一、原理

图像相加可以对同一场景的多幅图像求平均值，以降低加性（additive）随机噪声。

二、实验

I= imread('E:\matlab\work\lenna.bmp');     %读取图片
[L H]=size(I)                              %获取大小
K=zeros(L,H)
for i=1:100
  J=imnoise(I,'gaussian',0,0.02);          %随机加噪
  J1=im2double(J);                         %转成double型进行相加
  K=K+J1;
end
K=K/100;
subplot(2,2,1),imshow(I),title('原图像');
subplot(2,2,2),imshow(J),title('加噪声后图像');subplot(2,2,3),imshow(K),title('处理后图像');

效果：

三、对代码的一些关键点的说明

1.im2double

因为图像默认是uint8或bool型（二值图）的。uint8型的计算结果会默认保存为uint8型，超出范围会强制转换，所以要先转成double型。

2.imnoise

参考百度百科：

MATLAB中函数imnoise 是表示添加噪声污染一幅图像，叫做噪声污染图像函数。

g=imnoise(f,‘gaussian‘,m,var)将均值m,方差为var的高斯噪声加到图像f上，默认值是均值m为0，方差var为0.01的噪声。

g=imnoise（f,‘localvar‘,V)将均值为0，局部方差为V的高斯噪声添加到图像f上，其中V是与f大小相同的一个数组，它包含了每一个点的理想方差值。

g=imnoise(f,‘localvar‘,image_intensity,var)将均值为0的高斯噪声添加到图像f中，其中噪声的局部方差var是图像f的亮度值的函数。参量image_intensity和var是大小相同的向量，plot(image_intensity,var)绘制出噪声方差和图像亮度的函数关系。向量image_intensity必须包含范围在[0,1]内的归一化亮度值。

g=imnoise(f,‘salt&pepper‘,d)用椒盐噪声污染图像f，其中d是噪声密度（即包括噪声值的图像区域的百分比）。因此，大约有d*numel（f）个像素受到影响。默认的噪声密度为0.05。

g=imnoise(f,‘speckle‘,var)用方程g=f+n*f)将乘性噪声添加到图像f上，其中n是均值为0，方差为var的均匀分布的随机噪声，var的默认值是0.04。

g=imnoise(f,‘poisson‘)从数据中生成泊松噪声，而不是将人工的噪声添加到数据中，为了遵守泊松统计，unit8和unit16类图像的亮度必须和光子的数量相符合。当每个像素的光子数量大于65535时，就要使用双精度图像。亮度值在0到1之间变化，并且对应于光子的数量除以10e12。