非局部均值去噪

基本原理

该算法来自论文《A non-local algorithm for image denoising》去噪属于图像复原的范畴，通常使用滤波来实现，并且往往是低通（平滑噪声）滤波器。对于单帧图像去噪，使用空间邻域像素来处理，对于多帧图像去噪，则可以考虑时空域相结合的方法，即时间+空间的3DNR方法。
简单的平滑滤波器有均值滤波器、高斯滤波器，算法复杂度低，但会导致图像模糊，双边滤波器是性能较好的非线性滤波器，在去噪的同时，保留了较强的纹理细节，缺点是弱的纹理被滤掉了。非局部均值（Non Local Means）方法，不仅仅考虑了像素的较小邻域，并且邻域点的权重由该点与滤波点相似度计算得到。
NLM去噪后输出图像定义如下：

其中I为搜索区域，w(i,j)为权重，由匹配块的相似度决定。

块的相似度定义如下：

该值由表示点i和j邻域差值平方卷积高斯核，表征邻域相似度，Z(i)表示权重归一化系数。

示例演示

#include <opencv2\opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    
    
    //if (argc != 2)
    //{
    
    
    //    cout << "Usage: opencv_test <image path>" << endl;
    //    return -1;
    //}

    //char *imgName = argv[1]; 
	char *imgName = "C:\\Users\\VINNO\\Desktop\\src0\\die.jpg";
    Mat inputImg;

    inputImg = imread(imgName, 1);
    if (!inputImg.data)
    {
    
    
        cout << "No image data" << endl;
        return -1;
    }
    Mat resultImg;

	fastNlMeansDenoisingColored(inputImg, resultImg, 10, 10, 7, 21);
    imwrite("./result.jpg", resultImg);
	imshow("", resultImg);
	waitKey(0);

    return 0;
}

运行结果

参考资料

• imnlmfilt
• Image Denoising