光譜預處理可以消除光譜數據采集中由儀器產生的噪聲、背景干擾、周圍雜散光干擾、光散射、震動以及樣本自身不能確定性因素（如大小、顏色等）的影響，提高實驗校正模型對預測集的預測精度。那么，光譜數據的預處理方法有哪些？下文對此做了介紹。

目前，采用的光譜和圖像預處理方法有：

1.SG平滑處理

SG平滑是用平滑點前后特定點的平均和擬合信息來代替平滑點信息，達到平滑的效果。常用的平滑方法有Savitzky-Golay多項式卷積平滑、指數平均平滑和移動式平滑等。

2.標準化歸一處理

標準歸一化（SNV）是用來消除由樣本反射光散射而引起的光譜誤差，SNV的應用是在假定各波長點處的吸光度值滿足正態(tài)分布的基礎上，針對每一條光譜進行標準化校正。

3.多元散射校正

多元散射校正（MSC）是用來消除樣本反射光譜和光源擴散投射中對光譜數據的影響，消除樣本由此而造成的光譜差異。

4.零位線校正處理

零位線校正（Baseline）可以消除儀器的背景或漂移對信號的影響，它是項目儲存中在特定時期的一個項目快照，提供一個正式標準，并且只有通過授權之后才能更改。在繪制初期零位線后，以后每次變更都以上一次形成的零位線進行一次差值，直到建成下一個零位線為止。

5.導數處理

導數處理可以用來消除采集光譜時受平緩背景和基線漂移的干擾，還可以強化譜帶特征、克服譜帶重疊等；如一階導數可以消除噪聲中與波長無關的漂移噪聲，二階導數可以消除那些與波長呈線性相關的漂移。

6.中值校正

中值校正（MF）用來消除采集光譜數據中數值線性突變值，采用平滑點前后特定點的平均來代替平滑點信息，以得到平滑的效果。