opencv对算法用C++实践
目录
1.图像噪声建模
2.c++代码实现
3.结论
1. 图像噪声建模
首先，我们要区分图像传感器噪声和图像噪声，图像传感器噪声我在博客图像传感器与信号处理——详解图像传感器噪声中有过总结，图像传感器噪声会造成各种各样的图像噪声。
其次，我们需要了解图像降噪模型，图像降噪模型可以建模为：
y = x + n
其中，y yy是观察到的噪声图像，x xx是图像真值，n nn是图像噪声，图像降噪过程就是通过y yy获取x xx，在许多论文中将这个过程描述为不可逆过程，这也就是为什么图像降噪难。本博客就是对图像噪声n nn进行建模：
《数字图像处理》一书中对噪声建模主要有一下几种类型：
（1）高斯噪声
高斯噪声是最常见也是最重要的的一种噪声，众多的图像降噪算法都是以降低高斯噪声为目标设计的，其概率密度函数如下所示：
其中，σ是标准偏差，μ 是灰度值的平均值，这个公式说明的是灰度值为z的概率为多少。
（2）瑞利噪声
瑞丽噪声的概率密度函数如下所示：
概率密度的均值和方法分别为：
瑞利噪声对于图像直方图近似倾斜的图像中的噪声建模较为有效。
（3）伽马噪声
伽马噪声的概率密度函数如下所示：
其中均值和方差分别为