代码之家  ›  专栏  ›  技术社区  ›  sastanin

neatimage使用哪种算法来去除图像的噪声?

  •  2
  • sastanin  · 技术社区  · 15 年前

    neatimage使用哪种算法来去除照片中的噪音和颗粒?我知道这是专有软件,但可能有人有想法。欢迎参考出版物或类似算法。

    3 回复  |  直到 10 年前
        1
  •  5
  •   lguy    15 年前

    这篇论文看起来很有希望:

    http://research.microsoft.com/~larryz/04359321.pdf

    本文简要地讨论了neatimage算法,是一个很好的起点。

        2
  •  10
  •   Jerry Coffin    15 年前

    最基本的,噪音降低通常使用像素平均。当然,问题是简单的平均值会丢失细节。平均更多像素会减少更多的噪声,但会丢失更多的细节。平均较少的像素损失较少的细节,但减少噪音。

    像Neatimage或Noise Ninja这样的软件会自适应地进行像素平均——例如,它将从扫描超过足够像素的变化开始,这些变化不太可能是噪声,在它看到这些变化的地方,对更少的像素进行平均。

    他们还将考虑图片的频道。普通数码相机在每个传感器前面都有一个滤波器。正常的排列类似于G-R-G-B(又称拜耳模式)。在典型的情况下,绿色滤光器比红色或(特别是)蓝色滤光器传输更多的光。为了保持最终图片的颜色平衡,图片中蓝色的亮度必须“提高”以进行补偿。然而,这往往会增加蓝色通道中的噪声。为了补偿这一点,降噪器通常会在绿色通道中做最小的平均,在红色通道中做得更多,在蓝色通道中做得更多。

    一个先进的降噪器通常会从单个传感器的噪声模型开始,并应用基于该模型的噪声降低。IIRC,Neatimage还允许你拍摄“暗色帧”(例如,戴上镜头盖30秒曝光),以获得准确传感器的准确噪音特征的更好地图,并考虑到这一点(我知道噪音忍者允许,如果记忆服务Neatimage也可以)。通常情况下,为了达到最佳效果,您需要从五个深色框架开始。对这些进行统计分析,以找出1)哪些像素始终亮或暗(“卡住的像素”),以及2)在噪声中可以找到的任何一致模式,以便直接消除这些模式(例如,处理附近的传感器部分可能会变热,因此比其他部分噪音更大),以及3)变化的类型和程度即使没有真正的模式(例如,一些传感器显示亮度噪声,其他传感器主要是色度噪声),也可以从噪声中进行预测。

        3
  •  2
  •   Royi    10 年前

    我认为这三个主要(噪音,整洁的图像,噪音忍者)应用某种小波去噪。
    原因很简单,所有非本地方法都太慢,无法实现。
    尽管dxo的原始转换器使用非本地方法。

    你可以很容易地找到一些关于它的文章(然后回来给我们指出你找到的最好的东西)。