202 数字图像处理（第三版） a b 图55(a)被正弦噪声污染的图像：(6)谱（每对共轭脉冲对应于一个正弦波（原图像由NASA提） 5.2.4噪声参数的估计 典型地。周期噪声的参数是通过检测图像的傅里叶谱来估计的。正如前几节提及的那样，周期噪 声趋向于产生频率尖峰，甚至通过视觉分析也经常可以检测到这些尖峰。另一种方法是试图直接由图 像推断出噪声分量的周期性，但这仅在非常简单的情况下才是可能的。在噪声尖峰格外显著或可以使 用关于干扰的频率分量一般位置的某些知识时，自动分析是可能的 噪声PDF的参数一般可以从传感器的技术说明中得知，但对于特殊的成像装置通常需要估计这 些参数。如果成像系统可用，那么研究系统噪声特性的一种简单方法是获取一组“平坦”环境的图像 例如，在光学传感器的情况下，这像对一个光照均匀的纯色灰度板成像一样简单。结果图像是典型的 系统噪声的良好指示器。 当仅有通过传感器生成的图像可用时，通常可由合理的恒定灰度值的一小部分来估计PDF的 参数。例如，图5.6所示的垂直条带(150×20像素)是从图5.4中所示的高斯、瑞利和均匀图像中截取 的。所显示的直方图是使用这些小条带的图像数据计算出来的。与图5.6中的直方图对应的图5.4中 的直方图.是图5.4(d)、图54(e)和图5.4k)这三组直方图中间的一组。我们可以看出，这些对应的 直方图的形状非常接近于图5.6中的直方图的形状。由于缩放的原因，它们的高度不同，但形状明 显类似。 a b c 图5.6使用小条带（显示为桶图从图5.4中的(a)高斯、(）瑞利和（©）均噪声图像计算的直方图 来自图像条带数据的最简单的用途是计算灰度级的均值和方差。考虑由S表示的一个条带（子图 像)，并今P5(),i=0,1,2,…,L-1表示S中像素灰度的概率估计（归一化直方图饱，其中L是整 个图像中可能的灰度数（例如，对于8比特图像，L为256）。如第3章那样，我们估计S的均值和方 差如下： -P() (5.2-15) 图 。-公-ana (5.2-16)