在之前的文章（例如文獻【4】）中，我們給出了圖像的退化模型。因爲本文的主要話題是去噪，所以現在僅討論噪聲引起的圖像退化問題：
這也是最簡單的噪聲模型——加性噪聲（additive nosie）模型，對此有三個基本假設：
- 噪聲是加性的；
- 噪聲是隨機的信號（通常情況下即均值爲零的高斯白噪聲）；
- 噪聲是高頻信號（可以參考文獻【2】中的解釋）；
在之前的文章（例如文獻【2】）中，我們已經體驗了在Python中利用小波變換對圖像進行去噪的效果，本文將更加側重背後的原理。特別地，我們將理清軟閾值與硬閾值等相關的概念。下面所示爲利用小波變換對圖像做去噪處理的一個基本框架。歡迎關注白馬負金羈的博客 http://blog.csdn.net/baimafujinji，鑑於目前網上盜貼、洗稿等現象嚴重，爲保證公式、圖表得以正確顯示，強烈建議你從該地址上查看原版博文。本博客主要關注方向包括：數字圖像處理、算法設計與分析、數據結構、機器學習、數據挖掘、統計分析方法、自然語言處理。