图像拼接算法的设计与实现(3)
2.2 图像去噪的基本原理
图像预处理中的一个重要环节是图像去噪[ ]。旨在减少待匹配图像和参考图像的噪声，噪声的种类很多，但总的来说分为照相机内部的热噪声，抖动噪声以及外部的电磁干扰噪声等。如果将噪声体现在具体的图像上，又可以将噪声分为两个形式，一种噪声出现的位置是随机的，但其幅度大致相同。另一种噪声出现的位置分布均匀，但幅度却参差不齐。前者一般称为椒盐噪声，后者则为瑞利噪声或高斯噪声[ ],可以用图像的噪声均值来反映噪声的总体强度。如下式：
2.1
在求得图像的噪声均值之后，我们需要用噪声的方差表示噪声分布的均匀情况，方差越大，则分布趋向于不均匀，方差越小，则分布趋向于均匀。如下式：
2.2
其中，x,y表示具体某点的图像，M,N表示总共存在的行列数。而n（x,y)为（x,y)处对应的噪声值。
在实际问题中，我们不得不考虑噪声对于信号的影响，根据先人的总结，可以把其分为乘法噪声和加法噪声两类。不妨设干扰噪声为n(x,y),未经过噪声影响的纯信号为m(x,y)，经过噪声影响后输出的信号为f(x,y)。那么，乘法噪声模型为：
2.3
加法噪声模型为： 2.4
通过观察上诉两式，我们发现，乘法模型要复杂得多，在对精度要求相对较低的时候，并且信号变化不大的情况下，可以用相对简化的加法噪声模型模拟。
2.3 图像去噪的常用方法
在简单的讨论完噪声的基本概念，和去噪的必要性后。本节介绍一些在简化模型（加法噪声）中的去噪方法。
①均值滤波法
均值滤波的原理非常简单易懂，是一种线性的滤波方法[18]。即是对图像中存在的每个像素，选择其周围的八个像素构成一个模板，求得模板中的另外八个像素的平均值，然后代替中间目标像素的值。