图像去噪算法理解

图像滤波算法：
图像平滑：对图像进行去燥，或者模糊图像
从信号频谱的角度来看，信号变化较缓慢的部分在频域表现为低频。信号变化较迅速的部分在频域表现为高频。
模板卷积：模板可以是一幅图像，也可以是一个滤波器
模板的基本操作是：模板中心与输入图像的任意像素对齐，然后模板里的数值与对应的像素相乘，然后依次相加，得到值为所对应的输出图像的像素值。实现像素值的重新计算和更新。
高斯滤波：利用高斯核的二维卷积算子，线性滤波器，低通滤波器。可以很好的实现图像平滑
高斯核：满足二维高斯函数分布的值，通常为三倍标准差范围内。
高斯噪声：概率密度函数服从正态分布的噪声
高斯函数：正态分布函数
高斯核属于模板卷积算子。
中值滤波：是一种非线性滤波器，能在滤除噪声的同时保留边缘。
实现方式：以当前像素所在的小窗口，将小窗口里面的像素值从小到大排列，取排序结果的中间值作为该像素的灰度值。
均值滤波：用相邻元素的灰度值的平均值代替改元素的灰度值。
总结：每种滤波方式，其实都是对像素的一种调整，重新计算和更新，来间接实现滤除噪声，平滑图像，突出边缘等目的。卷积计算实质是用服从正态分布的二维数组，对输入图像的像素计算一种转换。
图像去燥算法：
滤波（空间域（局部滤波（线性滤波，非线性滤波），非局部滤波），转换域（离散傅里叶，维纳滤波，离散小波变换），混合域（BM3D,PID）），稀疏表达（K-SVD，LSSC），聚类低秩（NNM），统计模型（HMM），深度学习