NLM的些理解.docVIP

非局部均值处理的基本思想和优点 非局部均值的基本思想 基本思想是：当前像素点的灰度值与图像中所有与其结构相似的像素点加权平均得到。 非局部均值滤波的思想主要基于一个事实：对图像中任意一块小窗口图像块， 会有许多与之相似的图像块。与空间域滤波方法相比，这个方法的不同之处在于不需要局部约束。 非局部均值去噪算法主要利用数字图像中存在大量的自相似块这些冗余信息，通过建立待去噪像素点邻域与搜索区域的像素点邻域的相似性测度，计算搜索区域各像素点与待去噪像素点的相似度权重，然后对搜索区域内的像素点进行加权平均，从而计算得到待去噪像素点新的灰度值。非局部算法的思想简单却十分可行，但是逐个像素点处理必然导致计算复杂度太大，因此还有很多改进的余地。 非局部均值的核心思想有点类似于小波基等一类的基构造思想。在对图像进行处理时，利用图像局部的相似性。对于每个像素的权值, 采用以它为中心图像子块(一般取7*7)与以当前像素为中心子块之间的高斯加权欧氏距离来计算, 权值设为此距离的负指数函数值。这样做的好处是在估计当前像素值时, 局部结构上与它相似的像素权重较大, 而结构相似像素上叠加的噪声是随机的, 因而通过加权均值可有效去除噪声。 设v(i）和“u(i)分别表示含噪图片和原始图片，其中f表示像素位置。非局部均 值算法可由下面的公式描述： 其中，NL(v)（i）表示在i像素位置处进行滤波得到的