نمایش مبدأ برای نویز گاوسی

{{multiple image
| direction = vertical
| width = 256
| footer =
| image1 = 512x512-No-Noise.jpg
| alt1 = Without noise
| caption1 = بدون نویز
| image2 = 512x512-Gaussian-Noise.jpg
| alt2 = With Gaussian noise
| caption2 = همراه با نویز گاوسی
}}
'''نویز گاوسی''' {{انگلیسی|Gaussian noise}} یک نویز استاتیکی است که از تابع توزیع چگالی احتمال [[توزیع طبیعی|نرمال]]([[تابع گاوسی]]) پیروی می‌کند؛ یعنی، مقادیر این نویز، توزیع گاوسی دارند.<ref>{{cite book | title = McGraw-Hill Dictionary of Scientific and Technical Terms | url = https://archive.org/details/mcgrawhilldictio0000unse_w4l3 | publisher = McGraw-Hill | edition = 6 | year = 2003| isbn = 978-0-07-042313-8}}</ref>

نویز گاوسی در تصاویر و ویدیوها توزیعی تصادفی از [[آرتیفکت]]‌ها است که باعث می‌شود تصاویر کم‌رنگ و تار به نظر برسند. اگر از نزدیک و با دقت به تصاویر روی فیلم‌های گرفته شده با دوربین‌های قدیمی‌تر یا تصاویر نوارهای ویدیویی که مدت طولانی آرشیو شده‌اند نگاه شود، ذرات ریز با الگوهای تصادفی قابل مشاهده است.

در ارتباطات منظور از نویز گاوسی، یک تداخل تصادفی است که در اثر حرکت الکتریسیته در خط ایجاد می‌شود. این نویز مشابه [[نویز سفید]] است با این تفاوت که دامنهٔ فرکانسی آن کم‌تر است. نویز گاوسی بر خلاف نویز سفید و [[نویز صورتی]] قابل رؤیت است؛ به عنوان مثال، هنگامی که تلویزیون روی شبکه‌ای است که برنامه‌ای پخش نمی‌کند، می‌توان نویز گاوسی را دید و شنید. کانال‌های ارتباطی ممکن است با [[پهنای‌باند|پهنای باند]] نویز گاوسی که از بسیاری از منابع طبیعی مثل ارتعاشات گرمایی اتم‌ها در رساناها ([[نویز گرمایی]])، [[لکه لکه شدن کوانتمی|نویز شلیکی]] {{انگلیسی|shot noise}}، [[جسم سیاه|تابش جسم سیاه]] از سمت زمین و سایر اجسام گرم و [[جرم آسمانی|اجرام آسمانی]] مثل خورشید ایجاد می‌شود، تحت تأثیر قرار گیرند.<ref>{{یادکرد
|نویسنده=Pankaj Rakheja, Rekha Vig
| عنوان = Image Denoising using Combination of Median Filtering
and Wavelet Transform
|ژورنال=International Journal of Computer Applications
|تاریخ= May 2016
|دوره=141
|شماره=9
|doi=10.5120/ijca2016909803
}}</ref>

یک مورد خواص این نویز، نویز گاوسی سفید است که مقادیر آن در هر دو زمانی دو [[متغیر تصادفی مستقل]] با توزیع یکسان است. در تست و مدل کردن کانال ارتباطی، نویز گاوسی به عنوان نویز سفید افزایشی استفاده می‌شود تا '''نویز سفید افزایشی گاوسی''' {{انگلیسی|Additive white Gaussian noise}} را تولید کند.

== نویز گاوسی در تصاویر دیجیتال ==
نویز گاوسی معمولاً مقادیر خاکستری در تصاویر دیجیتال را مختل می‌کند. به همین خاطر مدل نویز گاوسی اساساً با [[تابع چگالی احتمال]] بر حسب مقدار خاکستری یا نرمالیزه کردن [[بافت‌نگار|هیستوگرام]] بر حسب مقدار خاکستری مشخص می‌شود.<ref>{{یادکرد
|نویسنده=Ajay Boyat, Brijendra Kumar Joshi
| عنوان = A Review Paper: Noise Models in Digital Image Processing
|تاریخ= May 2015
|doi=10.5121/sipij.2015.6206
}}</ref>
{{وسط‌چین}}

<math> p(g) = \frac{1}{\sigma\sqrt{2\pi}} e^{ -\frac{(g-\mu)^2}{2\sigma^2}} </math>

{{پایان وسط‌چین}}
که <math>g</math> مقدار خاکستری، <math>\sigma</math> [[انحراف معیار]] و <math>\mu</math> برابر میانگین است.

[[File:نمودار نویز گاوسی.jpg|thumb| 450px |وسط |استاندارد شدهٔ توزیع چگالی احتمال یک نویز گاوسی]]

در [[پردازش تصویر دیجیتال]] برای حذف نویزها، معمولاً از فیلترهای میانگین ([[کانولوشن]])، میانه و فیلتر گاوسی پایین‌گذر استفاده می‌کنند.<ref>{{یادکرد
|نویسنده=Ameen Mohammed Abd Al-salam Selami, Ahmed Freidoon Fadhil
| عنوان = A Study of the Effects of Gaussian Noise on Image Features
|تاریخ= April 2016
|ژورنال= Kirkuk University Journal
|جلد= 11
|صفحه= 152-169
}}</ref>

== جستارهای وابسته ==
* [[فرایند گاوسی]]
* [[نویز]]
* [[نویز سفید]]
* [[کارل فریدریش گاوس]]
* [[توزیع نرمال]]

== منابع ==
{{پانویس}}
{{توزیع‌های احتمالات}}
{{آمار}}
{{ویکی‌انبار-رده|Normal distribution}}

[[رده:توزیع مزدوج پیشین]]
[[رده:توزیع نرمال]]
[[رده:توزیع‌های پیوسته|نرمال]]
[[رده:توزیع‌های خانواده نمایی]]
[[رده:فرایندهای تصادفی]]
[[رده:صوت‌شناسی]]