图像噪声的常见噪声 图像系统中的噪声来自多方面，有电子元器件，如电阻引起的热噪声；真空器件引起的散粒噪声和闪烁噪声；面结型晶体管产生的颗粒噪声和噪声；场效应管的沟道热噪声；光电管的光量子噪声和电子起伏噪声；摄象管引起的各种噪声等等。由这些元器件组成各种电子线路以及构成的设备又将使这些噪声产生不同的变换而形成局部线路和设备的噪声。另外还有就是光学现象所产生的图像光学噪声。在这一小节中，我们仅对一些专用元器件和设备噪声略加介绍。对于图像系统而言，光学噪声之所以重要，主要是因为在全部系统噪声中 光学噪声占相当的比重。所谓光学噪声是指由光学现象产生的噪声。如胶片的粒状结构产生的颗粒噪声；印象纸粗糙表面凹凸不平所产生的亮度浓淡分布也属于这类噪声；投影屏和荧光屏的粒状结构引起的颗粒噪声等。光学噪声和电气噪声主要差别表现为：前者是在二维空间中展开的图形，而后者可由电压的时间变化来表示。另外光学噪声多半是乘性噪声即前面我们讲的随信号大小而变化的，而电气噪声一般可以认为是加性噪声，但两者都可以看作是平稳随机过程，所以可以用付立叶变换进行分析。
什么是噪音图像 图像噪声噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如一幅黑白图片，其平面亮度分布假定为，那么对其接收起干扰作用的亮度分布 即可称为图像噪声。活动的黑白电视图像噪声可以 表示为。彩色电视图像噪声可以表示为。但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。大多数数字图像系统中，输入图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工变换。最后往往还要在组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面图像只是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定的。不同的图像噪声，人的感觉程度是不同的，这就是所谓人的。
多图像平均法为什么能去除噪声，该方法的难点是什么 多图平均法跟多次测量取平均值差不多。多幅图像加权，噪声的强度下降。至于难点，应该是加权权值的选取，以及图像的多少。
