from：https://www.jianshu.com/p/67f909f3d0ce
在圖像處理的過程中，一般情況下都進行圖像增強，圖像增強主要包括“空域增強”和“頻域增強”， 空域增強包括平滑濾波和銳化濾波。
平滑濾波，就是將圖像模糊處理，減少噪聲。那么在濾波之前，首先需要了解一下噪聲的種類，行成原因以及各種的特點。
噪聲可能來自于開始的圖像采集，量化或者后續的圖像編碼壓縮傳送過程，根據具體的離散性和隨機性主要講噪聲分成三類：'gaussian'、'poisson'、'salt&pepper'。下面我將具體分析三者的差異
一、高斯白噪聲（gaussian）
高斯白噪聲，在百度的定義為幅度分布服從高斯分布，概率譜分布服從均勻分布。白光是所有顏色光的集合，而白噪聲也可以理解成在頻譜上分布豐富，且在功率譜上趨近于常值。頻域有限，時域無限，那么也就是說，它在任何時刻出現的噪聲幅值都是隨機的。高斯分布也稱正態分布，有均值和方差兩個參數，均值反應了對稱軸的方位，方差表示了正態分布曲線的胖瘦。高斯分布是最普通的噪聲分布。
在MATLAB中 有用于創建噪聲的函數，調用格式為J=imnoise(I,type)，例子如下：
clear all
>> i=imread('god.jpeg');
>> j=imnoise(i,'gaussian');
>> j1=imnoise(i,'gaussian',0,0.05);
>> j2=imnoise(i,'gaussian',0,0.2);
>> figure
>> subplot(2,2,1),imshow(i);
>> xlabel('原圖像');
>> subplot(2,2,2),imshow(j1);
>> xlabel('高斯白噪聲，方差＝0.05');
>> subplot(2,2,3),imshow(j);
>> xlabel('高斯白噪聲，默認方差');
>> subplot(2,2,4),imshow(j2);
>> xlabel('高斯白噪聲，方差＝0.2');
上段代碼即對圖像進行了 不同方差參數的 高斯加噪，
從圖像中可以看出，方差參數越大，圖像越模糊。
二、泊松噪聲
何為泊松噪聲，就是符合泊松分布的噪聲模型，泊松分布適合于描述單位時間內隨機事件發生的次數的概率分布。如某一服務設施在一定時間內受到的服務請求的次數，電話交換機接到呼叫的次數、汽車站臺的候客人數、機器出現的故障數、自然災害發生的次數、DNA序列的變異數、放射性原子核的衰變數等等
了解了泊松分布數學模型，那什么是泊松噪聲、以及為什么會圖像會出現泊松噪聲呢？由于光具有量子特效，到達光電檢測器表面的量子數目存在統計漲落，因此，圖像監測具有顆粒性，這種顆粒性造成了圖像對比度的變小以及對圖像細節信息的遮蓋，我們對這種因為光量子而造成的測量不確定性成為圖像的泊松噪聲。
泊松噪聲一般在亮度很小或者高倍電子放大線路中出現。具體調用格式如下：
clear all
>> i=imread('god.jpeg');
>> j=imnoise(i,'poisson');
>> figure
>> subplot(1,2,1),imshow(i);
>> xlabel('原圖');
>> subplot(1,2,2),imshow(j);
>> xlabel('poisson加噪');
三、椒鹽噪聲
何為椒鹽噪聲，椒鹽噪聲又稱脈沖噪聲，它隨機改變一些像素值，是由圖像傳感器，傳輸信道，解碼處理等產生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起。具體調用格式如下：
>> clear all
>> i=imread('god.jpeg');
>> i=imread('god.jpeg');
>> j=imnoise(i,'salt & pepper',0.05);
>> j1=imnoise(i,'salt & pepper',0.2);
>> j2=imnoise(i,'salt & pepper',0.5);
>> figure
>> subplot(2,2,1),imshow(i);
>> xlabel('原圖');
>> subplot(2,2,2),imshow(j);
>> xlabel('d=0.05');
>> subplot(2,2,3),imshow(j1);
>> xlabel('d=0.2');
>> subplot(2,2,4),imshow(j2);
>> xlabel('d=0.5');
從上圖可以看出，噪聲密度d越大，對圖像的影響也就越大，一般l大約影響d*numel(I)個像素。
四、總結
下面對一副圖像分別添加gaussian、poisson、salt&pepper噪聲。
>> clear all
>> i=imread('god.jpeg');
>> j=imnoise(i,'gaussian',0,0.025);
>> j1=imnoise(i,'salt & pepper',0.025);
>> j2=imnoise(i,'poisson');
>> figure
>> subplot(2,2,1),imshow(i);
>> xlabel('原圖');
>> subplot(2,2,2),imshow(j);
>> xlabel('gaussian');
>> subplot(2,2,3),imshow(j1);
>> xlabel('salt & pepper');
>> subplot(2,2,4),imshow(j2);
>> xlabel('poisson');
由此可見，椒鹽噪聲的強度最大，但是噪聲分布最稀松。
)
