paper 132：图像去噪算法：NL-Means和BM3D

这篇文章写的非常好，确定要~认真~慎重~的转载了，具体请关注本文编辑作者：http://wenhuix.github.io/research/denoise.html   我不会告诉你这里的代码都是free！

图像去噪是非常基础也是非常必要的研究，去噪常常在更高级的图像处理之前进行，是图像处理的基础。可惜的是，目前去噪算法并没有很好的解决方案，实际应用中，更多的是在效果和运算复杂度之间求得一个平衡，再一次验证了我老师的一句话：

所有的工程问题最后都是最优化问题。

噪声模型

 

图像中噪声的来源有许多种，这些噪声来源于图像采集、传输、压缩等各个方面。噪声的种类也各不相同，比如椒盐噪声，高斯噪声等，针对不同的噪声有不同的处理算法。

对于输入的带有噪声的图像v(x)，其加性噪声可以用一个方程来表示：

v(x)=u(x)+η(x),x∈Ω,

其中u(x)u(x)是原来没有噪声的图像。xx是像素集合，η(x)η(x)是加项噪声项，代表噪声带来的影响。ΩΩ是像素的集合，也就是整幅图像。从这个公式可以看出，噪声是直接叠加在原始图像上的，这个噪声可以是椒盐噪声、高斯噪声。理论上来说，如果能够精确地获得噪声，用输入图像减去噪声就可以恢复出原始图像。但现实往往很骨感，除非明确地知道噪声生成的方式，否则噪声很难单独求出来。

工程上，图像中的噪声常常用高斯噪声N(μ,σ2)N(μ,σ2)来近似表示，其中μ=0μ=0，σ2σ2是噪声的方差，σ2σ2越大，噪声越大。一个有效的去除高斯噪声的方式是图像求平均，对N幅相同的图像求平均的结果将使得高斯噪声的方差降低到原来的N分之一，现在效果比较好的去噪算法都是基于这一思想来进行算法设计。

 

NL-Means算法

 

NL-Means的全称是：Non-Local Means，直译过来是非局部平均，在2005年由Baudes提出，该算法使用自然图像中普遍存在的冗余信息来去噪声。与常用的双线性滤波、中值滤波等利用图像局部信息来滤波不同的是，它利用了整幅图像来进行去噪，以图像块为单位在图像中寻找相似区域，再对这些区域求平均，能够比较好地去掉图像中存在的高斯噪声。NL-Means的滤波过程可以用下面公式来表示：

u~(x)=∑y∈Ωxw(x,y)v(y).u~(x)=∑y∈Ωxw(x,y)v(y).

在这个公式中，w(x,y)w(x,y)是一个权重，表示在原始图像vv中，像素 xx 和像素 yy 的相似度。这个权重要大于0，同时，权重的和为1，用公式表示是这样：

w(x,y)>0and∑y∈Ωxw(x,y)=1,∀x∈Ω,y∈Ωx.w(x,y)>0and∑y∈Ωxw(x,y)=1,∀x∈Ω,y∈Ωx.

ΩxΩx是像素 xx 的邻域。这个公式可以这样理解：对于图像中的每一个像素 xx ，去噪之后的结果等于它邻域中像素 yy 的加权和，加权的权重等于 xx 和 yy 的相似度。这个邻域也称为搜索区域，搜索区域越大，找到相似像素的机会也越大，但同时计算量也是成指数上升。在提出这个算法的文献中，这个区域是整幅图像！导致的结果是处理一幅512x512大小的图像，最少也得几分钟。

衡量像素相似度的方法有很多，最常用的是根据两个像素的亮度值的差的平方来估计。但因为有噪声的存在，单独的一个像素并不可靠。对此解决方法是，考虑它们的邻域，只有邻域相似度高才能说这两个像素的相似度高。衡量两个图像块的相似度最常用的方法是计算他们之间的欧氏距离：

w(x,y)=1n(x)exp(∥V(x)−V(y)∥22,ah2).w(x,y)=1n(x)exp⁡(‖V(x)−V(y)‖2,a2h2).

