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