噪声的本质
噪声的本质是真实信号与理想信号之间存在的偏差，由于在图像的获取、传输和存储过程中，受到各种噪声的干扰和影响，图像的质量会有不同程度的下降。
根据噪声源的不同对噪声常见分类
1，高斯噪声
高斯噪声的产生是由于电子元器件中的点在随机热运动产生的，此类的噪声很早就被人们建立了数学模型，它可由零均值高斯白噪声作为其模型。这类噪声噪声出现位置是分布在每一像素点上，幅度值是随机的，分布近似符合高斯 正态特性。
高斯噪声信号x的概率密度函数
其中表示噪声x均值或期望值，
表示噪声x的标准差。
当x服从高斯分布时，其值有70%落在[(-
), (
+
)]范围内，且有95%落在[(
-2
), (
+2
)]范围内。
2.椒盐噪声
椒盐噪声也称泊松噪声。它一般出现在昭苏非常小的及用高倍电子线路的放大的情况下是由光的统计本质和图像传感器中光电转换过程引起的。在弱光的情况下，影响更为严重，通常使用具有泊松密度分布的随机变量作为这类噪声的模型。这类噪声噪声幅值基本相同，出现位置随机。
定义椒盐噪声信号x有效模型
当Pa=0,Pb
0时，表现为“盐”噪声。当Pa0,Pb=0时，表现为“胡椒”噪声。这都为孤立噪声点
3，颗粒噪声
颗粒噪声可用高斯过程（白噪声）作为有效模型。
示例
(1)原始图像 （2）椒盐噪声 （3）高斯噪声
参考文献：[1]蔡利梅，王利娟. 数字图像处理使用MATLAB分析与实现[M]. 北京：清华大学出版社，2019.