基于非局部均值的图象去噪

本科毕业设计（论文） 基于非局部均值的图像去噪 贾晓萌 燕 山 大 学 2009 年 6 月 本科毕业设计（论文） 基于非局部均值的图像去噪 学院（系）： 里仁学院 专 业： 电子信息工程 学生 姓名： 贾晓萌 学 号： 051304021067 指导 教师： 练秋生 教授 答辩 日期： 2009 燕山大学毕业设计（论文）任务书 学院： 里仁学院 系级教学单位：电子与通信工程系 学 号 051304021067 学生 姓名 贾晓 萌 专 业 班 级 05 电信 3 班 题 目 题目名称 基于非局部均值的图像去噪 题目性质 工程设计 （ ）；工程技术实验研究型 （ ）； 理论研究型 （ ）；计算机软件型 （ ）；综合型 （ ） ）； ）； ） 题目类型 ） ） 题目来源 科研 课题 （ ） 生产实际（ ）自选 题目（ ） 主 要 内 容 利用图像的非局部相似性实现含 噪图像的去噪滤波，并且保持金可能保持图像的原有细节。在实现时先用稳健中值估计算子计算噪声强度，再用自适应非局部均值滤波实现图像去噪。 基 本 要 求 1. 用 真，用 C+ 现滤波算法 2. 用 高算法运行速度 3软件具有一定的通用性，具有较高的可读性和可移植性，结构清晰 。 参 考 资 料 数字图象处理 by 国期刊全文数据库 , 据库 及相关 电子资源 周 次 1 4 周 5 8 周 9 12 周 13 14 周 15 17 周 应 完 成 的 内 容 查阅资料 算法设计 软件编程 软件调试 算法优化 结果分析 撰写论文 指导教师：练秋生 职称： 教授 09 年 2 月 24 日 系级教学单位审批： 年 月 日 摘要 I 摘要 数字图像处理是年间数学技术和计算机交叉领域的一门新学科，图像去噪一直是该领域的研究热点，数字图像的有效去噪是图像信息预处理的 关键步骤。在近二十年的研究中，涌现出许多去噪模型，主要有：高斯滤波，中值滤波，小波变换，均值滤波，双边滤波，非局部平均滤波等。随着对图像理解的不断深入和新教学理论的不断引入，图像去噪的方法与理论也不断得到丰富和发展。 本论文简要介绍了图像去噪的方法以及包括各方面的优点和不足，重点在研究非局部均值的图像去噪的具体算法与 实现问题。首先是对图像去噪技术原理进行讨论从而引出两种传统的图像去噪技术即中值滤波及均值滤波，然后进行对非局部均值算法的详细讨论包括权值的计算，均值的实现以及对于搜索窗口的讨论。其 次是对非局部均值图像去噪算法的现的讨论，包括算法实现过程的转换以及 现的流程图。最后则是对仿真结果的分析，分别从两个角度进行了比较：同一图像在不同噪声下的 值信噪比） ，以及在同一噪声下不同的图像 的 较，从而判断非局部均值图像去噪算法的去噪效果。 关键词 数字图像处理 ； 图像处理 ； 非局部均值 燕山大学本科生毕业设计（论文） is a is of in is of as an is of in of as as on of to of to a of of to as as of by of to of as as of of it is of of at to as as in to 录 摘要 . I . 1 章 绪论 . 1 题背景 . 1 声的类型 . 1 像去噪技术 . 1 像去噪的作用和目的 . 2 个重要的概念 . 3 噪模型评价标准和评价方法 . 3 像去噪技术的研究进展 . 4 论文的研究要点与论文结构安排 . 5 第 2 章 非局部均值图像去噪的基本原理 . 6 像去噪处理技术的基本原理 . 6 像去噪技术的应用及其作用效果 . 7 像噪声的空间和频率特性 . 7 像去噪技术应用 . 8 局部均值图像去噪的原理 . 11 边滤波模型 . 11 局部均值图像去噪 . 12 章小结 . 15 第 3 章 非局部均值图像去噪算法的 现 . 16 数字图像处理中的应用简介 . 16 局部均值图像去噪算法 . 17 局部均值算法的转化 . 17 非局部均值算法中参数的讨论 . 18 局部均值算法的 实现 . 20 高斯核函数在非局部均值图像去噪中的应用 . 