【图像去噪】基于非局部均值（NLM）滤波图像去噪matlab源码

一、简介

1 NLM滤波原理
2 Pixelwise Implementation
3 Patchwise Implementation

1. 登录后复制

   function [output]=NLmeans(input,t,f,h)
    
    %  输入: 待平滑的图像
    %  t: 搜索窗口半径
    %  f: 相似性窗口半径
    %  h: 平滑参数
    %  NLmeans(ima,5,2,sigma); 
    
    % 图像大小
    [m n]=size(input);
     % 输出
    Output=zeros(m,n);
    input2 = padarray(input,[f+t f+t],'symmetric');%边界作对称处理
    
    % 高斯核
    kernel = make_kernel(f);
    kernel = kernel / sum(sum(kernel));
    
    h=h*h;
    
    for i=1:m
       for j=1:n
                    
            i1 = i+ f+t;%原始图像的像素位置 (中心像素)
            j1 = j+ f+t;
                   
            W1= input2(i1-f:i1+f , j1-f:j1+f);%小窗口
            
            wmax=0; 
            average=0;
            sweight=0;
            
            %rmin = max(i1-t,f+1);
            %rmax = min(i1+t,m+f);
            %smin = max(j1-t,f+1);
            %smax = min(j1+t,n+f);
            rmin=i1-t;
            rmax=i1+t;
            smin=j1-t;
            smax=j1+t;
            
            for r=rmin:1:rmax %大窗口
               for s=smin:1:smax
                                                  
                   if(r==i1 && s==j1) 
                       continue; 
                   end;
                                   
                   W2= input2(r-f:r+f , s-f:s+f);    %大搜索窗口中的小相似性窗口     
                   d = sum(sum(kernel.*(W1-W2).*(W1-W2)));
                   w=exp(-d/h); %权重      
                                    
                   if w>wmax                
                       wmax=w;   %求最大权重            
                   end
                   
                   sweight = sweight + w;  %大窗口中的权重和
                   average = average + w*input2(r,s);                                  
               end 
            end
                
           average = average + wmax*input2(i1,j1);
           sweight = sweight + wmax;
                      
           if sweight > 0
               output(i,j) = average / sweight;
           else
               output(i,j) = input(i,j);
           end                
       end
    end
    function nX = noise(varargin)
   % 图像加入噪声
   % 传入参数依次为:
   % X - 待处理的图像
   % type - 噪声类型
   % variance/density - 高斯噪声的方差/椒盐噪声的密度(optional)
   % M - 控制噪声区域的模板(optional)
    
   % 参数默认值
   variance = 0.01;                %高斯噪声的方差 默认值为0.01
   density = 0.05;                 %椒盐噪声的密度 默认值为0.05
   M = ones(size(varargin{1}));    %控制噪声区域的模板 默认对整个图像加噪声
    
   X = varargin{1};                %待处理的图像
   type = varargin{2};             %噪声类型
    
   % 可选参数
   if nargin>=3
       variance = varargin{3};
       density = varargin{3};
       
       if nargin == 4
           M = varargin{4};
       end
   end

   • 1.
   • 2.
   • 3.
   • 4.
   • 5.
   • 6.
   • 7.
   • 8.
   • 9.
   • 10.
   • 11.
   • 12.
   • 13.
   • 14.
   • 15.
   • 16.
   • 17.
   • 18.
   • 19.
   • 20.
   • 21.
   • 22.
   • 23.
   • 24.
   • 25.
   • 26.
   • 27.
   • 28.
   • 29.
   • 30.
   • 31.
   • 32.
   • 33.
   • 34.
   • 35.
   • 36.
   • 37.
   • 38.
   • 39.
   • 40.
   • 41.
   • 42.
   • 43.
   • 44.
   • 45.
   • 46.
   • 47.
   • 48.
   • 49.
   • 50.
   • 51.
   • 52.
   • 53.
   • 54.
   • 55.
   • 56.
   • 57.
   • 58.
   • 59.
   • 60.
   • 61.
   • 62.
   • 63.
   • 64.
   • 65.
   • 66.
   • 67.
   • 68.
   • 69.
   • 70.
   • 71.
   • 72.
   • 73.
   • 74.
   • 75.
   • 76.
   • 77.
   • 78.
   • 79.
   • 80.
   • 81.
   • 82.
   • 83.
   • 84.
   • 85.
   • 86.
   • 87.
   • 88.
   • 89.
   • 90.
   • 91.
   • 92.
   • 93.
   • 94.
   • 95.
   • 96.
   • 97.

   三、运行结果