“ 雙邊濾波采用了距離與相似度因素,進(jìn)行權(quán)重的計(jì)算,但在相似度計(jì)算時(shí),僅僅是通過像素間的均方差(相似度)來計(jì)算權(quán)重,容易受噪聲影響。而非局部平均濾波采用塊之間的相似度計(jì)算,有效的提高了匹配的準(zhǔn)確度,對(duì)噪聲的抑制及邊緣的保護(hù)程度更好。本文重點(diǎn)介紹非局部平均濾波——NL-Menas的算法理論。”
01
—
理論分析
前面的文章中,我已經(jīng)講了幾種常見的2D濾波:
1)均值濾波:直接的加權(quán)平均,邊緣模糊;
2)高斯濾波:考慮像素權(quán)重的正態(tài)分布,相比均值濾波對(duì)細(xì)節(jié)有一定提升;
3)雙邊濾波:同時(shí)考慮距離和相似度,對(duì)邊緣的保持效果較好;
4)引導(dǎo)濾波:根據(jù)梯度變化求解線性濾波系數(shù),公式的推導(dǎo)比較麻煩,算法對(duì)邊緣保持效果比雙邊要好;
這里開始進(jìn)一步介紹根據(jù)相似度計(jì)算權(quán)重的濾波:非局部平均濾波(NL-Means):基于塊相似度匹配來確認(rèn)權(quán)重,計(jì)算量比較大,但能獲得比較好的效果,對(duì)邊緣的保護(hù)程度也還可以。
高斯濾波和NLMeans的權(quán)重都符合高斯分布,區(qū)別是前者根據(jù)像素點(diǎn)之間的距離計(jì)算權(quán)重,后者根據(jù)塊之間的相似度計(jì)算權(quán)重。要衡量?jī)蓚€(gè)鄰域塊的相似度,有多種指標(biāo),均方誤差(MSE)是最常用的相似度衡量指標(biāo)之一。非局部均值濾波算法就是使用MSE來計(jì)算兩個(gè)鄰域塊的相似度。
理論上,該算法需要在整個(gè)圖像范圍內(nèi)判斷像素間的相似度,也就是說,每處理一個(gè)像素點(diǎn)時(shí),都要計(jì)算它與圖像中所有像素點(diǎn)間的相似度。但是考慮到效率問題,實(shí)現(xiàn)的時(shí)候,會(huì)設(shè)定兩個(gè)固定大小的窗口:搜索窗N*N和鄰域窗口n*n。鄰域窗口在搜索窗口中滑動(dòng),根據(jù)鄰域間的相似性確定像素的權(quán)值。
02
—
公式推導(dǎo)
由于最終都需要?dú)w一化,那么直接去除固定參數(shù),所以精簡(jiǎn)后的高斯參數(shù)與NLMeans的權(quán)重計(jì)算公式,如下所示:前者只考慮了距離,后者考慮了塊之間的相似度。
編輯:jq
-
噪聲
+關(guān)注
關(guān)注
13文章
1099瀏覽量
47281 -
濾波
+關(guān)注
關(guān)注
10文章
652瀏覽量
56464 -
MSE
+關(guān)注
關(guān)注
0文章
5瀏覽量
6554
原文標(biāo)題:非局部平均濾波-NLMeans算法理論分析
文章出處:【微信號(hào):sim_ol,微信公眾號(hào):模擬在線】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論