在图像的采集、获取、编码和传输的过程中，所有的图像均不同程度地被可见或者不可见的噪声污染。噪声的存在严重影响了图像质量，也为图像进一步处理带来了麻烦。为提高图像质量，有利于更深入地图像分析，在图像预处理中就必须减小图像中的噪声，尽可能地保留图像的主要特征。本文主要针对椒盐噪声和高斯噪声，研究基于中值滤波和小波变换的消除数字图像噪声的理论方法，主要研究内容包括： 针对传统中值滤波算法和极值中值滤波算法的不足，首先提出一种带有噪声检测的消除椒盐噪声的改进中值滤波算法。通过设定阈值，并考虑相邻像素的相关性，先检测出噪声点，然后再进行中值滤波。该算法能够更好地保护图像的细节。此外又提出一种基于GF（28）域相似度函数的椒盐噪声滤波算法，将10进制的灰度值转换到GF（28）域内，进行相似度函数的计算，然后根据窗口内每个像素的相似度来确定噪声点，再进行中值滤波。仿真结果和性能指标计算表明，此算法在椒盐噪声的检测和滤除上非常有效。 鉴于双树复小波变换不但继承了传统小波变换的优点，而且还具有近似平移不变性、多方向性、有限冗余和高效计算等特点，设计一种基于双树复小波域隐马尔可夫树模型的图像去噪算法。该算法是在分析反映小波系数尺度间相关性的隐马尔可夫树（HMT）模型的基本思想和方法后，建立复小波域HMT模型，给出基于该模型的图像去噪算法。仿真结果表明，基于双树复小波的HMT模型去噪算法与传统图像去噪算法相比，能够消除传统小波变换因缺乏平移不变性而产生的伪Gibbs现象，在峰值信噪比和保留图像细节上都取得较好效果。 针对基本高斯比例混合模型去噪算法无法区分图像邻域内不同成分的差别的问题，提出一种基于复小波系数反转的去除高斯噪声的图像滤波算法。建立复小波系数的邻域和相邻尺度的模型时，对图像边缘和突变处的不连续特征使用小波系数反转方法建模，将小波尺度间系数相位特性用于信号估计中。应用Bayes选择结构来确定每个小波系数邻域内的模型，进而从含噪声的小波系数邻域中估计出中心系数的值。仿真结果表明，所提出的图像去噪算法可以有效提高图像结构特征区域的去噪效果，降低振铃现象，增加对比度，同时避免其他区域图像质量的下降。 基于嵌入式处理器S3C44BOX和嵌入式操作系统μClinux，设计了具有图像去噪功能的图像采集和预处理装置。该装置通过摄像头完成视频图像的采集和图像文件的存储，并采用本文提出的去噪算法滤除图像噪声，进而通过USB接口和网络接口实现图像文件的传输。