大家好，又见面了，我是你们的朋友全栈君。
BM3D（Block-matching and 3D filtering，3维块匹配滤波） 2007-TIP-Image denoising by sparse 3D transform-domain collaborative ltering
NL-means （空间域处理） 非局部均值算法
p像素的值的大小就应该为q1q2q3每个与p对应房间（像素）值的加权平均，这样就对P图像斑块完成了降噪的过程，类似一个基于大斑块的高斯滤波算法。
BM3D 把空间域和变换域的降噪方法结合起来 BM3D该算法通过相似判定找到与参考块相近的二维图像块，并将相似块按照组合成三维群组，对三维群组进行协同滤波处理，再将处理结果聚合到原图像块的位置。
把分好的图像斑块“摞起来”，形成一个3D的“块”（Block）,在每一层中进行二维变换，变换到频率域，此外，在第三个维度，也就是每一层的对应的房间（像素）上进行一维变换，变换之后，按照非局部均值的思想，对斑块在频率域进行降噪处理，（其实是对像素值的加权平均），再对经过变换之后图像斑块，进行“硬阈值”处理，处理剔除不合格像素值，在经过反三维变换变换为空间域，再对图像进行块匹配，聚合至原来每个块的位置 https://zhuanlan.zhihu.com/p/81856526 主要计算量：（1）搜索匹配块（，做滤波） （2）计算权值 （3）加权平均（相当于滤波）（聚合）
图像去噪算法：NL-Means和BM3D
BM3D算法总共有两大步骤，分为基础估计（Step1）和最终估计（Step2）： 在这两大步中，分别又有三小步：相似块分组（Grouping），协同滤波（Collaborative Filtering）和聚合（Aggregation）。
Stpe1：基础估计 (1) Grouping：寻找若干个差异度最小的块，并把这些块整合成一个3维的矩阵 (2) Collaborative Filtering： 首先将每个三维矩阵中的二维的块（即噪声图中的某个块）进行二维变换，可采用小波变换或DCT变换等，通常采用小波BIOR1.5。 在矩阵的第三个维度进行一维变换，通常为阿达马变换（Hadamard Transform）。 变换完成后对三维矩阵进行硬阈值处理，将小于阈值的系数置0，然后通过在第三维的一维反变换和二维反变换得到处理后的图像块。 (3) Aggregation：分别将这些块融合到原来的位置，每个像素的灰度值通过每个对应位置的块的值加权平均，权重取决于置0的个数和噪声强度。
Step2：最终估计 (1) Grouping：得到两个三维数组：噪声图形成的三维矩阵Qbasic(P)和基础估计结果的三维矩阵Q(P)。 (2) Collaborative Filtering：两个三维矩阵都进行二维和一维变换，这里的二维变换通常采用DCT变换以得到更好的效果。 (3) Aggregation：与第一步中一样
BM3D的算法复杂度是要高于NL-Means的，应该大概在NL-Means的3倍左右。
BM3D甚至宣称它可以得到迄今为止最高的PSNR。从最终的结果也可以看出来，BM3D的效果确实要好于NL-Means，噪声更少，能够更好地恢复出图像的细节。在效果这一点上BM3D胜。无愧于State-of-the-art这一称号。 http://wenhuix.github.io/research/denoise.html
处理灰度图的BM3D以及它的变体CBM3D（彩色图）、VBM3D（时域）是图像去噪领域公认的去噪效果（PSNR）最好的 https://blog.csdn.net/github_28260175/article/details/81101457 c 代码 http://www.ipol.im/pub/art/2012/l-bm3d/ 147服务器 Euler系统 yum install fftw-devel fftw-doc yum install libpng-devel yum install libtiff-devel yum install libjpeg-devel
make OMP=1
./BM3Ddenoising cinput.png 10 ImNoisy.png ImBasic.png ImDenoised.png ImDiff.png ImBias.png ImDiffBias.png 1 bior 0 dct 1 opp
./BM3Ddenoising 000001.png 10 ImNoisy.png ImBasic.png ImDenoised.png ImDiff.png ImBias.png ImDiffBias.png 0 dct 0 dct 0 rgb
python版本代码 https://github.com/Ryanshuai/BM3D_py
手动安装fftw3 http://www.fftw.org/download.html tar xvzf fftw-3.3.8.tar.gz ./configure make & make install http://www.52souji.net/details-about-the-installation-of-fftw.html 74服务器上 安装后路径搜不到 解决：改源再安装
