在图像处理的过程中，一般情况下都进行图像增强，图像增强主要包括“空域增强”和“频域增强”， 空域增强包括平滑滤波和锐化滤波。

平滑滤波，就是将图像模糊处理，减少噪声。那么在滤波之前，首先需要了解一下噪声的种类，行成原因以及各种的特点。

噪声可能来自于开始的图像采集，量化或者后续的图像编码压缩传送过程，根据具体的离散性和随机性主要讲噪声分成三类：'gaussian'、'poisson'、'salt&pepper'。下面我将具体分析三者的差异

一、高斯白噪声（gaussian）

高斯白噪声，在百度的定义为幅度分布服从高斯分布，概率谱分布服从均匀分布。白光是所有颜色光的集合，而白噪声也可以理解成在频谱上分布丰富，且在功率谱上趋近于常值。频域有限，时域无限，那么也就是说，它在任何时刻出现的噪声幅值都是随机的。高斯分布也称正态分布，有均值和方差两个参数，均值反应了对称轴的方位，方差表示了正态分布曲线的胖瘦。高斯分布是最普通的噪声分布。

在MATLAB中 有用于创建噪声的函数，调用格式为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('原图像');

>> subplot(2,2,2),imshow(j1);

>> xlabel('高斯白噪声，方差＝0.05');

>> subplot(2,2,3),imshow(j);

>> xlabel('高斯白噪声，默认方差');

>> subplot(2,2,4),imshow(j2);

>> xlabel('高斯白噪声，方差＝0.2');

上段代码即对图像进行了 不同方差参数的 高斯加噪，

从图像中可以看出，方差参数越大，图像越模糊。

二、泊松噪声

何为泊松噪声，就是符合泊松分布的噪声模型，泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等等

了解了泊松分布数学模型，那什么是泊松噪声、以及为什么会图像会出现泊松噪声呢？由于光具有量子特效，到达光电检测器表面的量子数目存在统计涨落，因此，图像监测具有颗粒性，这种颗粒性造成了图像对比度的变小以及对图像细节信息的遮盖，我们对这种因为光量子而造成的测量不确定性成为图像的泊松噪声。

泊松噪声一般在亮度很小或者高倍电子放大线路中出现。具体调用格式如下：

clear all

>> i=imread('god.jpeg');

>> j=imnoise(i,'poisson');

>> figure

>> subplot(1,2,1),imshow(i);

>> xlabel('原图');

>> subplot(1,2,2),imshow(j);

>> xlabel('poisson加噪');

三、椒盐噪声

何为椒盐噪声，椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。具体调用格式如下：

>> 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('原图');

>> 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');

从上图可以看出，噪声密度d越大，对图像的影响也就越大，一般l大约影响d*numel(I)个像素。

四、总结

下面对一副图像分别添加gaussian、poisson、salt&pepper噪声。

>> 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('原图');

>> 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');

由此可见，椒盐噪声的强度最大，但是噪声分布最稀松。继续对比ga