图像处理中的用于消除高斯噪声的加法运算

加法运算属于图像增强中的空间域增强（还有频域增强）的代数运算（还有灰度变换、空间域滤波）中的运算。

公式：c(x,y)=A(x,y)+A(x,y)

应用：去除叠加性噪声

也就是说，(x,y)位置处的灰度级进行相加。叠加性噪声可以看成一种覆盖：例如亮度为0/255的黑色/白块，从灰度级数值上进行简单的相加，其灰度级并没有变化，但该位置的视觉效果是一个黑块或白块，因此，该加法运算可处理的叠加过噪声（理想状态均值为0，实际为小于1）的图像可以理解为噪声图像的覆盖。

例：

现有n幅已知的图像： $g{i}(x,y)=f(x,y)+n{i}(x,y),i=1,2,...,n$ , 已知n{i}(x,y)的均值为0且互不相关，则n幅已知的图像的均值为f(x,y)，即去除了高斯噪声。 $\sum_{1}^{n}g{i}(x,y)/n=n*f(x,y)/n+\sum_{1}^{n}n{i}(x,y)/n=f(x,y)$

n越大，越容易还原原本的图像。n-1个灰度级与1个0/255的灰度级相加，除以n，n越大结果越接近原本的灰度级。相加后除以n的结果= $\frac{(n-1)*x+0}{n}=x-\frac{x}{n}$ （n越大，该像素点位置处的灰度级变暗的数值就越小即越容易从黑块变回原来的颜色）或者 $\frac{(n-1)*x+255}{n}=x-\frac{255-x}{n}$ （n越大，该像素点越容易从白块变回原来的颜色）

注：加高斯噪声的密度对后续结果的亮度有影响

图像处理中的用于消除高斯噪声的加法运算相关推荐

Python-OpenCV图像处理（三）：高斯噪声与高斯模糊
高斯噪声高斯噪声是指高绿密度函数服从高斯分布的一类噪声.特别的,假设一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称这个噪声为高斯白噪声. 高斯模糊原理:是把要模糊的像素色 ...
c语言中加法符号如何定义,【 c语言中无符号和有符号的加法运算】【深入理解】--【sky原创】...
第一题 #include int main() { unsigned int a=6; int b=-20; printf("%d\n",a+b); (a+b)>6? put ...
【 c语言中无符号和有符号的加法运算】【深入理解】--【sky原创】
第一题 #include<stdio.h> int main() { unsigned int a=6; int b=-20; printf("%d\n" ...
图像处理（12）--图像各种噪声及消除方法
文章目录结构 1.什么是图像噪声 2. 图像噪声来源 3. 噪声分类 3.1 高斯噪声及其消除方式 3.1.1 如何确定一种噪声是高斯噪声 3.1.2 高斯滤波消除高斯噪声 3.1.3 高斯函数的重要 ...
《OpenCv视觉之眼》Python图像处理五 :Opencv图像去噪处理之均值滤波、方框滤波、中值滤波和高斯滤波
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
图像处理之平滑滤波、高斯滤波和中值滤波
图像的滤波图像的滤波概念平滑滤波高斯滤波中值滤波图像的滤波概念图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到 ...
深度学习中高斯噪声：为什么以及如何使用
在数学上,高斯噪声是一种通过向输入数据添加均值为零和标准差(σ)的正态分布随机值而产生的噪声. 正态分布,也称为高斯分布,是一种连续概率分布,由其概率密度函数 (PDF) 定义: pdf(x) = ( ...
向数据中添加高斯噪声
什么是高斯噪声高斯噪声既是符合高斯正态分布的误差.一些情况下我们需要向标准数据中加入合适的高斯噪声会让数据变得有一定误差而具有实验价值.高斯噪声还有一些其他用途但是我不太了解,这里我是为了实现多项式 ...
python高斯噪声怎么去除_【OpenCV+Python】线性滤波amp;非线性滤波
线性滤波本次教程将介绍几种OpenCV常用的滤波器,将介绍它们详细的原理,图像滤波对于OpenCV图像处理来说是至关重要的一环,它在整个OpenCV中的分量是举足轻重的,我们必须完完全全的掌握它. ...

图像处理中的用于消除高斯噪声的加法运算

图像处理中的用于消除高斯噪声的加法运算相关推荐

最新文章

热门文章