20 用 图像边缘处理 . 20 动窗口在整个算法中的实现 . 21 用 现的流程图 . 21 章小结 . 23 第 4 章 非局部均值算法的 真结果及讨论 . 26 像去噪效果评价的方法 . 26 局部均值图像去噪 仿真结果及分析 . 27 真结果分析 . 27 非局部均值图像去噪算法优化的研究介绍 11 . 31 章小结 .未定义书签。 结论 . 34 参考文献 . 35 致谢 . 37 附录 1 . 38 附录 2 . 44 附录 3 . 48 附录 4 . 62 燕山大学本科生毕业设计（论文） 1 第 1 章 绪论 题背景 近些年来，随着各类数字仪器和数码产品的普及，数字图像处理成为数字技术和计算机技术交叉邻域的一个研究热点。数字图像处理是指利用 计算机对科学研究和生产中可视化信息的数字处理，经过对图像信息的加工以满足人的视觉心理或应用需求的行为。主要包括：图像预处理 、图像分割、形状模型，图像校准、特征选择、目标识别 、运动检测与跟踪以及可视化技术等。太空探索图像、气象云图、地图探测卫 星图像，已成为科学探索领域第一手研究资源：医学检测中的层析图像 (核磁共振 (正电子断层成像 (现代医学的重要的诊断手段 :电子安全监控数字图像信息传输和交互。所有这些科学研究和工程技术领域都涉及到大量数字图像处理，随着科学的进步，人类对大自然探索的 不断深入，高科技手段的日益发达，图像处理将在其中发挥更为重要作用。 图像去噪是图像处理领域中一项基本，而又是十分关键的技术，一直是图像处理领域的一个难题。在图像的获取、传输和存储的过程中总是不可避免地受到各种噪声源的干扰。 声的类型 实际应用中的图像都因受到某种干扰而含有噪声，引起噪声的原因 很多，噪声的种类也很多。常见的图像噪声主要有加性噪声、乘性噪声、加性噪声中又包括高斯噪声、 椒盐噪声等典型噪声。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓 、线条等变的模糊不清，如何既平滑掉噪声又尽量保持图像细节，是图像去噪主要研究的任务 1。 像去噪技术 现有的图像去噪方法大致可以划分为两类：一类是空间域方法，主要采用各种图像平滑模板对图像进行卷积处理，以达到压抑或消除噪声的目的；燕山大学本科生毕业设计（论文） 2 另一类是频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经反变换后获得去噪声图像。其中包括 2： 1均值滤波 其基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅 个像素的 图像 ),( 滑处理后得到一幅图像),(),( 下式决定： ,( ),(1),( (1这种方法通过把突变点的灰度分散在其相邻点中来达到平滑效果，操作起来也简单，但这样平滑往往造成图像的模糊，可以证明 3，对图像进行均值处理相当于图像信号通过一低通滤波器。 2中值滤波 其 是一种非线性信号处理方法，它的基本原理是把数字图像或数字序列中的一点的值用该点的一个邻域中各点 值的中值代替。通俗地讲中值滤波就是用一个活动窗口沿图像移动，窗口中心位置的像素灰度用窗口内所有像素灰度的中值来代替。邻域的大小决定在多少个数值中求中值，窗口的大小和形状又是对滤波效果影响很大。 3维纳滤波 其 是一种自适应滤波，它能根据图像的局部方差调整滤波器出，它的目标是恢复图像 ),( 原始图像 ),( 均方误差最小。 ),(),(m i n),(m i nm i n 22 E (14图像小波域滤波 小波分析用于图像去 噪处理，主要是针对图像信号与噪声信号经小波变换后在不同的分辨率呈现不同的规律，在不同的分辨率下，设定阈值门限，调整小波系数，达到图像去噪的目的。 像去噪的作用和目的 图像去噪又称作图像滤波，其最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量的问题。相对于图像增强 ，图像去噪主要是一个客观过程。 