图像噪声的存在，对于最终的画面效果的呈现，有着截然相反的影响。一方面，噪声会造成画面冗余信息的增加，掩盖部分细节，降低感观效果；另一方面，噪声也能够在一定程度上提升画面的细节感，令画面场景看起来更加真实。另外，当前的大多数降噪处理方法在去除噪声的同时，或多或少都会造成一定的细节或者边缘信息的损失。因此，对于图像的降噪处理，需要注意效果平衡的问题。
本文介绍的图像噪声抑制方法，主要是对多组曝光结果进行平均，从而达到降低噪声的效果。在天文摄影中，图像平均的方法是比较常用的。如果不考虑细节损失的话，图像平均是一种很好用的降噪方法，其实质是增加图像的信噪比（SNR）。图像平均的另一个好处是，能够增加图像的位深。再有就是，如果你的相机最多只能够设定到ISO 200（比如大多数的Nikon数码单反相机），但是你却希望得到ISO 100设定的平滑效果，那么这时图像平均处理就可以帮上忙了。
图像平均处理的假设条件是，图像中的噪声处于真正的随机分布状态。这样的话，通过多幅图像的平均操作，便可以很好地抵消掉每个像素的随机上下波动。假设相机设定和拍摄环境都保持不变，那么当你对于平滑灰度背景连续拍照两次的时候，就可以得到如下图所示的两幅相近图像。
上图中的红蓝曲线分别代表两幅图像中像素亮度变化情况，中间的虚线代表原始灰度场景的理想平均值，那么可以看到，噪声图像的像素亮度值会围绕平均值上下波动。通过对两幅图像中相同位置的像素亮度值进行平均，便可以得到更加接近平均值虚线的结果，如下图所示。
尽管平均后的亮度值仍然在理想均值上下波动，但是整体的亮度偏差是减少的。最终呈现的视觉效果是图像变得更加平滑了。通常情况下，两幅噪声图像的平均结果等同于ISO设定的正比变化，比如两幅ISO 400的图像平均后的结果近似于ISO 200设定下的图像。通常情况下，图像平均的降噪效果与参与平均的图像数目的平方根相关，比如，使用4幅图像进行平均，可以将噪声幅度降低为原本的1/2。
接下来的例子主要是为了说明图像平均处理对于真实自然场景的去噪效果。下图经由Canon EOS 300D在ISO 1600设定下所拍摄，其中能够看到明显的噪声。从剪切得到的区域图中，能够明显看到随着参与平均的图像数目的增加，画面中的噪声和细节的变化情况。
下面的图像序列中，增加了Neat Image软件以及中值滤波的的去噪结果，作为对比参考。
以上的结果中，Neat Image对于天空的平滑具有最好的效果，但是它也抹掉了很多树枝和砖墙的细节信息。尽管后续可以通过清晰度（sharpness）增强的操作来提升画面中的细节，但是对于已经丢失的细节内容，清晰度（sharpness）增强是无能为力的。另外一种常用的降噪方法就是中值滤波，大多数Photoshop版本中都有包含该方法。它是通过获取区域像素序列中值以取代当前像素值的方式，达到降噪的效果。该方法一方面能够减少像素间的差异性，另一方面能够在一定程度上保留边缘细节。总体来说，Neat Image依然是最好的选择，理想情况是能够使用两者的组合，使用图像平均尽可能地增加信噪比，然后再使用Neat Image去除残留的噪声，如下图所示。
从上图中可以看出，Neat Image和图像平均的组合既能够保留砖墙的垂直细节，又能够呈现出平滑低噪的效果。图像平均处理的缺点有两个，更大的存储空间和更长的曝光时间。另外，图像平均对于条带噪声和固定模式噪声是无效的。由于图像平均效果会受到相机移动的影响，最好在拍照时使用固定的三脚架，以避免在曝光时的相机移动。
在Adobe Photoshop中，可以使用Layers进行快速的图像平均。首先，将图像序列分别存储在单独的层中，然后，再使用相同的贡献度将每一层混合在一起，得到最终结果。一旦某一层的贡献度大于其他层，则最终的混合效果就会减弱。
在Photoshop中，使用图像平均的关键点在于每幅图像的不透明度（opacity）的计算，以4幅图像为例，背景层应该设置100%，第一层（Layer 1）50%，第二层33%，第三层20%，如下图所示。
