Le bruit est un problème majeur observé lors du traitement des images dans les applications de traitement d'images. Ces niveaux de bruit doivent être prédits et, après estimation, être réduits à un certain niveau maximum décliné. Nous ne pouvons pas structurer complètement des images sans bruit mais nous pouvons améliorer la qualité des images en estimant ces bruits. L'approche proposée est une manière innovante d'estimer et de supprimer le bruit trouvé par observation pendant le traitement des images. L'approche de l'analyse en composantes principales (ACP) est suivie pour supprimer le bruit en l'estimant, ce qui peut être fait en suivant l'une des techniques statistiques qui sont fréquemment utilisées dans le traitement du signal pour la réduction de la dimension des données ou pour la corrélation des données. Dans l'analyse en composantes principales, les blocs d'image sont réorganisés en vecteurs et la matrice de covariance de ce vecteur est calculée. Ensuite, en sélectionnant les valeurs propres de la matrice de covariance qui correspondent uniquement au bruit. Avec l'aide de la moyenne des valeurs propres, nous sommes en mesure d'estimer le bruit présent dans l'image, pour l'estimation du bruit dans l'image, nous prenons juste une région partielle de l'image afin qu'il soit plus facile pour nous de la réduire en utilisant la fonction de débruitage.