Skip to content

去噪算法总览

复制本地路径 | 在线编辑

代码：D:\Work\Denoise\A-Refer 文件夹中。

记录

  1. 简单空域操作：均值、中值、高斯；这个没什么好谈的
  2. 三大保边滤波：双边滤波、导向滤波、WLS 滤波；都在滤波文件夹中，都非常妙，尤其后两种，是通过数学推导，有目标公式，最后推出应该用什么样的参数。
  3. 两个频率滤波：维纳滤波、CLS 滤波；冈萨雷斯的书讲的很好，个人记录放在滤波文件夹下。
  4. 低通滤波：巴特沃茨；主要还是如何用吧，低通滤波原理看了冈萨雷斯的书肯定都知道，区别就是不同的低通过滤方式而已，但没必要知道那么细。
  5. TV 滤波：原理不会，反正会用就行。但是要知道 TV 是什么，是图像一种很重要的指标，在去模糊文件夹中有记录。
  6. 小波：这个我一直没搞懂原理，懂得小波是什么就行，和傅里叶的区别，之前学习时在知乎上有很好的文章，就不记录了，一搜就能搜到，别的网站也有转载。
  7. 空间信息：NLM、BM3D，需要知道这两种在原理上和上面最大的不同，那就是通过匹配相似块来降噪，NLM 没有记录，需要时自行搜索；BM3D 有一篇 CSDN 的好文章，已下载，但毕竟太复杂了，很容易忘记，实在需要知道原理再去看吧。
  8. 各向异性滤波：这个原理放在基础滤波中
  9. 其他

没有参考图像的去噪

如果没有参考图像给我们训练，怎么去噪呢？这个是 2018 年一篇文章 DIP 开的坑，非常有趣的 AI 去噪。

  1. 首先会用：scikit-image 中有一篇《Calibrating Denoisers Using J-Invariance》，可以去搜索看，只要会用不求理解，这个方法传入不同参数，可以选择他认为比较好的去噪图片。
  2. 然后 DIP 这篇文章，非常有意思。在 B 站上有一个很好的视频，有记录。
  3. 之后就是各种 AI 开始这个方向走，如 Self2Self、Self2Noise，当时看了但没有记录，这些我感觉就那样，其实 low-level 本身在 AI 应用上就没啥意思，毕竟是一个 ill-posed problem，本质上就是填像素的。
  4. 没意思但有用啊，BM3D 比很多 AI 方法都还要复杂，既然如此那我为什么不用 AI 呢。

Comments