上级目录:
原理:
- 第一阶段:
a)块匹配估计:i)块匹配分组 ii)3D协同硬阈值滤波;
b)聚合加权滤波;
- 第二阶段:
a)块匹配估计:i)块匹配分组 ii)3D协同维纳滤波;
b)聚合加权滤波.
详细:
i)块匹配分组: 按照划窗的方式在图像中搜索与给定图像块的相似图像块
ii)3D协同硬阈值滤波
所有图像块经过第一个2D正交变换后,
对应位置的像素点沿着第三维串起来,
在第三维方向进行1D的正交变换,这个正交变换揭示了图像块之间的相关性
进行“硬阈值”处理,处理剔除不合格像素值
在经过反三维变换变换为空间域, 至原来每个块的位置
iii)聚合加权滤波
经过第ii)中的3D协同滤波后,将图像块放回到其原始的位置,
但是由于搜索相似图像块的时候,存在图像块重叠的情况,如上图中红色区域中的几个图像块,彼此之间有重叠区域,
那么重叠区域里像素点会有不止一个去噪后的结果,到底取哪一个呢,
处理这个问题的方法就叫做聚合加权滤波,即对于同一个像素点的不同估计值赋予它们一个权值,取加权平均结果作为最终的结果。
iV)块匹配分组
过程与第一阶段块匹配过程相似
需要说明的是,这里得到两个块匹配分组,一个分组的图像块来自第一阶段基本估计滤波后的图像,我们称之为a组,另一个分组来自没有经过任何处理的含噪图像,我们称之为b组。
V)3D协同硬阈值滤波
将a组作为指导图像块
b组图像当作要去噪的图像
对两组分别进行3D正交变换,(ii部分)
进行维纳滤波,维纳滤波
对b组进行3D反正交变换到空间域图像块,并将图像块的图像块放回其原始位置。
vi)聚合加权滤波(同iii)
通过简单的扩展,就可以将针对灰度图像滤波的BM3D扩展到针对彩色图像滤波的C-BM3D,这里的C代表颜色color