一、脉冲噪声和高斯噪声简介
脉冲噪声和高斯噪声是两种常见的信号干扰类型，它们的特性和影响各不相同：
脉冲噪声（Impulse Noise）：
在图像中，脉冲噪声表现为随机出现的亮点或暗点，这些噪声点通常与周围像素明显不同。脉冲噪声也被称为椒盐噪声，因其外观类似于图像上撒了黑椒和食盐。
这种噪声可能由图像传感器、传输错误或其他电子干扰引起。
处理脉冲噪声通常使用中值滤波器等非线性滤波技术，这些技术能有效去除这些孤立的噪声点而不过度模糊图像。
高斯噪声（Gaussian Noise）：高斯噪声在图像中表现为在整个图像上加上了一层随机的灰度变化，使图像看起来更"粗糙"。
这种噪声的幅度在像素间呈正态分布，影响是全局性和一致的。
高斯噪声的来源可能包括传感器噪声、环境光的波动或电路的热噪声。
减少高斯噪声通常采用高斯滤波、双边滤波等线性或非线性滤波技术。
二、均值滤波和中值滤波简介
均值滤波（Mean Filtering）：
原理：均值滤波是一种线性滤波技术，通过对图像中每个像素的邻域内的像素值求平均，来计算该像素的新值。
效果：这种滤波器可以有效地去除图像中的随机噪声，但缺点是它也会使图像边缘模糊，因为它不区分边缘和噪声，统一进行平均处理。
应用：适用于去除随机噪声，尤其是高斯噪声，但不适合处理具有锐利边缘或细节要求较高的图像。
中值滤波（Median Filtering）：原理：中值滤波是一种非线性滤波技术，它通过将图像中每个像素的邻域内的像素值进行排序，并取中间值作为该像素的新值。
效果：中值滤波特别有效于去除脉冲噪声（如椒盐噪声），同时能较好地保持图像边缘的清晰度。这是因为中值滤波只是替换极端值，而不改变邻域内其他像素的值。
应用：广泛用于去除椒盐噪声和其他类型的极端值噪声。由于其保边缘的特性，中值滤波在医学图像处理和实时视频处理中非常有用。
三、代码
Matlab
img = imread("E:/桌面/图.jpg"); % 读取图像
img_gray = rgb2gray(img); % 转换为灰度图像
% 1. 添加脉冲噪声并使用均值滤波进行处理
img_noise = imnoise(img_gray, 'salt & pepper', 0.05); % 添加脉冲噪声
img_denoised_mean = filter2(fspecial('average', 3), img_noise); % 使用均值滤波进行去噪处理
figure;
subplot(2,2,1), imshow(img), title('原彩色图');
subplot(2,2,2), imshow(img_gray), title('灰度图');
subplot(2,2,3), imshow(img_noise), title('加入脉冲噪声的图像');
subplot(2,2,4), imshow(uint8(img_denoised_mean)), title('均值滤波去噪后的图像');
% 2. 添加脉冲噪声并使用中值滤波进行处理
img_noise = imnoise(img_gray, 'salt & pepper', 0.05); % 添加脉冲噪声
img_denoised_median = medfilt2(img_noise); % 使用中值滤波进行去噪处理
figure;
subplot(2,2,1), imshow(img), title('原彩色图');
subplot(2,2,2), imshow(img_gray), title('灰度图');
subplot(2,2,3), imshow(img_noise), title('加入脉冲噪声的图像');
subplot(2,2,4), imshow(img_denoised_median), title('中值滤波去噪后的图像');
% 3. 添加高斯噪声并使用均值滤波进行处理
img_noise = imnoise(img_gray, 'gaussian', 0, 0.02); % 添加高斯噪声
img_denoised_mean = filter2(fspecial('average', 3), img_noise); % 使用均值滤波进行去噪处理
figure;
subplot(2,2,1), imshow(img), title('原彩色图');
subplot(2,2,2), imshow(img_gray), title('灰度图');
subplot(2,2,3), imshow(img_noise), title('加入高斯噪声的图像');
subplot(2,2,4), imshow(uint8(img_denoised_mean)), title('均值滤波去噪后的图像');
% 4. 添加高斯噪声并使用中值滤波进行处理
img_noise = imnoise(img_gray, 'gaussian', 0, 0.02); % 添加高斯噪声
img_denoised_median = medfilt2(img_noise); % 使用中值滤波进行去噪处理
figure;
subplot(2,2,1), imshow(img), title('原彩色图');
subplot(2,2,2), imshow(img_gray), title('灰度图');
subplot(2,2,3), imshow(img_noise), title('加入高斯噪声的图像');
subplot(2,2,4), imshow(img_denoised_median), title('中值滤波去噪后的图像');四、效果图
1.脉冲噪声+均值滤波
在原始灰度图像上添加了脉冲噪声，使得图像中出现了黑白相间的明显点状噪声。使用均值滤波处理后，图像的噪声显著减少，但在去噪的同时，图像细节有所损失，导致图像变得模糊。
2.脉冲噪声+中值滤波
在原始灰度图像上添加了脉冲噪声，使得图像中出现了黑白相间的明显点状噪声。使用中值滤波后的图像，相比于均值滤波，在去除噪声的同时保留了图像的边缘和细节信息，因此得到的图像更清晰，噪声点也被有效地去除。
3.高斯噪声+均值滤波
在原始灰度图像上添加了高斯噪声，图像整体变得模糊，但不像脉冲噪声那样明显。使用均值滤波处理后，能够减少高斯噪声的影响，但在去噪的同时，图像细节有所损失，导致图像变得模糊。
4.高斯噪声+中值滤波
在原始灰度图像上添加了高斯噪声，图像整体变得模糊，但不像脉冲噪声那样明显。使用中值滤波后的图像，相比于均值滤波，在去除噪声的同时保留了图像的边缘和细节信息，因此得到的图像更清晰，噪声点也被有效地去除。
注：有任何问题欢迎评论区交流讨论或者私信！