去噪算法 深度学习 去噪方法比较

1、非局部平均去噪

　　该算法使用自然图像中普遍存在的冗余信息来去噪声。与常用的双线性滤波、中值滤波等利用图像局部信息来滤波不同的是，它利用了整幅图像来进行去噪，以图像块为单位在图像中寻找相似区域，再对这些区域求平均，能够比较好地去掉图像中存在的高斯噪声。这种算法比较耗时,但是结果很好。对于彩色图像,要先转换到 CIELAB 颜色空间,然后对 L 和 AB 成分分别去噪。

1.1、提供四种方法

cv2.fastNlMeansDenoising()：处理单个灰度图像

cv2.fastNlMeansDenoisingColored()：处理彩色图像。

cv2.fastNlMeansDenoisingMulti()：处理在短时间内捕获的图像序列（灰度图像）

cv2.fastNlMeansDenoisingColoredMulti()：处理在短时间内捕获的图像序列（彩色图像）

2、使用

cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21)
# 参数一：输入图像
# 参数二：
# 参数三：决定过滤器强度，值高可以很好的去除噪声,但也会把图像的细节抹去。(取10的效果不错)
# 参数四：
# 参数五：templateWindowSize用于计算权重的模板补丁的像素大小，为奇数，默认21
# 参数六：searchWindowSize窗口的像素大小，用于计算给定像素的加权平均值，为奇数，默认21

去噪后效果如下：