Non-Local Means denoising: from 3D denoising viewpoint

dbf8575077770132fa957a78463f1f20

 

1. Introduction

傳統的 denoise 著重在 local means 的方法,基本上不外乎是在 target pixel 的附近判斷是否要保留或是抹除 target pixel。缺點是抹除的同時卻也模糊了細節,然後方向就跑去 anisotropic diffusion,neighbor 的判斷越來越多考量和限制, edge 強弱和方向啥的。

這邊要提的 non-local means 的方式主要基於 patch search 的方式來尋找相似的區塊作平均。

Continue reading "Non-Local Means denoising: from 3D denoising viewpoint"

Effective Chromatic Noise Reduction (Noiseware-like)

無論我們在 RGB colorspace 怎麼解永遠都不好,消除 chromatic noise 的同時一定會有機會影響細節,問題就是在 RGB channel 隱含了很大的 intensity 成分。必須要轉換到有 color-phase 和 color-saturation 的空間,完整的將 luminance 區隔開來,然後處理那些對人眼影響不大,但不規則卻會很惱人的 noise channels。 如Lab、YUV、HSV、YCbCr;都是不錯的選擇。

  1. transform RGB image to luminance-split color space.
  2. smooth the non-luminance channels (may use bilateral filtering), NOTE that the smooth window size must be large enough (eg. 21x21 pixels).
  3. well-blended with original channels if we don't want to lose too much color especially in small object region.
  4. inverse transform colorspace.
  5. Done.

sample source

與主流 denoise 軟體比較,canon DPP、Noiseware,都在強 edge 附近使用了較多原圖的顏色,所以邊緣的 chromatic 雜訊也較多,但是更有機會保留色彩。