图像降噪的本质是:从图像中去掉无关的信号。
假设噪音性质:平均值为零;则可以对像素点周围像素取平均值。
均值滤波:直接对周围像素取平均值;
注意到,不但对噪音信号进行平均,对要提取的图像信号也进行了平均,这导致了边缘的模糊。
高斯滤波:
为了降低模糊的效果,采用高斯滤波;高斯滤波改变加权的权值,是得原始图像更突出。
中值滤波:
高斯滤波对付幅度比较小的噪声比较有效,但对于峰值比较大的单点噪音效果不好。中值滤波取邻近像素的中值,可以想象对于平滑过渡的图像,中值滤波几乎在不影响原来平滑的画面的情况下可以很好的去掉极大和极小的噪点。但中值滤波对于尖角形状不友好,对其有圆滑的效果。
双边滤波:
高斯滤波考虑了,距离的因素,距离越远,对当前像素的贡献越小。双边滤波在考虑空间距离的影响 的同时,在加权系数上同时考虑灰度或颜色距离的影响,灰度越接近,权重越高。因此,对梯度也就是边缘有很好的保留。
非局部均匀滤波:
前面的考虑的都只是局部加权,通过寻找图像中相似的块来进行综合确定加权系数。
BM3D
BM3D也是一种非局部加权滤波,通过区块匹配(block mathing)的方式寻址类似区块,然后堆叠在一起形成3D,在对3D堆叠数据进行维纳斯滤波,最后对原始图像进行估计。实际的算法要复杂的多。
参考资料:
双边滤波器的原理及实现
BM3D
http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf