Neatimage使用哪种算法去噪图像？

Question

Neatimage使用哪种算法来消除照片中的噪点和纹理？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。

Answer 1

最基本的是，降噪通常使用像素平均。当然，问题在于简单的平均失去了细节。平均更多像素可以更多地降低噪点，但会丢失更多细节。平均更少的像素会减少细节，但会降低噪点。

像NeatImage或Noise Ninja这样的东西会自适应地进行像素平均化 - 例如，它会首先扫描足够像素的变化，这些变化不太可能是噪点，并且它会看到那些，做平均值更少的像素。

他们还会考虑图片的频道。普通数码相机在每个传感器前面都有一个滤镜。正常的排列类似于g-r-g-b（又名拜耳模式）。在典型情况下，绿色滤光片比红色或（特别是）蓝色透射更多光。为了保持最终图像中的色彩平衡，必须“增强”图像中蓝色的亮度以进行补偿。然而，这会增加蓝色通道中的噪声。为了弥补这一点，降噪器通常会在绿色通道中进行相对最小的平均，在红色通道中更多，而在蓝色通道中更多。

高级降噪器通常以单个传感器的噪声模型开始，并根据该模型应用降噪。 IIRC，NeatImage还允许您拍摄“暗帧”（例如，打开镜头盖30秒曝光）以获得更精确传感器的确切噪声特性图，并考虑到这一点（我知道Noise Ninja允许那，如果内存服务NeatImage也是如此）。通常，为了使其发挥最佳效果，您需要从五个暗框开始。您可以统计分析那些找到1）哪些像素始终亮或暗（“卡住像素”）和2）您可以在噪声中找到的任何一致模式，以便您可以直接消除这些（例如，传感器附近的传感器部分）可能比其他部分更温暖，因此噪音更大，以及3）即使在没有真正的模式的情况下也会产生噪声的变化类型和程度（例如，某些传感器显示亮度噪声，其他传感器主要是色度噪声）。 / p>

Answer 2

本文看起来很有希望：

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

它简要讨论了NeatImage的算法，并且是一个很好的起点。

Answer 3

我认为三大专业（Noiseware，Neat Image，Noise Ninja）都适用于某种小波去噪。
原因很简单，所有非本地方法实施起来都太慢了 虽然DXO的Raw Converter使用Non Local Means。

你可以很容易地找到一些文章（并回过头来指出我们找到的最好的文章）......