本章重点介绍分析几种常用图像去噪算法的特点，分别从空间域和变换域阐述，接着介绍非局部的去噪算法，主要以空间域和变换域，以及局部和非局部的分类方法来描述图像去噪算法的发展过程。
2.1  基于空间域的去噪算法
基于空间域的去噪算法是直接对图像所处的二文空间中的像素灰度值进行运算处理，它通过噪声的不同特性选择不同的滤波函数，以图像中心像素的领域窗口为单位进行滤波处理，达到去除噪声、恢复原图的目的。经典的空间域去噪算法有均值滤波和中值滤波，本节将以这两种滤波算法来阐明空间域去噪算法的原理和特点。
2.1.1  均值滤波算法
在许多情况下，图像噪声是由于胶片的颗粒或数字化系统中的电子噪声产生的，这些噪声可以看作是互不相干、均值为零的随机噪声。因此，被噪声污染的像素点的灰度值会出现明显的跳变，利用这些随机噪声均值为零的特性，可以通过像素邻域取均值的办法来去除噪声。
假设一幅含噪图像为： ， 表示原始无噪图像， 则为均值为零的高斯白噪声。均值滤波的目的是去掉像素点中跳变的灰度值，它以每个像素点为中心取大小为 的邻域窗口，则该邻域中心像素的灰度值就用邻域内所有像素灰度值的均值来代替，对于一幅 的图像，在经过 次取窗口，均值计算之后，得到的去噪图像 自适应三维块匹配图像滤波算法研究(4):http://www.youerw.com/tongxin/lunwen_25546.html