通过去噪技术可以有效地提高图像质量，增大信噪比更好地体现原来图像所携带的信息，作为一种重要的预处理手段为后续的数字图像处理奠定良好的基础 6。燕山大学本科生毕业设计（论文） 3 个重要的概念 图像尺度空间 (多尺度图像空间的描述，最早是在计算机视觉领域提出来的。早期就对图像尺度空间的完整定义 1： 1. 因果性 在尺度空间中，从细尺度到粗尺度没有附加的图像细节产生； 2. 局部性 在每个尺度上，图像有明显的边界，而且该边界与其邻接区域上的边界保持一致性； 3. 分片光滑性 在所有尺度上，图像有明显的分片型，而在分片区域内具有一定的光滑性 ； 4. 图像噪音 在本文中利用滤波参数 h ，其取决于对图像噪声方差 2的估计 ； 5. 均方值 ( 常用来评价两幅图像之间差异的重要参数。在这里我们可以用原图像 (无噪音图像 )和去噪结果图像之间的均方差来衡量 。 一个去噪模型的去噪效果。其定义式如下： Ii h E 2)()(| 1 (1其中 )(无噪音图像，由公式可以看出，它反映的是处理后图像与原真实图像的逼近程度。在已知真实图像的前提下，可以使用该评价标准 (所以 能用于模型试 验的评价上 )。由于人视觉对于图像 的不同部分的灰度偏差有不同的敏感度，所以 大小，并不直接决定着图像的去噪质量，但是在一般意义上起到了很好的评价作用。 噪模型评价标准和评价方法 在具体衡量过程中，目测法是评价去噪效果好坏的最直接方法。要想一种去噪模型得到肯定，首先应该通过眼睛这一关的许可。目测法虽然能很好地说明问题，但是有了上面的一些严格定义，使我们对去噪模型的评价变得更有依据。在具体评价去噪模型时，我们需要考虑的几个因素总结如下 1： 一方面去噪后图像应尽量的平滑， 不存在或又较少的噪声痕迹； 其次 去噪结燕山大学本科生毕业设计（论文） 4 果不能使图像过渡的失 去结构细节而变得模糊； 另外 没有由于具体去噪方法产生的人工噪声； 同样也可以通过计算均方差，使 均方差 (可能小。 常用的去噪模型评价方法是 在一幅清晰的图像上加高斯白噪声，然后在加噪的图像上进行去噪实验， 还有一种常用的方法是对一幅清晰图像直接进行去噪，在此我们认为一幅清晰图像本身也含有一定的噪声。 像去噪技术的研究进展 伴随着数字图像处理技术的发展，图像去噪技术几乎渗透于所有的工程领域。图像去噪从上世纪七、八十年代就引起了人们的注意，并在其后的二、三十年中得到了蓬勃的发展。人们相继提出了滑动平均 窗、中值滤波、维纳滤波等经典方法 6。但直到现在因为新问题的不断出现，图像去噪技术和理论的发展还远远没有结束。随着人们对图像理解研究工作的不断深入以及对人类视觉系统机理研究的不断推进，更多的图像模型将会被提出来，而基于这些模型的研究工作将会丰富图像去噪的内容，推动图像领域的发展。另外，从图像处理理论的发展过程来看，我们不难发现，只要有一种新的数学理论提出并利用到图像处理领域中，图像处理理论就会相应的进入一个活跃期，调和分析小波分析以及随机过程等数学理论在过去几十年的图像去噪领域中扮演的角色和所起的作用就生 动地说明这一点。 2002年 真正 ” 的二维图像稀疏表达方法 16，这种变换能够很好的表征图像的各向异性特征。由于 此选择合适的阈值进行去噪就能获得比小波变换更好的效果。 方法虽然能有效的去除噪声，但往往会 “ 过扼杀 ” 致在消除噪声的同时丢失图像细节。在过去的二十年里，自适应滤波器在通信 和信号处理领域引起了人们的极大关注。 17。这种算法对滤波器的所有系数使用了空间可变的收缩因子。基于使后验估计方差矢量的二范数最小的最小方差准则，在块迭代的过程中选出最优的收敛因子。 燕山大学本科生毕业设计（论文） 5 论文的研究要点与论文结构安排 本文研究的非局部均值算法是在图像去噪基本算法的基础上进行的一次革新。 人对双边滤波算法作了进一步的推广，提出了非局部均值滤波算法，这是对传统局部去噪模型的革新。本文在对 图像去噪技术介绍的基础上对非局部均值图像去噪算法进行了详细介绍，并且分析非局部算法相对其他滤波方法的优缺点。对于非局部均值图像去噪的 现及算法优化进行了进一步的论述。 