图像处理（一）-非局部均匀滤波原理与python实现

刚开始学习图像处理，尝试实现一些基本算法并记录学习过程

常见的均值滤波是综合像素点周围的点的信息来表示该像素点位置的值，例如某点的值为包含自身和周围8个点的平均值。这样可以将极大减小噪声的干扰。同理高斯滤波则是点的加权平均。但这样会使得图片变得模糊，即像素点的信息变得模糊化。

非局部均匀化的原则是一个图像中会存在很多冗余的像素块和像素点，即一些重复地结构。首先在一定大小的搜索域（或者整张图片）中找到这些重复或相似的像素块（点），将这些像素块（点）与目标像素块（点）累加平均可以减小噪声的干扰，同时可以更大化的保存原像素的信息。在实际应用中根据搜索块与目标块的相似度做加权平均。

其公式为：

其中C（p）为权重归一化因子，B(p)为当前像素块，p为当前像素点，B(q)为搜索块，q为搜索点。d为两像素块的欧式距离，f为权值函数，将欧式距离转换为对应的权值，距离小（相似度大）的权值大，距离为0时权值为1。u(q)为搜索点的像素值。这里当前像素点的权值取搜索域中的权值的最大值。

对应到离散化图像(黑白照片)中，目标像素点的值为：