噪音降低

噪音降低，又称降噪，是指从信号中去除噪音或噪声成分。无论是类比或是数码信号，只要有信号的存在，都会受到噪音的影响。其中，又以声音和图像的降噪技术最贴近生活需求（如：耳机的降噪功能、图像的噪声去除）。

噪音介绍

噪音可以是有规律频率分布的随机噪音（如：白噪音），或者由机器与设备，或是算法引进的噪音，后者会跟着频率有所浮动。以下举几个噪音的常见例子：

在电子系统中，主要的噪音为电子受热运动，而产生的热扰动噪声（詹森–奈基斯特噪声），又因为其声音类似风声而被称为Hiss。热扰动噪声可以经由输出讯号的增减来建立出规律，借此消除此噪音干扰。
在声音讯号中，又分为低频的杂音（称为Hum）、像风声的杂音（称为Hiss）以及高频的杂音（称为Buzz），各有不同的成因。举例来说，若以音箱为设备发出的三种杂音来看，Hum可能来自接地线的问题，要检查电源是否反向、周边器材与电器的连接；Hiss则可能是因为音箱中的真空管老旧而产生的问题；Buzz则可能是由于遭到其他讯号干扰，需要做Shielding才能排除问题。
在摄影底片与磁带的噪声，多是来自材质本身的颗粒结构（Film Grain （页面存档备份，存于互联网档案馆））问题。在摄影底片中，底片中颗粒的大小决定了底片的灵敏度，灵敏度较高的底片具有较大的颗粒大小。而在磁带中，磁性粒子的颗粒越大，媒介就越容易产生噪音。使用更大面积的底片或磁带，有机会降低噪音到可接受的水平。

常见需降噪之应用领域及其降噪方式

以下透过介绍几个常见的噪音种类，以及其解决方式进行探讨

地震数据采集

在地震数据采集中，由于无感的地震讯号十分微弱，增强信号对于地震成像、震源反推与整个地震活动的诠释都极为重要。其中，在探勘石油与天然气时，可以利用此技术降噪，提高油气勘探的成功率。由于真实信号在背景的随机噪音中相对难以辨认，在分析讯号时常常被忽略，最终导致重建地震事件时，判断出错误的不连续性和瑕疵。因此，通过减弱随机噪音来增强有用信号，并保留地震剖面的边缘特性，可以降低地震事件分析的错误率，以及对油气检测误判的风险。

声音噪声

声音噪声是指在音讯中，存在的额外声音成分。这些声音成分可能是来自环境噪声、设备噪声、信号传输中的干扰或其他外部干扰源。声音噪声可以对音讯品质和清晰度产生负面影响，降低聆听体验和语音辨识的准确性。

常见的降噪方式有四种，为单端预录[1]（Single-Ended Pre-Recording）、单端嘶声降噪（Single-Ended Hiss Reduction）和编解码器（Codec）或双端系统（Dual-Ended Noise Reduction System）。

单端预录[2] （页面存档备份，存于互联网档案馆）（Single-Ended Pre-Recording）（如：Dolby HX Pro）

在单端预录中，声音噪声在录制过程中会同时记录下来，并在后续的处理中，使用降噪算法进行处理。其目标是从录制好的音讯中，去除或减少噪声成分，以提高声音的清晰度和质量。

单端嘶声降噪[3] （页面存档备份，存于互联网档案馆）（Single-Ended Hiss Reduction）（如：DNL或DNR）

单端嘶声降噪，会针对如嘶声（Hiss）一般的噪音，进行降噪。常用于音讯录制和播放设备中。此类噪声通常是由设备自身的电子元件，或信号传输中的干扰引起的高频噪声。此时算法会专注于去除或减少嘶声噪声的成分，以提高音讯的品质和清晰度。这些算法通常基于信号处理和统计分析技术（如：频遇滤波、自适应滤波与频谱修复）

单端表面噪音减少[4] （页面存档备份，存于互联网档案馆）（Single-Ended Surface Noise Reduction）（如：CEDAR和早期的SAE 5000A）

表面噪音是指由于磁带、唱片或其他媒介的表面有瑕疵或损害，因而引起的噪音现象。单端表面噪音减少即是针对此问题作处理。经常应用在播放唱片时，解决刮痕、爆音和表面非线性问题。像是相位线性自动降噪（Phase Linear Autocorrelator Noise Reduction），和动态范围恢复系统（Dynamic Range Recovery System）这样的单端动态范围扩展器，可以减少旧录音中的各种噪音。