ffmpeg -y -threads 16 -i input.mp4 -filter_complex “bm3d=sigma=5:block=4:bstep=2:group=1:estim=basic” output.mp4
ffmpeg -y -threads 16 -s 1920×1080 -i 5frame_1920x1080.yuv -filter_complex “bm3d=sigma=10:block=4:bstep=2:group=1:estim=basic” out.yuv https://blog.csdn.net/Wu_qz/article/details/103153094 ‘sigma’ Set denoising strength. Default value is 1. Allowed range is from 0 to 999.9 http://underpop.online.fr/f/ffmpeg/help/bm3d.htm.gz
注意：ffmpeg需要4.3.1版本
此时三维矩阵中的每个二维块均是对去噪图像的估计，分别将这些块融合到原来的位置，每个像素的强度通过每个对应位置的块的值加权平均，权重取决于置0的个数和噪声强度（标准差sigma的值）。 https://zh.wikipedia.org/wiki/三维块匹配算法
变体
处理灰度图的BM3D以及它的变体CBM3D（彩色图）、VBM3D（时域）是图像去噪领域公认的去噪效果（PSNR）最好的， 而BM4D、VBM4D等也都是沿袭BM3D的基于块处理（block-wise estimate）的思想，但其计算时间复杂度极大，或许只能用于离线处理（offline）
VBM3D 对中间帧的目标块搜索相似块，搜索对象是前后帧与中间帧 其余步骤与BM3D无异 https://blog.csdn.net/weixin_45250844/article/details/103153155
高光谱图像是最近几十年发展起来的一种新型遥感图像,它能更为全面、更为详细地描述地物特征。
四维块匹配滤波(Block-Matching 4D filtering,BM4D)算法是目前最新的三维图像去噪算法
由于高光谱图像是由二维空间信息和一维光谱信息组成的三维图像,因此BM4D算法适用于高光谱图像去噪处理。 http://gb.oversea.cnki.net/KCMS/detail/detail.aspx?filename=1017297313.nh&dbcode=CMFD&dbname=CMFDREF
彩色图像方法 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 https://blog.csdn.net/a362682954/article/details/95202003
FFTW是一个基于C写的实现傅里叶变换和小波变换的基础库 https://blog.csdn.net/weixin_44580210/article/details/105198878
幅值小，是噪声；幅值大，是有效信号
频域滤波 https://www.cnblogs.com/pingwen/p/12442257.html
图像变换域去噪算法的基本思想其实就是，首先进行某种变换，将图像从空间域转换到变换域，然后从频率上把噪声分为高中低频噪声，用这种变换域的方法就可以把不同频率的噪声分离，之后进行反变换将图像从变换域转换到原始空间域，最终达到去除图像噪声的目的。
基于小波变换的图像去噪技术 主要思想是经过小波变换后图像和噪声的统计特性不同，其中图像本身的小波系数具有较大幅值，主要集中在高频，噪声小波系数幅值较小，并且存在于小波变换后的所有系数中。因此设置一个阈值门限来进行分离。
算法的基本过程为： ①对原始信号进行小波分解 ②对变换后的小波系数进行阈值处理，得到估计小波系数 ③根据估计小波系数进行小波重构
https://blog.csdn.net/qq_39594939/article/details/100097241
vbm3d
apt-get install fftw3 fftw3-dev pkg-config apt-get install libpng-dev
$ mkdir build; cd build $ cmake .. $ make
./build/bin/VBM3Ddenoising -i zz/d.png -f 1 -l 1000000 -sigma 20 -deno d_vbm3d.png -bsic d_bsic.png -add false https://github.com/tehret/vbm3d
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/133899.html原文链接：https://javaforall.cn
