伴随着网络技术、电子技术和多媒体技术的发展,数字图像和视频已经成为社会生活中最重要的信息媒介之一,逐渐在各个行业和领域均扮演重要的角色。但是,数字图像和视频在获取、传输和存储等过程中往往都会引入噪声,为了保证质量,使其能够提供较好的视觉感受,并尽量减少对后续的图像和视频处理造成影响,选择合适的策略来抑制噪声和恢复原有信息显得尤为重要。基于这一原因,本文关注于图像和视频去噪算法的研究与实现。本文对当前常用的图像和视频去噪算法分别进行了系统的分析和介绍。针对于图像去噪算法,本文按照空间域和变换域这两类进行归纳,并分析比较了常见的各种算法;针对于视频去噪算法,本文按照时域和时-空域的方式进行初步分类,然后根据是否带有运动估计进一步细分,并以各个分类的代表算法进行了解释和比较。针对于视频高斯噪声的去除,本文提出了一种时空域双边滤波算法,是一种邻域的方法。该算法利用视频序列前后帧图像之间的相关性,引入了时域相似性因子,表征像素在时间轴上的相似性。然后将其与传统双边滤波算法的空间邻近度因子和灰度相似度因子相结合,一同控制视频序列的去噪操作。Matlab仿真结果表明,时空域双边滤波算法在主观评价体系和客观评价体系中均获得了较好的视频去噪效果。针对于图像高斯噪声的去除,本文提出了一种自适应非邻域去噪算法,属于非邻域滤波。该算法利用改进的Sobel算子对图像进行平滑区域和边缘区域的区分,然后利用开关型灰度相似性滤波算法对平滑区域进行滤波,利用Non-Local Means的方法对边缘区域进行滤波。实验结果表明,该算法大幅度地降低了传统非邻域去噪算法的复杂度,并且拥有不错的去噪效果。该算法也在Matlab上进行了仿真,并根据客观、主观和复杂度评价体系三方面做了详尽的分析。最后,本文将时空域双边滤波算法和自适应非邻域去噪算法均基于OpenCV视觉函数库进行了软件实现,达到了良好的处理效果。