Media no local (medias NL)

　　La media no local (medias NL) es una nueva técnica de eliminación de ruido propuesta en los últimos años. Este método hace un uso completo de la información redundante en la imagen y puede mantener las características detalladas de la imagen en la mayor medida posible mientras elimina el ruido. La idea básica es: el valor estimado del píxel actual se obtiene por el promedio ponderado de píxeles en la imagen que tienen una estructura de vecindad similar.

 

　　En teoría, el algoritmo necesita determinar la similitud entre píxeles en todo el rango de imagen, es decir, cada vez que se procesa un píxel, se debe calcular la similitud entre este y todos los píxeles de la imagen. Pero teniendo en cuenta la eficiencia, cuando se aplique, establecerá ventana de dos de tamaño fijo: la ventana de búsqueda y la ventana de barrio . La ventana de vecindario se desliza en la ventana de búsqueda para determinar el peso de los píxeles según la similitud entre vecindarios.

 

　　La siguiente figura es el proceso de ejecución del algoritmo de medias NL: la ventana grande es la ventana de búsqueda centrada en el píxel objetivo, y las dos pequeñas ventanas grises son las ventanas vecinas centradas en y. La ventana de vecindario centrada en ella se desliza en la ventana de búsqueda, y el peso se asigna calculando la similitud entre las dos ventanas de vecindario .

　　　　　　　　　　　　　　　

　　　　　　　　　　　　　　　　　　　NL-significa proceso de ejecución

　　Deje que la imagen con ruido sea la imagen después de eliminar el ruido. El valor gris en el píxel medio se obtiene de la siguiente manera:

　　　　　　　 　　

　　El valor de peso representa la similitud entre el píxel y el píxel. Su valor está determinado por la distancia entre el vecindario rectangular centrado y:

　　

　　Donde

　　

　　

　　

　　 Entre ellos se encuentra el coeficiente de normalización, que es el parámetro de suavizado, y controla el grado de atenuación de la función gaussiana. Cuanto mayor sea la función gaussiana, más suave será el cambio y mayor será el nivel de eliminación de ruido, pero al mismo tiempo también hará que la imagen sea más borrosa. Cuanto más pequeños, más componentes de detalles de borde se mantienen, pero quedan demasiados puntos de ruido. El valor específico de debe basarse en el nivel de ruido en la imagen.

 

Comparación con el filtrado medio:

Filtro medio:

El cálculo del filtro promedio es muy simple: registre la escala de grises de los píxeles de la imagen en la matriz, luego establezca el valor del radio del cuadro y luego promedie los píxeles de todos los puntos en el cuadro. El resultado es el píxel correspondiente después del filtro promedio El valor gris del punto.
Ventajas:
calculados rápidamente y simplemente
puede ser visto desde el algoritmo, el promedio sólo buscan, y no cálculos muy complejo
desventaja:
la imagen resultante es borrosa
cuando un cuadro de radio mayor, esas imágenes obtiene donde la variación grande (borde ) Cuanto menor sea el cambio después del cálculo, es decir, el borde no es obvio, es decir, desenfoque.

 

Filtrado no medio:

Ventajas
pueden eliminar ya sea el ruido, el borde preservar detalles de la imagen y
, por supuesto, se refiere a que el ruido es ruido blanco generalmente Gaussian, porque el ruido blanco gaussiano media es cero, la suma sería más eficaz de promediación
inconvenientes
cálculo es lento
si la comparación de imágenes de píxeles Hay muchos, y si el marco utilizado en el cálculo es relativamente grande, entonces el cálculo suele durar unos minutos.

 

 

 

 

 

 

Referencia: https://blog.csdn.net/Frankgoogle/article/details/52209901

　　　https://blog.csdn.net/u010839382/article/details/48229579