在各种测量中，都需要应对噪声，噪声的产生原因各有不同，而其数学分布有一定规律。本文简单介绍了噪声的几种数学分布，对噪声
的处理有一定作用。
在使用探测器、相机等器件时，都需要应对噪声。噪声具有统计学上的特征属性。可以通过概率密度函数进行分类。
（1）高斯噪声
高斯噪声是指它的概率密度函数服从高斯分布的一类噪声。
概率密度函数PDF：
其中μ为平均值或期望值，σ为标准差，σ2为方差。
产生原因：1）图像传感器在拍摄时市场不够明亮、亮度不够均匀；2）电路各元器件自身噪声和相互影响；3）图像传感器长期工作，温度过高。
（2）瑞利噪声
概率密度函数PDF：
（3）伽马噪声
概率密度函数PDF：
其中，a>0，b为正整数。
（4）指数分布噪声
概率密度函数PDF：
其中a>0。
（5）均匀噪声分布
概率密度函数PDF：
（6）脉冲噪声（椒盐噪声)
概率密度函数PDF：
如果b>a，灰度值b在图像中将显示为一个亮点，相反，a的值将显示为一个暗点。若Pa或Pb为零，则脉冲噪声称为单极脉冲。如果Pa
和Pb均不可能为零，尤其是它们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒，因此称为椒盐噪声。它们有
时也称为散粒和尖峰噪声。
噪声有其功率谱密度函数，可以通过功率密度分类噪声。介绍两种常见的噪声。
白噪声是一种功率谱密度为常数的随机信号。此信号在各个频率上的功率谱密度是一样的，因此这种信号也被称作白噪声。相对的，其
他不具有这一性质的噪声信号被称为有色噪声。
粉红色噪声又被称做1/f噪音，因为它的能量分布与频率成反比，每一次频率翻倍能量就衰退3dB，因此也被称作低频噪声。
展示全部 
