某一时间段内发射的光子特别多，所以这就导致了灰度值会有波动（图像上出现随机光斑）。

一个好的图像滤波就是会在尽可能去除图像中噪声，同时最大限度保留图像细节信息。最常见和最基本的图像滤波方法有均值滤波、中值滤波、高斯滤波、BM3D滤波（Block Matching and 3D filtering，三维块匹配滤波）和双边滤波等。