由于成像系统、传输介质和记录，设备等的不完善，图像在获取、传输与记录过程中不可避免地要受到各种噪声信号的干扰。
噪声的来源主要有：电子电路噪声，低照明度或高温带来的传感器噪声，这种情况下产生的噪声一般可近似认为满足高斯统计分布，即高斯噪声；
传输错误，相机传感器中失效的像素元素，错误的内存位置和模数转换的定时错误产生的噪声，一般称这种情况下产生的噪声为脉冲噪声；
飞点扫描图像、电视扫描光栅以及胶片颗粒造成的乘性噪声，以及合成孔径雷达(Synthetic Aperture Radar，SAR)等相干成像系统会因为回波的相干作用而产生相干斑噪声。
除了这些因素会导致图像退化以外，在图像处理的某些环节也会在结果图像中引入噪声，如在图像中引起较强视觉效果的孤立像素点。这些噪声的存在使图像的像素值偏离了它的真实
值，极大地降低了对图像目标信息的解译能力，如特征提取、目标识别和图像分析。因此，有必要在分析和利用图像之前去除图像中的噪声，即图像去噪或图像滤波。
图像去噪：常用方法之一：（BM3D）
三维块匹配(BM3D)算法：
它首先把图像分成一定大小的块，根据图像块之间的相似性，把具有相似结构的二维图像块组合在一起形成三维数组，然后用联合滤波的方法对这些三维数组进行处理，最后，通过逆变换，把处理后的结果返回到原图像中，从而得到去噪后的图像。该方法确实有效，它不仅有一个较高的信噪比，而且视觉效果也很好。因此研究者提出了很多基于BM3D的去噪方法，例如：基于小波变换的BM3D去噪，基于Anscombe变换域BM3D滤波等等。
这个算法的大概实现过程如下：对一幅加噪图像，连续地取出参考块，对每一个参考块，执行以下操作：
步一. 基础估计
1) 逐块估计。对含噪图像中的每一块
i) 分组。找到它的相似块然后把它们聚集到一个三维数组。
ii) 联合硬阈值。对形成的三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置。
2）聚集。对得到的有重叠的块估计，通过对他们进行加权平均得到真实图像的基础估计。
步二. 最终估计
1) 逐块估计。对基础估计图像中的每一块
i) 分组。通过块匹配找到与它相似的相似块在基础估计图像中的位置，通过这些位置得到两个三维数组，一个是从含噪图像中得到的，一个是从基础估计图像中得到的。
ii) 联合维纳滤波。对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置。
2）聚集。对得到的有重叠的局部块估计，通过对他们进行加权平均得到真实图像的最终估计。