瞎搞系列-图像去噪

瞎搞系列-图像去噪

一、来源：图像的噪声来源有很多种，这些噪声的来源于图像采集，传输，压缩等各个方面。噪声的种类也是各不相同，比如椒盐噪声，高斯噪声等。对于不同的噪声有不同的处理算法。

对于输入带有噪声的图像v(x),其加噪声可以用一个方程来进行表示：

v(x)=y(x)+n

噪声是直接进行叠加到原始图像上的，理论上来说，如果能够精确的获得噪声，用输入图像减去噪声就可以恢复出原始图像，除非明确知道噪声的生成方式，否则噪声比较难以求出。

工程上，图像的噪声往往会采用高斯噪声来近似表示，其中噪声的方差越大，噪声也越大。有效去除噪声的方式是对图像进行求平均，求N幅图像的结果使得高斯噪声的方差降低到原来的N分之一，现在比较好的算法都是基于此。。。

NL-means是：Non-Local Means，直译过来是非局部平均，与常用的双线性滤波，中值滤波不同的是，它利用了整幅图像来进行去噪，以图像块来再图像中找相似的区域，再对这些区域求平均，能够比较好的去掉图像中存在的高斯噪声。

这个公式可以这样理解：对于图像中的每一个像素，去噪之后的结果等于它邻域中像素的加权和，加权的权重等于和的像素度。这个邻域被称作搜索域，搜索域越大，寻找相似像素机会也就越大，同时计算量也会进行飙升，对于有噪声存在，单独的一个像素并不可靠，对此考虑他们的领域，邻域的相似度高才能衡量两个图片块。

BM3D:和NL-means相似，也就是在寻找相似块的方法进行滤波，但是要比NL-means要复杂，BM3D统共分为2步：

分为基础估计与最终估计。

参考来源：http://blog.csdn.net/qq_26499769/article/details/51816910