第 1 章 主要介绍数字图像、数字图像处理以及图像去噪的发展状况及一些基本概念。 第 2 章 引入本论文的主要研究对象，非局部均值图像去噪的基本理论知识进行介绍，并对与传统的图像去噪技术进行比较。 第 3 章 介绍利用 非局部均值图像去噪算法的实现与仿真。 第 4 章 非局部均值图像去噪存在不足对算法进行优化处理的讨论。燕山大学本科生毕业设计（论文） 6 第 2 章 非局 部均值图像去噪的基本原理 图像是客观世界的能量或状态以某种方式在二维平面上的投影转化成的一种可视形式，是人类社会活动中最常用的信息载体。图像中包含着物体的“大量”信息，通过感觉 、 知觉 、 记忆 、 认知 、 搜索形成概念，直到最终识别和理解视觉刺激。它传递着物理世界的能量和事物状态的信息，是人们获取外界原始信息的主要途径。图像对人们是如此重要，人们总是设法延伸视觉功能，弥补视觉功能的不足，从图像中提取更多的信息这就需要对图像进行图像处理。图像去噪就是图像处理中的一个关键点，达到去噪效果得到所需要的信息 。 像去 噪处理技术的基本原理 图像去噪是图像复原的一种特例，因此很有必要弄清楚图像复原的基本原理，我们先来研究图像退化模型。场景辐射能量在物平面上分布用 ),( 通过成像系统 H 时，在像平面所得图像为 ),( 如果再有加性噪声 ),( 则实际所的退化图像 ),( 用下列模型表示： ),(),(),( (2其中 H 是综合所有退化因素的函数。因此，对于空间移不变系统，退化模型描述为 ),(),(),(),( (2),(),(*),( 图像复原是在以知 ),( ),( ),( 一些先验知识的条件下，求得 ),( 图像复原是根据退化原理，建立相应的数学模型， 从被污染或畸形的图像信号之中提取所需要的信息，沿着使图像降质的逆 过程恢复图像本来面貌。实际的复原过程是设计一个滤波器，使其能从将质图像 ),( 计算得到真实图像的估值 ),( 使得根据预先规定的误差准则，最大程度地接近真实图像 ),( 燕山大学本科生毕业设计（论文） 7 广义上讲，图像复原是一个求逆的问题，逆问题经常存在非唯一解，甚至无解。为了得到逆 问题的有用解，需要有先验知识以及对接的附加约束条件。作为图像恢复的一种，图像去噪的方法也有很多，但其原理不外乎两种：一种是从其噪声模型出发，建立分析图像退化或者被污染的模型，通过使用模型获得的先验知识来恢复或者重建图像；另一种是研究含噪图像，寻找图像特征或信息分布规律，对像素值直接进行滤波或者将像素值变换至变换域进行处理。 以最为基础的逆滤波为例，根据 (2像退化模型： ),(),(*),(),( (2在空间域复原图像的计算量很大 ，不大实用。利用傅立叶变换从上式可得 ),(),(),(),( (2其中 , 分别为 , 的傅立叶变换，而 ),( 系统的传递函数。 在忽略噪声的影响，退化模型的傅氏变换为 ),(),(),( （ 2 如果已知系统的传递函数 ),( 则根据 ),(/),(),( （ 2 可得复原图像的谱，经傅氏变换即可得到复原图像。 当退化图像的噪声较小，即轻度将质时，采用逆滤波复原的方法可以获得较好的结果。通常 ， ),( 离频率平面原点较远的地方数值较小或为零，因此图像复原在原点周围的有限区域进行，即将退化图形的傅立叶谱限制在 ),( 出现零点而且数值又 不是太小的有限范围内。 以上是图像还原的基本原理，图像去噪的原理 在本质上 与其基本是 相同的。 像去噪技术的应用及其作用效果 像噪声的空间和频率特性 数字图像的噪声主要来源于图像的获取 (数字化过程 )和传输过程。图像燕山大学本科生毕业设计（论文） 8 传感器的工作情况受各种因素的影响，如图像获取中的环境条件和传感元器件自身的质量。例如，使用 像机获取图像，光照程度和传感器温度是生成图像中产生大量噪声的主要因素。图像在传输过程中主要由于所用的传输信道的干扰受到噪声污染。比如，通过无限网络传输的图像可能会因为光或其他大气因 素的干扰被污染。 频率特性是指噪声在傅立叶域的频率内容 (即相对于电磁波谱 )，例如，当噪声的傅立叶谱是常量时，噪声通常称为白噪声。