github地址：https://github.com/18150167970/BM3D-color-image

歡迎start（笑）。

首先，上一波原理：https://zhuanlan.zhihu.com/p/46399784

灰度圖像方法：

這里引用上述鏈接的內(nèi)容：

算法總體流程如圖：

主要分為兩大步：

第一步，基礎(chǔ)估計：

1、對于每個目標(biāo)圖塊，在附近尋找最多MAXN1（超參數(shù)）個相似的圖塊，為了避免噪點的影響，將圖塊經(jīng)過2D變換（代碼中使用DCT變換）后再用歐氏距離衡量相似程度。按距離從小到大排序后取最多前MAXN1個。疊成一個三維數(shù)組。

2、對3D數(shù)組的第三維，即圖塊疊起來后，每個圖塊同一個位置的像素點構(gòu)成的數(shù)組，進行DCT變換后，采用硬閾值的方式將小于超參數(shù)??的成分置為0。同時統(tǒng)計非零成分的數(shù)量作為后續(xù)權(quán)重的參考。后將第三維進行逆變換。

關(guān)于硬閾值參考鏈接：硬閾值(Hard Thresholding)函數(shù)解讀

3、將這些圖塊逆變換后放回原位，利用非零成分數(shù)量統(tǒng)計疊加權(quán)重，最后將疊放后的圖除以每個點的權(quán)重就得到基礎(chǔ)估計的圖像，此時圖像的噪點得到了較大的去除。

?

第二步，最終估計：

1、由于基礎(chǔ)估計極大地消除了噪點，對于含噪原圖的每個目標(biāo)圖塊，可以直接用對應(yīng)基礎(chǔ)估計圖塊的歐氏距離衡量相似程度。按距離從小到大排序后取最多前MAXN1個。將基礎(chǔ)估計圖塊、含噪原圖圖塊分別疊成兩個三維數(shù)組。

2、對含基礎(chǔ)估計3D數(shù)組的第三維，即圖塊疊起來后，每個圖塊同一個位置的像素點構(gòu)成的數(shù)組，進行DCT變換，利用如下公式得到系數(shù)。

3、將系數(shù)與含噪3D圖塊相乘放回原處，最后做加權(quán)平均調(diào)整即可得到最終估計圖。相對于基礎(chǔ)估計圖，還原了更多原圖的細節(jié)。

彩色圖像方法：引用http://www.ipol.im/pub/art/2012/l-bm3d/

Adapting the algorithm to color images is easy and can be done in the following steps:

1. First a transformation to a luminance-chrominance space from the RGB noisy image is applied. Y denotes the luminance channel and by U and V the chrominance channels;

2. For each step:?

Grouping is only performed with the Y channel;?

The 3D block built on Y is used for all three channels;?

Collaborative filtering is applied to each channel separately as well as the weighted aggregation.

3. Return to the RGB space by applying the inverse transformation.

簡單翻譯：

1.將RGB圖轉(zhuǎn)為YUV圖。

2.每一步都做如下操作：

1）只在Y（亮度通道）進行Grouping；

2）利用Y通道尋找相似塊，并且在所有通道建立相似3D塊

3）在每一個通道上分別使用協(xié)同濾波和 weighted aggregation.

3.再轉(zhuǎn)化為RGB空間

?

?

原始圖片：

效果圖：

?

代碼已經(jīng)做好注釋，對照本文查看即可了解原理。

完（笑）

?

總結(jié)

以上是生活随笔為你收集整理的BM3D 灰度图像和彩色图像去噪实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。