影象去噪處理方法可分以下兩大類：{空間域法：變換域法：在原圖像上直接進行數據運算，對像素的灰度值進行處理在圖像的變換域上處理，對變換後的系數進行相應處理，再反變換達到去噪的目的$\{\begin{array}{ll}空間域法：& \text{在原影象上直接進行資料運算，對畫素的灰度值進行處理}\\ 變換域法：& \text{在影象的變換域上處理，對變換後的係數進行相應處理，再反變換達到去噪的目的}\end{array}$
例1：基於離散餘弦變換的圖像去噪$例1：基於離散餘弦變換的圖像去噪$
噪聲抑制原理：一般，認為影象的噪聲在離散餘弦變換結果的高頻部分，而高頻部分的幅值一般很小，利用這一性質可實現影象的噪聲抑制。

%DCT變換
Y = dct2(Xnoise); %離散餘弦變換
I = size
 
(m,n);%m,n為處理影象的大小
%高頻遮蔽
I(1:m/3:n/3) = 1;
Ydct = Y.*I;
%逆DCT變換
Y = uint8(idct2(Ydct));

例2：基於小波變換的圖像去噪$例2：基於小波變換的圖像去噪$
小波變換去噪可以提取並儲存對視覺其主要作用的邊緣資訊。
基於小波變換的影象去噪技術，主要分以下三步：
（1）二維訊號的小波分解。選擇一個小波和小波分解的層次N，然後計算訊號S到第N層的分解。

%用小波函式coif2對影象XX進行2層
% 分解
[c,l]=wavedec2(XX,2,'coif2'); 
% 設定尺度向量
n=[1,2];      

（2）對高頻係數進行閾值量化。對於從1到N的每一層，選擇一個閾值，並對這層的高頻係數進行軟閾值化處理。

% 設定閾值向量 , 對高頻小波係數進行閾值處理
p=[10.28,24.08]; 
nc=wthcoef2('h',c,l,n,p,'s');

（3）二維小波的重構。

% 影象的二維小波重構
X1=waverec2(nc,l,'coif2');   
subplot(223);              
imshow(uint8(X1));                
%colormap(map);            
title(' 第一次消噪後的影象 '); 
%再次對高頻小波係數進行閾值處理
mc=wthcoef2('v',nc,l,n,p,'s');
% 影象的二維小波重構
 

X2=waverec2(mc,l,'coif2');  
subplot(224);             
imshow(uint8(X2));               
title(' 第二次消噪後的影象 ');