Non-Local Means（非局部均值滤波）

Non-Local Means，指的是非局部均值滤波；与局部均值滤波（在目标区域周围平滑取值）相对比，意味着NLM要使用图像中的所有（all pixel）像素。

提出：

       我们发现，对于图像块来说，相似图像并不仅限于局部，图像的长边缘，纹理结构都是相似的；自然图像中含有丰富的重复冗余信息，所以可以采用描述图像结构特征的图像块在整个图像中寻找相似块。

原因：

       在同一幅图像中， 对相同性质的区域分类并加权平均得到的去噪图像，去噪的效果也应该很好（类似越多幅图像加权效果越好）。

公式：

        定义一个noisy image ;定义一个estimate value ,对于每一个pixel ，计算这个图像所有像素的平均权值，公式为：，

其中代表整个图像，代表权值，计算权值常用的方法是计算两个像素块之间的欧式距离（单独的像素并不可靠，通常选其邻域）。

 

一般而言，考虑到算法复杂度，搜索区域大多取21*21，相似块取7*7。实际应用中，应根据噪声来选择实际的参数。当高斯噪声的标准差越大时，为了提高算法鲁棒性，需要增大相似块宽度，同时也需要增大搜索区域。滤波稀疏h与标准差满足正相关，即h=k。