我们生活在一个信息时代，每天接触的信息不计其数。而图像作为信息载体之一，是人们获取信息的有效途径。科学研究表明，人类接受的外界信息有3/4是通过视觉器官来得到的。与声音和文字等信息传输媒介相比较，图像具有所含有的信息量更大、能够更加直观形象的反映信息等明显的优势。然而图像在采集、获取、转换和传输的过程中，难免受到噪声的污染。而图像去噪作为图像处理系统中的基础环节，其去噪结果如何会直接或间接地对图像的一些后期处理产生影响，比如特征提取、边缘检测、图像分割、模式识别、压缩编码等。因此，研究噪声的去除方法具有重要的现实意义和应用价值。基于三子集划分的灰度图像分层表示算法-TSPL（Triple-subset Partition BasedImage Layer-presentation)算法，是一种新型的数字图像变换方法，与传统的线性变换思想有着根本区别。该算法的核心思想是用一系列具有解析形式的灰度函数g n(x, y)（称为基函数）来逼近不规则的原图像灰度函数f (x, y)。其中，序列中每个基函数g n(x, y)都定义在图像像素集合的一个三子集划分上。该算法是一个良好的逼近器，具有快速的收敛性。基于TSPL算法的理论基础，提出了图像椒盐噪声的去除的方案，该方案的提出是基于图像相邻像素间的性质，相邻像素之间具有很强的关联性，结构性，因此相邻像素之间的灰度值相差不大。采用投票策略处理由TSPL算法生成的各层三值图像，实现了对图像椒盐噪声的去除。为了客观评价图像的去噪效果，采用WangZhou提出的基于结构相似性(SSIM)的图像质量评估的客观参数MSSIM作为图像去噪效果的评价指标。实验结果表明本文提出的去噪算法，从主观和客观两方面，对比传统的椒盐噪声的去除方法中值滤波相对比，在去除噪声的同时很好的保护了图像的边缘等细节信息。