这个术语是从白光的物理特性派生出来的，它将以相等的比例包含可见光谱中所有的频率，以等比例包含所有频率的函数的傅立叶谱是一个常量。 像去噪技术应用 在过去的研究中，诸多学者在图像噪声抑制算法研究方面提出了大量算法。从总体上图像噪声的滤波算法大致上可分为两类：空域滤波算法和变换域滤波算法。一个性能优越的去噪技术至少具有两个特性：统计上相同区域的噪声应该尽可能的得到抑制和尽 可能的保持图像特征。 1 中值滤波 中值滤波是一种去除噪声的非线性处理方法，它是由图基 (1971 年提出的 1。开始中值滤波用于时间序列的分析，后来被用于图像处理，在去噪复原中得到了较好的效果。 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。中值的定义如下： 一组数, 21,把 n 个数按值的大小顺序排列于下： 321 21,)12()2()21(21e (2y 称为序列 , 21 的中值，把一个点的特定长度或形状的邻域称作窗口。在一维情形下，中值滤波器是一个含有奇数个像素的滑动窗口。窗燕山大学本科生毕业设计（论文） 9 口正中间那个像素的值用窗口内各像素值的中值代替。 设输入序列为 ,I 为自然数集合或子集，窗口长度为 n 。则滤波器输出为 e e (22 )1(, 中值滤波的概念可以推广到二维，此时可以利用某种形式的二维窗口。设 ),(,表示数字图像各点的灰度值，滤波窗口为 A 的二维中值滤波可以定义为 ),(,),(, 2)( e e dy (2二维中值滤波的窗口可以取方形，也可以取近似圆形或十字形。 以上中值滤波中窗口内各点对输出的作用是相同的。如果希望强调中间点或距中间点最近 的几个点的作用，可以采用加权中值滤波法。加权中值滤波的基本原理是改变窗口中变量的个数，可以使一个以上的变量等于同一点的值，然后对扩张后的数字集中求中值。以窗口为 3 的一维加权中值滤波为例，表示如下： ,_ 11 e dW e i g h t e ,1111 e d(2由上式可见，在窗口内，中间点取奇数，两边点取对称数，也就是位于窗口中间的像素重复两次，位于窗口边缘的两个像素重复一次，形成新的序列，然后对新的序列再 施以常规中值滤波处理。二维加权处理与一维类似，如果适当的选取窗口内各点的权重，加权中值滤波比简单的中值滤波能更好地从受噪声污染的图像中恢复出阶跃边缘以及其他细节，而且对图像边缘有较好的保护。但中值滤波也有其固有的缺陷，如果使用不当，会损失许多图像的细节，因此在选择窗口时要考虑其形状及等效带宽，以避免滤波处理造成的信息损失。 2 邻域平均法滤波及均值滤波 邻域平均法是简单的空域处理方法。这种方法的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅 个像 素的图像燕山大学本科生毕业设计（论文） 10 ),( 平滑处理后得到一幅图像 ),( ),( 下式决定： ,( ),(1),( (2式中 1,2,1,0, 是 ),( 邻域中点的坐标的集合，但其中不包括 ),( ， M 是集合内坐标点的总数。式 (2明，平滑化的图像 ),( ,( 预定邻域中的 ),( 几个像素的灰度值的平均值来决定。例如，可以以 ),( 为中心，取单位距离构成一个邻域，其重点的坐标集合为 ),1(),1(),1,(),1,( (2邻域平均法平滑时，邻域的选取通常有两种方式：以单位距离为半径或单 位距离的 2 倍为半径。前者称为四点邻域，后者称为八点邻域。邻域平均法有力地抑制了噪声，同时，也出现了因平均作用而引起的模糊现象，模糊程度与邻域半径成正比。 均值滤波作为一种典型的线性滤波算法，是在原有的邻域平均法的基础上的一种优化。它的输出响应是包含在滤波模板邻域内像素的简单平均值，通常指的都是低通滤波器。当各个像素用它的邻域像素的加权平均替代时，所得到的图像时低通滤波图像，其输出图像可表示为 ),(,),(),(),( (2),( ),( 别是输入图像和输出图像， w 是在 ),( 置选择的邻域， ),( 是滤波器的权重。