Non-Local Means 非局部均值去噪滤波

        传统的高斯滤波，均值滤波，为局部滤波，即对周围邻域的点加权生成当前点，加权因子反应出周围点对当前点的影响，这些加权因子基于某种理论获得，如高斯滤波基于低通，均值滤波认为点与点之间的影响是均匀的。

1.经典的Non-Local Means 滤波

        Non-local Means 非局部均值去噪滤波可以视为局部均值滤波的特例，它的目的是使用与当前点纹理类似的区域，对当前点加权。也即加权因子，是基于被加权点与当前点的邻域的相似性产生，即：

       其中I是一个较大范围的搜索/加权框，w(x,y)是依赖邻域【黑灰色部分】算出的权重：

      w(x,y)一般定义为一个与欧式距离(2范数)相关的函数，设x，y的邻域宏块的欧式距离为d，即

d=||block(x)-block(y)||/block_size

则y加权到x点的加权因子为 

  w(x,y)=exp(-(d*d/(h*h)))   

h为衰减因子，h越小，加权因子越小，则加权点对当前点的影响越小，一般边缘保持得好但是噪声会严重，反之则边缘保持差图像更加光滑。

        实际操作中，要更新当前点，先计算出以当前点为中心的搜索框I所有点的加权因子，取最大的加权因子付给当前点位置，然后对于这个同搜索框尺寸加权矩阵W进行归一化，最终当前点的结果为：

p=sum(W.*I)

        计算欧式距离时，有时会考虑周围点对中心点的影响，会利用核函数对欧式距离加权，即加权因子重写为为：

                                                                            w(x,y)=exp(-(k*d*d/(h*h)))

使用核函数对距离进行加权的matlab代码为：

clc;
clear all;
close all;

%--