文件名称：Non-Local-Means:非局部均值去噪算法
文件大小：16.1MB
文件格式：ZIP
更新时间：2024-05-28 18:56:41
MATLAB
非本地手段 介绍 在这个项目中，我以幼稚的方式并使用积分图像实现了非局部均值过滤。 这些文件中都对这两种方法进行了解释： 非本地均值降噪 用于块匹配的积分图像 描述 非局部均值算法用于去除图像中的噪点。 我们输入了三件事： 我们要去噪的图像 大小为kxk的内核 wxw大小的窗口 对于图像中的每个像素（我们将要去噪），我们将窗口围绕其居中，通常，该窗口是相当大的，但出于性能方面的考虑，当然不如整个图像大。 然后，对于窗口中的每个像素，我们滑动一个补丁（通常为3x3或5x5），我们要去噪的像素将是图像补丁上的加权和。 整体影像改善 如果我们使用积分图像，则可以加快计算速度。 伦敦大学学院图像处理课程中的Lourdes Agapito教授的图像幻灯片 由于以下公式，我们可以加快计算速度： 图片摘自Wikipedia（ ） 如何使用代码 只需打开Matlab并为完整的图像实现运行nonL
【文件预览】：
Non-Local-Means-master
----evaluateIntegralImage.m(894B)
----computeIntegralImage.m(1KB)
----Summed_area_table.png(6KB)
----README.md(2KB)
----basicSection.m(2KB)
----templateMatchingIntegralImage.m(4KB)
----nonLocalMeansWithoutIntegral.m(3KB)
----integralImages.png(345KB)
----advancedSection.m(4KB)
----integralImages-article.pdf(1.58MB)
----NL Means sigma 20 h 0.55 with integral.fig(920KB)
----templateMatchingNaive.m(3KB)
----nonLocalMeans.m(3KB)
----alleyNoisy_sigma20_copy.png(1.17MB)
----non-local-means-paper.pdf(774KB)
----computeWeighting.m(242B)
----NL Means sigma 5 h 0.25.fig(769KB)
----NL Means sigma 20 h 15.fig(875KB)
----images()
--------treesReference.png(936KB)
--------townReference.png(486KB)
--------alleyReference.png(726KB)
--------townNoisy_sigma5.png(612KB)
--------treesNoisy_sigma10.png(1.02MB)
--------.DS_Store(6KB)
--------alleyNoisy_sigma20.png(985KB)
--------debug()
----NL Means sigma 20 h 0.15.fig(920KB)
----NL Means sigma 20 h 0.25.fig(920KB)
----NL Means sigma 20 h 1.fig(919KB)
----NL Means sigma 5 h 0.55.fig(768KB)