简单理解:从一个3*3的邻域里,使用x,y坐标,作为输入(f(x,y) = ax2 + by2 + cxt + dx + ey + f ),x,y对应像素作为输出,构建一个矩阵(9*6)乘以一个未知数矩阵(6*1)得到输出矩阵(9*1),利用高斯消元法求出未知数f(因为要求的像素为x,y坐标为0),即可。f为消去噪声的像素值。
我们注意到,对于原点(0,0), 所以很自然的用高斯消去方法得到f就是我们所求的该点应该的像素值,不需要再去求其他五个参数了(这也是为什么我们要选用参照坐标系的原因,可以反复套用),对于每一个像素值依次处理,即可得到结果.
注:对于边界值,可以直接取0填充.
以下是处理结果对比:
此为CPU版本,但是可以用GPU cuda加速处理,先放个坑等不忙的时候把GPU版本补上放Git链接.
核心部分代码
//选取的图片大小是512X512size的,构建mask
for(j=0;j<ydim;j++){
for(i=0;i<xdim;i++){
for(h=0;h<3;h++){
for(g=0;g<3;g++){
y=j+h-1;
x=i+g-1;
if(x==-1 || y==-1 || x==512 || y==512){mask[h*3+g]=0;}
else{mask[h*3+g]=image[y*xdim+x];}
}
}
//ATAx=ATb,计算矩阵A的转置矩阵和b的乘积
for(int k=0;k<6;k++){
B[k]=0;
for(int p=0;p<9;p++){
B[k]+=b[k][p]*mask[p];
}
}
//高斯消去
for(int p=0;p<5;p++){
if(!c[p][p]){
return -1;
}
for(int q=p+1;q<6;q++){
forward=c[q][p]/c[p][p];
for(int r=p;r<6;r++){
c[q][p]=c[q][p]-forward*c[p][r];
}
B[q]=B[q]-forward*B[p];
}
}
result=B[5]/c[5][5];
result=(int)result;
if(result<0){
image[j*xdim+i]=0;
}
else if(result>255){
image[j*xdim+i]=255;
}
else{
image[j*xdim+i]=result;
}