相似结构上的平均, 这个基于噪声是加性的, 如果是加性噪声, 我们可以用不同region进行平均, 也可以用相同region不同时间进行平均, 这就是spatial denoise和 temporal denoise的差别
NML也是基于这样的理论, 我们总是在平均相同的像素, 而噪声是个随机变量, 于是噪声以N的平方成比例下降
那NML的基本思路就是两点, ①先找相似的邻域, ②然后求平均, 找相似邻域就可以用到block matching了, 所有NML的方法都是在这两个方向上改动, 就是用什么方法找相似邻域, 找到后是直接平均?加权平均?还是别的函数关系?
NML demo, 处理纹理较多的图像是Denoise算法的一个难点(DNN在这上面有什么天然优势吗?)
网友评论