【发布时间】：2010-12-08 00:36:23
【问题描述】：
Neatimage 使用哪种算法去除照片中的噪点和颗粒？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。
【问题讨论】：
标签： algorithm graphics image-processing filter noise
【发布时间】：2010-12-08 00:36:23
【问题描述】：
在最基本的情况下，降噪通常使用像素平均。当然，问题在于简单的平均会丢失细节。平均更多像素会更多地减少噪点，但会丢失更多细节。平均较少的像素会丢失较少的细节，但减少的噪点较少。
像 NeatImage 或 Noise Ninja 之类的东西会自适应地进行像素平均 - 例如，它会首先扫描发生在足够多像素上的变化，这些像素不太可能是噪声，并且在它看到这些变化的地方，做在更少的像素上进行平均。
他们还会考虑图片的渠道。普通数码相机的每个传感器前面都有一个滤镜。正常的排列方式类似于 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（尤其是）蓝色透射更多的光。为了保持最终画面的色彩平衡，画面中蓝色的亮度必须被“提升”以进行补偿。然而，这往往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最小的平均，在红色通道中稍微多一些，在蓝色通道中更多。
高级降噪器通常会从单个传感器的噪声模型开始，然后根据该模型应用降噪。 IIRC，NeatImage 还允许您拍摄“暗帧”（例如，在镜头盖打开的情况下进行 30 秒曝光）以获得更好的精确传感器的确切噪声特性图，并将其考虑在内（我知道 Noise Ninja 允许那个，如果内存也为 NeatImage 服务）。通常，为了使其发挥最佳效果，您需要从五个暗帧开始。您对它们进行统计分析以找出 1) 哪些像素始终是亮或暗的（“滞留像素”）和 2) 您可以在噪声中找到任何一致的模式，以便您可以直接消除这些模式（例如，靠近处理的传感器部分可能会比其他部分更温暖，因此更嘈杂），以及 3) 即使在没有真正图案的情况下（例如，一些传感器显示亮度噪声，其他主要是色度噪声），噪声的变化类型和程度也是如此。
【讨论】：
-
谢谢杰瑞。我认为它可以在 Lab 或内部类似的色彩空间中工作（它具有单独的色度和亮度噪声设置）。我还看到 Neatimage 使用图像的一个补丁来评估噪声参数。目前还不清楚它是如何使用这些信息的，但结果非常好。
我认为所有三个主要（Noiseware、Neat Image、Noise Ninja）都应用了某种小波去噪。
原因很简单，所有非本地方法实现起来都太慢了。
虽然 DXO 的原始转换器使用非局部均值。
你可以很容易地找到一些关于它的文章（然后回来指出我们你找到的最好的）...
【讨论】：
-
实际上，他们假装使用其他东西 (neatimage.com/overview.html)。但不要指定。我希望对 NR 更了解的人可以猜到。
-
他们说比“经典”更好，所以他们可能会使用“高级”小波技术。 Noise Ninja 宣称它使用“第二代”小波。我仍然会押注 Wavelets。
-
还是很模糊。我想了解更多技术细节。
-
是的。这就是市场营销的说法，“我们已经以适合我们用例的方式调整小波，并且可能会在顶部添加一些其他过滤器。”
【讨论】：
-
谢谢你，伦纳德。这篇论文似乎确实很有用。谢谢！