nonlocal本质讲解(前篇)——从滤波到Nonlocal均值滤波

线性滤波 → \rightarrow →高斯滤波 → \rightarrow →高斯滤波 → \rightarrow →双边滤波 → \rightarrow →Nonlocal均值滤波

平均

高斯

双边

Nonlocal

目录

滤波最初是频域的概念,由于频域乘积对应空域卷积,所以在空域就用卷积实现,然而卷积也就是线性组合,在图像处理中反转不反转不重要,设计系数时转了就行,然后就成了互相关,实际理解也是模板匹配,mask和template中文都翻译为模板(掩膜的翻译不说人话),小的模板叫mask,大的就叫template。卷积就这么来了。

线性滤波

这条线围绕这个表达式展开,创新总是一步一步的向前迈进。

线性滤波的权系数是固定值。

附:

高斯滤波

权系数是高斯函数


双边滤波

在高斯滤波的基础上,增加了值域的高斯函数。线性变为非线性,从此,权系数与像素值有关,每个位置处的系数不同。





Nonlocal均值滤波

以上还是local(邻域或局部,更准确的意思是邻域 ,请不要翻译为本地),由于图像具有自相似性,提出了nonlocal,最初是global,后来扩展到搜索窗口,反正是非local了。

在那个时候,高斯还是那个高斯,实际上是双边滤波中的值域平滑,空域平滑没用了,由于图像具有自相似性,从单像素扩展到邻域,增加稳定性。

那个高斯加权欧氏距离,MATLAB没有用,就是用的欧氏距离。

非局部均值滤波方法本质上利用图像块的相似性,将相似图像块中心像素的加权平均值作为当前图像块中心像素的估计,权系数由两个图像块之间的相似度 决定。对像素P的加权平均贡献实际上主要源于这些相似图像块的中心像素Q,而非相似图像块的权系数很小,对像素P滤波的贡献则很小。非局部处理利用图像块的相似结构不仅能够有效去除图像中的噪声,而且能够有效保持图像的空间细节。

相关推荐
nju_spy几秒前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学
星座52821 分钟前
基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析
机器学习·r语言·tidyverse·tidymodel
石迹耿千秋6 小时前
迁移学习--基于torchvision中VGG16模型的实战
人工智能·pytorch·机器学习·迁移学习
Wendy14418 小时前
【线性回归(最小二乘法MSE)】——机器学习
算法·机器学习·线性回归
千宇宙航13 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第二十一课——高斯下采样后图像还原的FPGA实现
图像处理·计算机视觉·fpga开发
顾随17 小时前
(三)OpenCV——图像形态学
图像处理·人工智能·python·opencv·计算机视觉
霖0017 小时前
神经网络项目--基于FPGA的AI简易项目(1-9图片数字识别)
人工智能·pytorch·深度学习·神经网络·机器学习·fpga开发
神经星星17 小时前
英伟达实现原子级蛋白质设计突破,高精度生成多达800个残基的蛋白质
人工智能·深度学习·机器学习
居然JuRan19 小时前
一文看懂 MOE 模型:让大模型像医院看病一样高效工作
人工智能·机器学习
布兰妮甜19 小时前
Adobe Photoshop:数字图像处理的终极工具指南
图像处理·ui·adobe·photoshop