噪聲是干擾和妨礙人類認知和理解信息的重要因素，而圖像噪聲則是圖像中干擾和妨礙人類認識和理解圖像信息的重要因素。由于噪聲本身具有不可預測性，可以將它當做一種隨機誤差（這種誤差只有通過概率統計的方法來識別）。因此，圖像噪聲可以視為一種多維隨機過程，可以選擇隨機過程的概率分布函數和概率密度函數來作為對圖像噪聲進行描述的方法。

1、圖像噪聲的分類

圖像在采集和傳輸的過程當中必然會受到各種噪聲在不同程度上的污染。根據圖像和噪聲之間的相互關系將噪聲劃分為以下三種形式：

（1）加性噪聲

噪聲和原始圖像不相關，可以表示為：

其中 f ( x , y ) 代表被污染的圖像（噪聲圖像），g ( x , y ) 代表原始圖像，n ( x , y ) 代表噪聲。圖像中的加性噪聲一般是在圖像的傳輸過程中由“信道噪聲”和CCD攝像機對圖像數字化的過程中產生的。

（2）乘性噪聲

噪聲和原始圖像相關，可以表示為：

圖像中的乘性噪聲一般是由膠片中的顆粒、飛點掃描圖像中的噪聲、電視掃描光柵等原因造成的。

（3）量化噪聲

圖像中的量化噪聲是圖像在量化過程中圖像從模擬到數字所產生的差異，是圖像量化過程中的誤差。

2、圖像噪聲的模型

圖像中的噪聲根據其概率分布的情況可以分為高斯噪聲（Gaussian noise）、脈沖噪聲(Impulsive noise)、瑞利噪聲(Rayleigh noise)、伽馬噪聲(Gamma noise)、指數噪聲(Exponential noise)和均勻噪聲(Uniform noise)等各種形式。

（1）高斯噪聲

高斯噪聲是所有噪聲當作使用最為廣泛的，傳感器在低照明度或者高溫的條件下產生的噪聲就屬于高斯噪聲，電子電路中產生的噪聲也屬于高斯噪聲，還有很多噪聲都可以根據高斯分布（正態分布）的形式進行描述。高斯噪聲的概率密度函數可以表示為：

其中灰度值用z表示，灰度值的期望值用μ表示，灰度值的標準差用σ表示。高斯噪聲的概率密度函數如下圖所示：

（2）脈沖噪聲

脈沖噪聲的概率密度函數可以表示為：

當a

脈沖噪聲的概率密度函數分布圖：

（3）瑞利噪聲

瑞利噪聲的概率密度函數可以表示為：

概率密度的均值為：

概率密度的方差為：

瑞利噪聲的概率密度函數分布為：

（4）伽馬噪聲

伽馬噪聲的概率密度函數可以表示為：

其概率密度函數分布圖為：

（5）指數函數

指數噪聲的概率密度函數可以表示為：

其中 a>0。

概率密度的均值為：

概率密度的方差為：

其概率密度函數分布圖為：

（6）均勻噪聲

均勻噪聲的概率密度函數可以表示為：

概率密度的均值為：

概率密度的方差為：

其概率密度函數分布為：