BM3D 灰度图像和彩色图像去噪实现

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

欢迎start（笑）。

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

灰度图像方法：

这里引用上述链接的内容：

算法总体流程如图：

主要分为两大步：

第一步，基础估计：

1、对于每个目标图块，在附近寻找最多MAXN1（超参数）个相似的图块，为了避免噪点的影响，将图块经过2D变换（代码中使用DCT变换）后再用欧氏距离衡量相似程度。按距离从小到大排序后取最多前MAXN1个。叠成一个三维数组。

2、对3D数组的第三维，即图块叠起来后，每个图块同一个位置的像素点构成的数组，进行DCT变换后，采用硬阈值的方式将小于超参数  的成分置为0。同时统计非零成分的数量作为后续权重的参考。后将第三维进行逆变换。

关于硬阈值参考链接：硬阈值(Hard Thresholding)函数解读

3、将这些图块逆变换后放回原位，利用非零成分数量统计叠加权重，最后将叠放后的图除以每个点的权重就得到基础估计的图像，此时图像的噪点得到了较大的去除。

 

第二步，最终估计：

1、由于基础估计极大地消除了噪点，对于含噪原图的每个目标图块，可以直接用对应基础估计图块的欧氏距离衡量相似程度。按距离从小到大排序后取最多前MAXN1个。将基础估计图块、含噪原图图块分别叠成两个三维数组。

2、对含基础估计3D数组的第三维，即图块叠起来后，每个图块同一个位置的像素点构成的数组，进行DCT变换，利用如下公式得到系数。

3、将系数与含噪3D图块相乘放回原处，最后做加权平均调整即可得到最终估计图。相对于基础估计图，还原了更多原图的细节。

彩色图像方法：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.

简单翻译：

1.将RGB图转为YUV图。

2.每一步都做如下操作：

1）只在Y（亮度通道）进行Grouping；

2）利用Y通道寻找相似块，并且在所有通道建立相似3D块

3）在每一个通道上分别使用协同滤波和 weighted aggregation.

3.再转化为RGB空间

 

 

原始图片：

效果图：

 

代码已经做好注释，对照本文查看即可了解原理。

完（笑）