其中： n(x)n(x) 是一个归一化的因子，是所有权重的和，对每个权重除以该因子后，使得权重满足和为1的条件。 h>0h>0 是滤波系数，控制指数函数的衰减从而改变欧氏距离的权重。 V(x)V(x)和 V(y)V(y) 代表了像素 xx 和像素 yy 的邻域，这个邻域常称为块(Patch)邻域。块邻域一般要小于搜索区域。∥V(x)−V(y)∥22,a‖V(x)−V(y)‖2,a2 是两个邻域的高斯加权欧式距离。其中 a>0a>0 是高斯核的标准差。在求欧式距离的时候，不同位置的像素的权重是不一样的，距离块的中心越近，权重越大，距离中心越远，权重越小，权重服从高斯分布。实际计算中考虑到计算量的问题，常常采用均匀分布的权重。

讲了这么多，是时候用图来说明问题了：

如上图所示，p为去噪的点，因为q1和q2的邻域与p相似，所以权重w(p,q1)w(p,q1)和w(p,q2)w(p,q2)比较大，而邻域相差比较大的点q3的权重值w(p,q3)w(p,q3)很小。如果用一幅图把所有点的权重表示出来，那就得到下面这些权重图：

这6组图像中，左边是原图，中心的白色色块代表了像素 xx 块邻域，右边是计算出来的权重 w(x,y)w(x,y) 图，权重范围从0（黑色）到1（白色）。这个块邻域在整幅图像中移动，计算图像中其他区域跟这个块的相似度，相似度越高，得到的权重越大。最后将这些相似的像素值根据归一化之后的权重加权求和，得到的就是去噪之后的图像了。

这个算法参数的选择也有讲究，一般而言，考虑到算法复杂度，搜索区域大概取21x21，相似度比较的块的可以取7x7。实际中，常常需要根据噪声来选取合适的参数。当高斯噪声的标准差 σσ越大时，为了使算法鲁棒性更好，需要增大块区域，块区域增加同样也需要增加搜索区域。同时，滤波系数 hh 与 σσ 正相关：h=kσh=kσ，当块变大时，kk 需要适当减小。

NL-Means算法的复杂度跟图像的大小、颜色通道数、相似块的大小和搜索框的大小密切相关，设图像的大小为N××N，颜色通道数为NcNc，块的大小为k××k，搜索框的大小为n××n，那么算法复杂度为：O(N2Nck2n2)O(N2Nck2n2)。对512××512的彩色图像而言，设置k=7，n=21，OpenCV在使用了多线程的情况下，处理一幅图像所需要的时间需要几十秒。虽然有人不断基于这个算法进行改进、提速，但离实时处理还是比较远。

最后来看一下这个算法的去噪效果[3]：

  

BM3D算法

 

BM3D（Block-matching and 3D filtering，3维块匹配滤波）可以说是当前效果最好的算法之一。该算法的思想跟NL-Means有点类似，也是在图像中寻找相似块的方法进行滤波，但是相对于NL-Means要复杂得多，理解了NL-Means有助于理解BM3D算法。BM3D算法总共有两大步骤，分为基础估计（Step1）和最终估计（Step2）：

BM3D算法流程图

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）。上面的算法流程图已经比较好地将这一过程表示出来了，只需要稍加解释。

Stpe1：基础估计

(1) Grouping：有了NL-Means的基础，寻找相似块的过程很容易理解。首先在噪声图像中选择一些k×kk×k 大小的参照块（考虑到算法复杂度，不用每个像素点都选参照块，通常隔3个像素为一个不长选取，复杂度降到1/9），在参照块的周围适当大小（n×nn×n）的区域内进行搜索，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，整合的顺序对结果影响不大。同时，参照块自身也要整合进3维矩阵，且差异度为0。寻找相似块这一过程可以用一个公式来表示：

G(P)={Q:d(P,Q)≤τstep1}.G(P)={Q:d(P,Q)≤τstep1}.

d(P,Q)代表两个块之间的欧式距离。最终整合相似块获得的矩阵就是流程图Step1中左下角的蓝色R矩阵。

(2) Collaborative Filtering：形成若干个三维的矩阵之后，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。二维变换结束后，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。这一过程同样可以用一个公式来表达：

Q(P)=T−13Dhard(γ(T3Dhard(Q(P)))).Q(P)=T3Dhard−1(γ(T3Dhard(Q(P)))).

在这个公式中，二维变换和一维变换用一个T3DhardT3Dhard 来表示。γγ是一个阈值操作：

γ(x)={0if|x|≤λ3Dσxotherwise.γ(x)={0if|x|≤λ3Dσxotherwise.

σσ是噪声的标准差，代表噪声的强度。

(3) Aggregation：此时，每个二维块都是对去噪图像的估计。这一步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：第二步中的聚合过程与第一步类似，不同的是，这次将会得到两个三维数组：噪声图形成的三维矩阵Qbasic(P)Qbasic(P)和基础估计结果的三维矩阵Q(P)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。用维纳滤波（Wiener Filtering）将噪声图形成的三维矩阵进行系数放缩，该系数通过基础估计的三维矩阵的值以及噪声强度得出。这一过程同样可以用一个公式来表达：

Q(P)=T−13Dwein(wp⋅T3Dwein(Q(P))).Q(P)=T3Dwein−1(wp⋅T3Dwein(Q(P))).

