Non-local Mean 图像去噪算法的基本实现(Python)

Non-local Mean 图像去噪算法的基本实现(Python)

最近开始做视频去噪方面的工作，无一例外就会看到NLM这种经典的基于块匹配图像去噪算法。
那么最最基本的NLM算法所涉及的公式如下所示：

为加深对公式的理解，写了个python版本的NLM，内含6个循环，没有做任何算法上的优化，没有矩阵运算，什么都没有，效率极低。

def imnlmeans_naive(img, sigma, s1, s2, p1,p2, h):

    # backup
    img_out = np.zeros((img.shape[0],img.shape[1]))

    # padding
    pad = int((s1+s2)/2 + (p1+p2)/2)
    img_pad = np.lib.pad(img, pad, 'symmetric')
    # plt.imshow(img_pad, cmap=plt.cm.gray)
    # plt.show()
    hight = img.shape[0]
    width = img.shape[1]
    P = (2*p1+1)*(2*p2+1)
    patch = 0
    patch2 = 0
    Z = 0
    for i in range(s1+p1,hight+s1+p1+1):
        for j in range(s2+p2,width+s2+p2+1):
            for i1 in range(i-s1,i+s1+1):
                for j1 in range(j-s2,j+s2+1):
                    for i2 in range(i1-p1,i1+p1+1):
                        for j2 in range(j1-p2,j1+p2+1):
                            patch = patch + (img_pad[i2,j2] - img_pad[i2+p1+s1,j1+p2+s2])**2
                    patch = patch / P
                    f = fai(patch, sigma, h, P)
                    patch2 = patch2 + f*img_pad[i1,j1]
                    Z = Z + f
            img_out[i-s1-p1,j-s2-p2] = 1.0/Z*patch2
    return img_out

接下来会放出NLM优化后的python代码，以及NLM的改进算法，即基于块(Block-wise NL-means)的NLM。
图像去噪的东西才刚刚接触，所以有些词语、说法会不准确，还请大家指出不足、不准确之处，谢谢。