一、噪聲
圖像常見噪聲基本上有以下四種，高斯噪聲，泊松噪聲，乘性噪聲，椒鹽噪聲。下面五幅圖分別代表了，原圖，以及添加了高斯噪聲，泊松噪聲，乘性噪聲，椒鹽噪聲的圖像。
1、原圖。
2、高斯噪聲。
高斯噪聲是指它的概率密度函數服從高斯分佈（即正態分佈）的一類噪聲。如果一個噪聲，它的幅度分佈服從高斯分佈，而它的功率譜密度又是均勻分佈的，則稱它爲高斯白噪聲。高斯白噪聲的二階矩不相關，一階矩爲常數，是指先後信號在時間上的相關性。產生原因：
1)、圖像傳感器在拍攝時市場不夠明亮、亮度不夠均勻；
2)、電路各元器件自身噪聲和相互影響；
3)、圖像傳感器長期工作，溫度過高。
3、泊松噪聲。
泊松噪聲，就是符合泊松分佈的噪聲模型，泊松分佈適合於描述單位時間內隨機事件發生的次數的概率分佈。如某一服務設施在一定時間內受到的服務請求的次數，電話交換機接到呼叫的次數、汽車站臺的候客人數、機器出現的故障數、自然災害發生的次數、DNA序列的變異數、放射性原子核的衰變數等等
4、乘性噪聲。
乘性噪聲一般由信道不理想引起，它們與信號的關係是相乘，信號在它在，信號不在他也就不在。
5、椒鹽噪聲。
椒鹽噪聲，椒鹽噪聲又稱脈衝噪聲，它隨機改變一些像素值，是由圖像傳感器，傳輸信道，解碼處理等產生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起。
二、濾波
1、介紹。
消除圖像中的噪聲成分叫作圖像的平滑化或濾波操作。無論聽廣播還是看電視，頻道就是頻率的通道，不同的頻道就是將不同的頻率作爲一個通道來進行信息傳輸。sin（3x）+sin（5x）的曲線把sin（5x）拿出去，看看剩下的是什麼。這基本是不可能做到的。但是在頻域呢，就是幾條豎線而已。
所以很多在時域看似不可能做到的數學操作，在頻域相反很容易。這就是需要傅里葉變換的地方。尤其是從某條曲線中去除一些特定的頻率成分，這在工程上稱爲濾波，是信號處理最重要的概念之一，只有在頻域才能輕鬆的做到。
2、均值濾波和和中值濾波。
均值濾波和和中值濾波都可以起到平滑圖像，慮去噪聲的功能。
均值濾波採用線性的方法，平均整個窗口範圍內的像素值，均值濾波本身存在着固有的缺陷，即它不能很好地保護圖像細節，在圖像去噪的同時也破壞了圖像的細節部分，從而使圖像變得模糊，不能很好地去除噪聲點。均值濾波對高斯噪聲表現較好，對椒鹽噪聲表現較差。可以參考圖像處理 均值濾波
帶有權值的均值濾波也叫做高斯濾波，對高斯噪聲的過濾處理效果比普通的均值濾波來的號。可以參考圖像處理 高斯濾波
中值濾波採用非線性的方法，它在平滑脈衝噪聲方面非常有效,同時它可以保護圖像尖銳的邊緣，選擇適當的點來替代污染點的值，所以處理效果好，對椒鹽噪聲表現較好，對高斯噪聲表現較差。可以參考圖像處理 中值濾波
3、 傅里葉濾波。
對圖像經過傅里葉轉換之後的濾波。高通濾波，低通濾波是按頻率劃分的。對於正弦曲線，振幅變化快就是高頻，變化慢就是低頻。那麼對於圖像，像素值變化快就是高頻（噪聲啦，邊緣啦、邊緣及噪聲在局部像素值變化較大），像素值變化慢就是低頻。所以一幅圖像低頻較多，高頻較少。高通濾波器（邊緣提取，高頻），通錄波器（圖像平滑，低頻），中通濾波就是一個圓環。