在这个公式中，二维变换和一维变换用一个T3DweinT3Dwein 来表示。wpwp是一个维纳滤波的系数：

wp(ξ)=∣∣τwien3D(Qbasic(P))(ξ)∣∣2∣∣τwien3D(Qbasic(P))(ξ)∣∣2+σ2wp(ξ)=|τ3Dwien(Qbasic(P))(ξ)|2|τ3Dwien(Qbasic(P))(ξ)|2+σ2

σσ是噪声的标准差，代表噪声的强度。

(3) Aggregation：与第一步中一样，这里也是将这些块融合到原来的位置，只是此时加权的权重取决于维纳滤波的系数和噪声强度。

经过最终估计之后，BM3D算法已经将原图的噪声显著地去除。可以来看一组结果：

  

该算法的主要运算量还是在相似块的搜索与匹配上，在与NL-Means同样大小的相似块和搜索区域的情况下，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。梦想着实时处理的同学可以死心了。

算法比较

 

要比较算法效果，必然离不开评价体系。由于人带有主观因素，每个人的评价可能都不一样，因此有必要用几种客观的评价方法来对结果进行评价。目前，用得比较多的评价方式是MSE(Mean-Squared Error，均方误差)和PSNR(Peak Signal-to-Noise Ratio，峰值信噪比)。

两幅M×NM×N大小的图像u(x,y)u(x,y)和v(x,y)v(x,y)的MSE计算公式如下：

eMSE=1MN∑n=1N∑m=1M[u(n,m)−v(n,m)]2.eMSE=1MN∑n=1N∑m=1M[u(n,m)−v(n,m)]2.

在这个公式里没有表现出像素值范围对结果的影响，同样的均方误差8-bit的图像和12-bit的图像显然没有可比性。因此，又引入了峰值信噪比：

PSNR=−10log10eMSEs2.PSNR=−10log10eMSEs2.

上式中，ss 是图像像素最大值，对于8-bit的图像而言 ss=255，PSNR的单位是分贝(dB)。 通常 PSNR 值越高表示品质越好，一般而言，当 PSNR<30dB 时，代表以人的肉眼看起来是不能容忍的范围。因此大部分PSNR值都要>30dB。但PSNR高，并不代表图像质量一定好，有时候还是必须要靠人的肉眼去辅助判断图像的质量才较为正确。

不同PSNR对应的视觉效果

我对上面两种方法获得的结果针对原图计算了PSNR，结果如下：

两个算法的PSNR比较

	NL-Means	BM3D
PSNR	32.0913	33.6711

NL-Means和BM3D可以说是目前效果最好的去噪算法，其中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。当然，这里进行测试的样本比较少，可能还不足以完全说明问题。

最后说几句

 

这两者可以说是目前最有效的图像去噪算法了，但是都不可避免地要面对一个同问题：尽管计算机性能已经成百上千倍地提高，还是远不能满足很多算法的实时计算的需求，这很大程度上限制了这些算法的使用范围：用户无法处理一张照片需要等待长达几分钟的时间，因此，距离真正意义上的实用还是有一段距离。我们只能期待，要是有一天计算机性能不再是问题，又或者，大牛们能够研究出又快又好的算法吧。

参考文献

 

[1] Buades A, Coll B, Morel J M. A non-local algorithm for image denoising[C]//Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. IEEE, 2005, 2: 60-65.

[2] Buades A, Coll B, Morel J M. Nonlocal image and movie denoising[J]. International journal of computer vision, 2008, 76(2): 123-139.

[3] Antoni Buades, Bartomeu Coll, and Jean-Michel Morel, Non-Local Means Denoising, Image Processing On Line, 1 (2011). http://dx.doi.org/10.5201/ipol.2011.bcm_nlm

[4] Jacques Froment, Parameter-Free Fast Pixelwise Non-Local Means Denoising, Image Processing On Line, 4 (2014), pp. 300–326. http://dx.doi.org/10.5201/ipol.2014.120

[5] Dabov K, Foi A, Katkovnik V, et al. Image denoising by sparse 3-D transform-domain collaborative filtering[J]. Image Processing, IEEE Transactions on, 2007, 16(8): 2080-2095.

[6] http://www.cs.tut.fi/~foi/GCF-BM3D/

[7] Marc Lebrun, An Analysis and Implementation of the BM3D Image Denoising Method, Image Processing On Line, 2 (2012), pp. 175–213. http://dx.doi.org/10.5201/ipol.2012.l-bm3d

[8] Measures of image quality