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
。