这篇博客总结了非局部均值（NLM）去噪算法的理解，介绍了噪声图像模型以及NLM算法的核心思想。通过计算像素点之间的高斯加权欧式距离来衡量相似度，使用一个搜索区域和相似块比较区域进行处理，最后归一化得到新图像的像素值。文章还提到了算法的关键参数如高斯核和衰减因子对去噪效果的影响。
参考论文：A non-local algorithm for image denoising
参考博客：https://blog.csdn.net/jugexiaolizi/article/details/84836975、
https://blog.csdn.net/qianhen123/article/details/81043217（内含代码）、https://blog.csdn.net/piaoxuezhong/article/details/78345929（彩色图像代码）
该博客主要总结了各位前辈的文章，并附上自己的一些理解，用于自身以后复习回顾用。
算法理解
对于图像，我们设 v(i) = u(i) + n(i)，其中 v(i）为带噪声的所观测到的图像，u(i)为真实不带噪声的图像，n(i)是像素点 i 的噪声扰动。
如下给出一个带噪声的图像：
最低0.47元/天 解锁文章
扫一扫
1906
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
