BM3D算法原理

 上级目录：

传统图像处理/降噪与滤波

 

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