OpenISP 模块拆解 · 第11讲:非局部均值降噪 (NLM)

OpenISP 模块拆解 · 第11讲:非局部均值降噪 (NLM)

模块作用

NLM 是非局部均值降噪。openISP 主流程中它处理 YUV 图像的 Y 通道,也就是亮度通道。

它的核心假设是:图像中存在重复或相似的小块。对于当前像素,不只看附近单个像素,而是在搜索窗口里寻找相似 patch,用相似程度作为权重做平均。

openISP 实现

源码类名为 NLM(img, ds, Ds, h, clip)。

参数 含义
ds patch 半径,1 表示 3x3 patch
Ds 搜索窗口半径
h 滤波强度
clip 输出上限

主程序调用:

python 复制代码
NLM(yuvimg_csc[:, :, 0], 1, 4, nlm_h, nlm_clip)

核心公式

计算候选 patch 与中心 patch 的距离:

text 复制代码
dist = sum(kernel * (neighbor_patch - center_patch)^2)

距离越小权重越大:

text 复制代码
w = exp(-dist / h^2)

输出为候选中心像素的加权平均。

代码流程

  1. 按搜索半径 Ds 做 reflect padding。
  2. 构造均匀 patch kernel。
  3. 对每个像素,在搜索窗口内遍历候选 patch。
  4. 计算 patch 距离和指数权重。
  5. 累加加权像素值。
  6. 用最大权重补偿中心像素自身。
  7. 输出裁剪结果。

学习重点

  • NLM 能比普通均值滤波更好保留重复纹理。
  • h 越大,降噪越强,但细节越容易被抹。
  • 搜索窗口越大,效果可能更好,但计算量明显增加。

读源码注意点

源码是纯 Python 循环,大图运行会很慢。calWeights() 中判断候选是否为中心的条件也比较粗糙,但不影响理解 NLM 基本思想。

面试问答

Q1: NLM 和均值滤波有什么区别?

均值滤波只按空间位置平均,容易模糊边缘。NLM 按 patch 相似度加权,相似纹理贡献更大,因此更能保留结构。

Q2: NLM 的 h 参数代表什么?

h 控制权重随 patch 距离衰减的速度。h 大,差异较大的 patch 也会参与平均,降噪强但更模糊;h 小,只有很相似的 patch 权重大,保细节但降噪弱。

Q3: NLM 为什么计算量大?

每个像素都要在搜索窗口内比较多个 patch,每个 patch 又包含多个像素,复杂度远高于普通 3x3 或 5x5 滤波。

Q4: 为什么 openISP 只对 Y 通道做 NLM?

亮度通道对视觉细节最重要。只处理 Y 可以降低计算量,并避免直接平滑 UV 导致颜色发灰或色彩边界异常。

Q5: NLM 适合所有噪声吗?

不一定。它适合具有相似 patch 的自然图像,对随机噪声有效,但可能对运动、强纹理、非重复结构或高 ISO 彩噪效果有限。

相关推荐
Csvn9 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库10 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静10 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康10 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea11 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen11 小时前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷12 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘12 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习