通常在空间平均滤波器中所有权重都赋予相同的值，因此滤波器的表达式可变为 ,(),(),(1),( (2 其中 N 是邻域 w 中的像素数。通常各个像素由他最近的四个邻域的平均值替代。图像空间的平均运算可以使噪声得到平滑，如果观测的图像为),(),(),( (2那么所计算出的空间平均值 如式子 (2 ),(),(1),( ),( (2燕山大学本科生毕业设计（论文） 11 其中 ),( 噪声分量 ),( 空间平均。如果噪声的方差为 2 ，那么就表示 ),( 零均值，且方差为 N/2 这意味着如果因数等于中心像素时，执行空间平均，图形噪声功率减少。 简单的空间均值滤波通过局部像素的均值来达到图像去噪的目的，而对于权重则是不变的，因此所有的图像区域可以由任意邻域 w 内置产生，对于效果也大同小异。空间均值滤波不考虑中心像素与邻域像素间的灰度级 差分影响，也不考虑离中心像素较远的像素的影响情况。而是盲目的求像素的平均值，忽略了图像局部的相似度，处理后的图像可能会有大面积的模糊效应。由于均值滤波只考虑邻域像素的平均值，而没有考虑像素间的差异，所以局限在局部范围内为局部均值滤波。对于非局部均值滤波就是在均值滤波的基础上，运用中心像素间邻域的相似性，并考虑离中心像素较远的像素的影响，从而确定了像素点的灰度值。这样可有效的保护图像边缘的细节，从而克服了局部均值滤波会出现图像模糊的现象。 局部均值图像去噪的原理 为了弥补传统图像去噪技术的不足， 人在对双边滤波算法作了进一步的推广，提出了非局部均值滤波的算法。这种算法是对传统去噪技术的革新。它在双边滤波模型的基础上进行了进一步的优化从而突出了图像的细节和特征，达到了图像去噪最优的效果。下面先从双边滤波模型的基本原理来进行讨论，为非局部均值算法提供一定的基础。 边滤波模型 双边滤波模型为非迭代，局部去噪算法。该算法描述简洁易于程序实现，且在很多情况都达到了很好的去噪效果，也容易推广到 像的处理，诸多的优良性质使得该方法受到了广泛的关注。 记去噪算子为么滤波模型可写成如下的一般形式： h )(),()( (2在传统的低通滤波器模型中，权函数 ),( 和空间分布有关，处理后图像中，每个像素的灰度值是在其小邻域内的像素上作灰度加权运算得 燕山大学本科生毕业设计（论文） 12 到，其表达式 为 F D )(),()( (2其中 ),( 衡 量像素 x 和 y 在几何上邻近关系的权函数。在此基础上，双边滤波模型增加了衡量该像素和其邻域内像素的灰度值接近程度的权因子。其表达式如下： D )(),(),()( (2其中 ),( 们通常取 )2|e x p ()(1),(22D (2)2 |)()(|e x p ()(1),( 2 2R (2 其中， )2|)()(|e x p ()(,)2|e x p ()(2222。 双边滤波模型在平滑图像过程中，根据邻域内像素灰度值的分布情况，做不同权重的加权运算，很好的体现了算法各向异性的性质。在图像的边界处，通常的邻域卷积运算会导致图像边界变得模糊。加上表示灰度值差异的权因子 ),( 图像边界处灰度值有一个比较大的落差，此时权值较小，那么在边界一边的灰度分布不会影响到另一边的灰度分布 ，这样就可以在平滑噪声的同时，可以有效的保持边界。正由于其考虑了几何上的临近关系，又考虑了灰度的相似性，这也是双边滤波这个名字的由来。但作为局部滤波去噪，在去除噪声的时候会忽略图像的某些细节和特征，或者将其特征和细节将噪声去除。 局部均值图像去噪 1 非局部均值的特点 非局部均值图像去噪是对双边滤波的一个推广，自然图像中往往包含有许多冗余信息，充分利用这些冗余信息为去噪服务，这是非局部平均滤波模型的主要思想。冗余信息即是指自然图像中部分区域灰度的相似程度，根据相似度来进行平滑去噪是非局部均值图 像去噪的一个优点。 燕山大学本科生毕业设计（论文） 13 非局部 均值 (型的主要特点是：该方法不是用图像中单个像素的灰度值进行比较，而是对该像素周围的整个灰度的分布状况进行比较，根据灰度分布的相似性来贡献权值。 如图 示， 21, 相似程度不同 ，显然 1q 的邻域灰度分布与