跟着卷卷龙一起学 Camera-- 噪声与去噪 03

这样图像的细节就被模糊掉了。于是人们就对这种均值滤波进行了一些改进，比如增加 图像边缘方向的判断。

红字的方向上相邻像素的数值差不多，所以在做均值的时候只把这个方向的两个像素计 算在内。这样既去掉了一些噪声，又保持了锐度。比前边的方法好些，但是由于做均值 的像素变少了，所以去噪的效果不太好，于是有人想出一种 none local mean 的方法，也 就是做均值的像素不再是领域的像素，扩大些范围找相似的，然后再做均值。

绿色的部分和中心要处理的部分很相似，求均值的时候就把这些部分算进去，而红色的 部分不相似，去均值的时候就排除这些部分。很容易想象，搜索的范围越大，计算量越 大。 这些方法都是从空间的角度去思考如何去噪，也就是所谓的 spatial noise reduction，这 条路子能想的方法也都做得差不多了，于是有人换个角度想问题，就有了变换域做去噪 的方法。通过数学变换，在变换域上把信号和噪声分离，然后把噪声过滤掉，剩下的就 是信号。 没有噪声的信号看起来比较光滑.带噪声的信号就会有些毛刺.把带噪声的信号变换到一个域（比如频域，小波域等等),高于一个阈值的部分就是噪声，设一个截止值，把高于截止值的部分去掉.再做反变换.就得到了干净的信号。从频率上可以把噪声分为高中低频噪声，用这种变换域的方法就可以把不同频率的噪声 分离，然后有效的去掉。 像傅立叶变换，小波变换都是比较常见的变换域方法。