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。
细数门前落叶，倾听窗外雨声，
