高斯噪音，以 Carl Friedrich Gauss 的名字命名，是信號處理理論中的一個術語，表示一種信號噪聲，其概率密度函數 (pdf) 等于正態分布（也稱為高斯分布）。 換句話說，噪聲可以取的值是高斯分布的。

高斯隨機變量 z {\displaystyle z} 的概率密度函數 p {\displaystyle p} 由下式給出：

p G ( z ) = 1 σ 2 π e ? ( z ? μ ) 2 2 σ 2 {\displaystyle p_{G}(z)={\frac {1}{\sigma {\sqrt {2 \pi }}}}e{-{\frac {(z-\mu ){2}}{2\sigma {2}}}}}

其中 z {\displaystyle z} 代表灰度級，μ {\displaystyle \mu } 平均灰度值和 σ {\displaystyle \sigma } 它的標準偏差。

一個特例是 White 高斯噪聲，其中任何一對時間的值均同分布且統計獨立（因此不相關）。 在通信信道測試和建模中，使用高斯噪音作為加性白噪聲，產生加性白高斯噪音。

在電信和計算機網絡中，通信信道會受到來自許多自然來源的寬帶高頻噪聲的影響，例如導體中原子的熱振動（稱為熱噪聲或約翰遜-奈奎斯特噪聲）、散粒噪聲、黑體輻射 來自地球和其他溫暖的物體，以及來自太陽等天體。

數字圖像中高頻噪聲的主要來源出現在采集過程中，例如 由照明不良和/或高溫和/或傳輸引起的傳感器噪聲，例如 電子電路噪聲。 在數字圖像處理中，可以使用空間濾波器減少高頻噪聲，但在對圖像進行平滑處理時，不良結果可能會導致精細縮放的圖像邊緣和細節變得模糊，因為它們也對應于受阻的高頻。 傳統的用于噪聲去除的空間濾波技術包括：均值（卷積）濾波、中值濾波和高斯平滑。