⛄一、非局部均值算法图像去噪简介
图像在采集、传输和加工等过程中, 由于受外界环境影响, 存在一定的噪声, 导致图像质量严重下降。图像去噪作为图像恢复的重要手段之一, 被广泛应用到图像处理领域。图像中的噪声问题, 可近似看成呈高斯分布的白噪声, 进而去除高斯白噪声成为了一个重要方向。为了进一步抑制噪声, 为后续处理提供更为真实的信息。诸多学者提出很多的模型及方法。本文利用非局部均值算法去除图像中的噪声问题, 通过图像中的冗余信息进行加权平均, 将使像素点去噪后的灰度值用与 点的高斯邻域相似的灰度值的平均代替, 增强了图像去噪的效果。
1 非局部图像去噪算法
1.1 非局部平均算法
假设噪声信号为与图像无关的高斯白噪声, 噪声模型为:
V(i)=X(i)+N(i) (1)
其中, X (i) 表示未受噪声污染的原始图像;N (i) 表示均值为0, 方差为σ^2的白噪声;N (i) 表示受污染的噪声图像。对于一幅给定的离散含噪图像v={v (α) |α∈I}, 非局部平均的方法利用整幅图像中所有像素灰度值加权平均来得到该点的灰度估计值, 即
NLv=∑β=1ω(α,β)v(β) (2)
其中, 权值ω (α, β) 表示依赖于α与β之间的相