在進行任何影像任務之前，通常會做一些影像的前處理，然後才將影像丟入模型中，所以今天要來分享的是其中一個常做的前處理：對影像中的雜訊做濾除

常見的雜訊

影像中的雜訊是由各種因素引起的，它們可能會干擾我們對影像的正確理解和分析。以下是一些常見的影像雜訊類型：

高斯雜訊(Gaussian Noise)

高斯雜訊通常會出現在感測器或電子電路等地方，它在數位影像中會呈現高斯分布的狀態

脈衝雜訊(Impulse Noise)

脈衝雜訊是由尖銳且突然的干擾引起的，在影像中，這種雜訊通常以極端的像素值(0 或 255)出現，形成黑色或白色的雜訊，也可被稱為椒鹽雜訊(Salt and Pepper Noise)。由於其突兀的特性，人眼對於這種雜訊會更加敏感

濾波器

為了去除影像中的雜訊，可以使用基於數學原理而設計的各種濾波器，這些濾波器目的都是要保留影像的有用資訊並去除雜訊。以下是一些常見的影像濾波器，它們會利用像素周遭的局部資訊以達到去雜訊的目的：

均值濾波(Mean Filter)

均值濾波會將 NxN 像素的值相加後取平均值，N 通常為奇數，然後將結果當作是正中心的那個像素值
這種濾波器適用於去除低頻雜訊，但對於脈衝雜訊的效果較差

中值濾波(Median Filter)

中值濾波是通過排序 NxN 個像素值並取出中間值來當作正中心的那個像素值
這個方法可以有效處理椒鹽雜訊，同時保留較多的邊緣細節。然而，當考慮越多的鄰近像素時，保留細節的效果可能會降低

高斯濾波(Gaussian Filter)

高斯濾波的原理類似於均值濾波，也是會用到目標像素值周遭的像素取平均，但在計算平均值時會考慮那些周遭像素的權重。這些權重是通過二維的高斯函數計算出來的，也就是說，高斯濾波會更加強調附近像素的影響，同時較遠像素的影響會較小
這種濾波方法在計算上可能需要較長的時間