双端系统[5] （页面存档备份，存于互联网档案馆）（Dual-Ended Noise Reduction System）（如：Dolby降噪系统或dbx）

双端系统会透过同时分析讯号的来源端，以及接收端两方向的讯号，进行降噪的处理。系统首先会取得来源端的噪音，做为参考讯号并建立模型，描述此噪音的统计与频谱特性。接着，系统会使用这些参考信号对收端进行降噪处理，以此改善信号的清晰度及其品质。

影像噪声

无论是传统底片相机，或是数码相机拍摄出来的照片，都会有噪音（或称噪声）的存在，而噪声有许多不同的来源。噪声会影响观感问题，为了美观，或后续进入市场、运用在电脑视觉的领域，都会需要降低噪声。以下分别介绍噪声种类与降噪方式。

常见噪声种类

椒盐噪声（Salt and pepper noise）

椒盐噪声，图像中会有随机出现的白点和黑点，故称之。也称为脉冲噪声，是影像中常见的一种噪音类型。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、模数转换器或位元传输错误等。常用的去除这种噪声的有效手段为中值滤波器、伪中值滤波器与异常检测。

高斯噪声（Gaussian noise）

高斯噪声，其噪声的几率密度函数与常态分布（高斯分布）相同，故称之。在图像中，每个像素值有几率偏离原本的值，偏离的部分称为失真。此时建立一个直方图，以发生的频率为横轴、像素值失真的量为纵轴，会呈现出噪声的分布状态，若相似于常态分布，便称之为高斯噪声。

由于中心极限定理指出，多次实验结果，或说不同噪声的总和，皆会趋近于高斯分布，因此以高斯噪声作为模型是很不错的选择。

高感光度噪声（High ISO noise）

人类的感光又分为明度以及色度。高感光度噪声，也分为明度噪声（Luminance Noise）和色彩噪声（Chroma Noise）。明度噪声通常是图像中的灰阶杂质，让图像看起来不构平滑；而色彩噪声则是指图像中纯色部分，出现杂色的情况，通常是红色或绿色的噪声。

常见噪声抑制方式

高感光度噪声抑制

在真实世界中的影像，主要是亮度（明度；Luminance）的变化主导空间频率中的细节资讯，色调变化（色度；Chroma）影响较少。因此，在降低明度噪声时，相对于色彩噪声的降噪，可能会更容易损失细节。

此外，大多数人认为，色彩噪声在影像中造成的不适感远大于明度噪声；与颗粒状的明度噪声相比，色彩噪声会产生数位感与不自然感。因此，大多数降噪算法会将图像细节分为色度和明度组件，并对色度进行更多的降噪处理。

线性平滑滤波器

滤波器是十分常见的影像降噪方式，如：低通滤波器与平滑滤波器。降噪中会使用滤波器作为遮罩（mask），将图片与遮罩做卷积运算（convolution），便能除去噪声。举例来说，高斯遮罩便是由高斯函数所组成，与每一个像素进行卷积，使每个像素的值与邻近像素的值接近，借此达到平滑滤波的效果。

然而，由于多数平滑滤波器是取自身与附近邻居的平均值，作为本身像素的值，因此往往会使图像变得模糊，也因此线性滤波器在实际降噪上很少使用，但仍能为非线性滤波器的基础。

非线性滤波器

非线性滤波器基于线性滤波器的基础，针对特殊情况进行改善与调整，适当设计过后可以良好保留图形细节，以下以中值滤波器作为例子。

中值滤波器为非线性的数位滤波器，其作法是将遮罩包含的数据，由小至大排列并取出中位数，以中位数取代中心数据。若今天噪声的中心数值远大于邻近像素（如：数值差异大的点状噪声），因为数值差距太大，取均值时会把噪声带入真实数值中，所以线性平滑滤波器的效果会变得很差。这时改使用中值滤波器降噪，则可改善。

小波降噪

小波降噪为建立在小波转换多解析基础上的方法，传统降噪方式是假定信号与噪音在不同的频带进行分析，然而，实际上噪音的频率往往分布在整个频率轴上。小波转换有去除信号相关性以及集中信号能量的功能，因此，小波转换能够将信号集中到某些频带，再给予其他频带的小波系数较小的权重，以此达到降噪的功能。其中，又以小波阈值去噪最为常用。

小波阈值降噪会先设置一个临界阈值，若小波系数小于阈值，责任为此系数来自噪音；若大于阈值，则认定此系数来自信号。保留系数，然后再利用处理后的小波系数，重新还原出去除噪声后的影像。相比以往的其他降噪方法，小波变换在低信杂比情况下的降噪效果较好，降噪后的信号识别率较高，同时小波降噪方法对时变信号和突变信号的降噪效果尤其明显。