📚 课程目录第3章常见噪声类型

3. 常见噪声类型：数学描述与视觉特征

在图像降噪与Gamma校正参数配置实践中，准确识别噪声类型是选择滤波算法和校正参数的前提。不同噪声的数学模型、概率分布与空间分布特性差异显著，直接影响预处理策略。本节从数学描述与视觉特征两个维度，系统分析四种核心噪声类型。

高斯噪声是最普遍的加性噪声模型，源于传感器热噪声、电子电路抖动或弱光照条件下的放大器噪声。其每个像素点的噪声值独立同分布，服从正态分布。

数学描述：噪声幅值 \( n \sim \mathcal{N}(\mu, \sigma^2) \)，概率密度函数为：
```
p(n) = (1 / (σ * √(2π))) * exp(-(n - μ)² / (2σ²))
```
其中 \(\mu\) 通常为0（零均值），\(\sigma\) 为标准差，控制噪声强度。
视觉特征：整幅图像覆盖细微、密集的颗粒感，类似“雪花”或“沙砾”效果。噪声强度均匀，不随像素亮度变化，在平坦区域（如天空、墙壁）尤为明显。

  关键参数：方差 \(\sigma^2\) 越大，图像退化越严重。Gamma校正前若未抑制高斯噪声，校正后暗区噪声会被显著放大。

椒盐噪声是一种非连续的脉冲噪声，通常由图像传感器故障、内存传输错误或模数转换器位翻转引起。其特点是只有极亮（盐）或极暗（椒）两种像素值。

数学描述：噪声概率模型为：
```
P(x) = 
  p_s,  x = 255 (盐点，纯白)
  p_p,  x = 0   (椒点，纯黑)
  1 - p_s - p_p,  x = 原始像素值
```
其中 \(p_s\) 和 \(p_p\) 分别为盐点和椒点的出现概率，通常 \(p_s = p_p\)。
视觉特征：图像上随机散布着黑白像素点，类似“胡椒与盐粒”的混合效果。噪声点稀疏但对比强烈，对边缘和细节的视觉破坏直观。

实践提示：中值滤波对椒盐噪声抑制效果极佳，但Gamma校正无法消除此类脉冲噪声，反而可能因非线性映射改变噪声点的对比度。

泊松噪声源于光子检测的量子特性，在低光照或高灵敏度成像（如天文摄影、荧光显微）中占主导。其噪声幅值与信号强度相关，属于信号依赖型噪声。

数学描述：观测像素值 \( y \) 服从泊松分布，均值为真实信号 \(\lambda\)：
```
P(y = k) = (λ^k * e^{-λ}) / k!,  k = 0, 1, 2, ...
```
噪声方差 \(\sigma^2 = \lambda\)，即噪声强度随信号强度增大而增大。
视觉特征：亮区噪声颗粒更粗、更明显；暗区噪声相对平滑。整体呈现“颗粒度随亮度变化”的非均匀纹理，类似胶片颗粒感。

注意：泊松噪声的方差与信号均值相等，Gamma校正会改变信号与噪声的耦合关系。校正参数 \(\gamma < 1\) 会压缩亮区噪声，但可能放大暗区噪声。

乘性噪声常见于合成孔径雷达（SAR）、超声成像和激光相干成像系统。噪声以乘积形式叠加在信号上，与信号强度成比例。

数学描述：观测图像 \( g(x,y) = f(x,y) \cdot n(x,y) \)，其中 \( n \) 为噪声场，通常建模为均匀分布或瑞利分布，均值为1：
```
n ~ Uniform(0, 2)  或  n ~ Rayleigh(σ)
```
实际退化模型常写为 \( g = f + f \cdot (n - 1) \)，即噪声幅值与信号强度成正比。
视觉特征：呈现“斑点”或“颗粒”纹理，在均匀亮区噪声明显，暗区噪声微弱。图像局部对比度下降，边缘模糊，类似“磨砂玻璃”效果。

  处理难点：乘性噪声无法通过简单线性滤波完全去除，常用同态滤波或对数变换将其转化为加性噪声后再处理。Gamma校正参数选择需考虑噪声放大效应。

噪声类型	数学模型	信号依赖性	视觉特征	典型来源
高斯噪声	加性：\( g = f + n \)，\( n \sim \mathcal{N}(0,\sigma^2) \)	独立于信号	均匀颗粒感，全图一致	传感器热噪声、放大器抖动
椒盐噪声	脉冲：\( P(x=0)=p_p \)，\( P(x=255)=p_s \)	独立于信号	随机黑白像素点，稀疏高对比	传输错误、ADC位翻转
泊松噪声	信号依赖：\( y \sim \text{Poisson}(\lambda) \)，方差 = \(\lambda\)	方差随信号增大	亮区颗粒粗，暗区平滑	光子检测、低光照成像
乘性噪声	乘性：\( g = f \cdot n \)，\( E[n]=1 \)	幅值随信号增大	斑点纹理，边缘模糊	SAR雷达、超声成像

实践要点：在Gamma校正参数配置前，必须通过直方图分析或局部方差估计识别噪声类型。高斯噪声适合先滤波后校正；泊松和乘性噪声需考虑信号依赖特性，避免校正后噪声非均匀放大。