自适应图像降噪滤波器的设计与实现

有一个说法：好奇心和懒惰是推动人类发明创造的两大动力！所以今天我又再次展现了我的好奇心。何况”我的眼里为什么常含着泪水，因为我有一个算法不会。“ 为了节约一点泪水，还是应该把一些算法搞清楚。

如果说让你对一幅含有噪声的图像进行去噪，你会想到什么最原始、最简单的、教科书上就会讲到的方法。我猜或许应该是Box Filter（也称均值滤波）或者Gaussian Filter，关于Box Filter可以参考本博主之间的一篇文章（文章链接）。但是无论Box Filter还是Gaussian Filter，它们的一个共有的不足就在于对待噪声和图像的纹理细节都采用一视同仁的处理方式，结果导致噪声被去掉的同时，图像的纹理和细节也会被一同磨平。这个Side effect是我们所不想见到的！

于是，几乎所有真正有价值的图像降噪方法都在试图让程序可以自适应地区隔无用的噪声和有用的图像纹理细节，然后再采取不同的处理方式，从而实现details preserving（或者edge preserving）。而且这样的方法还特别特别多，例如比较有名的双边滤波、基于PM方程的各向异性扩散滤波，以及基于TV-norm的去噪方法等等。关于这些内容你也可以参考《图像处理中的数学修炼》一书。在