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。
问问题
2642 次
3 回答
10
最基本的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 这样的东西会自适应地进行像素平均——例如，它会从扫描发生在足够多像素上的变化开始，这些像素不太可能是噪声，并且在它看到这些变化的地方进行平均更少的像素。
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 grgb（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，在红色通道中进行更多的平均，在蓝色通道中进行更多的平均。
高级降噪器通常会从单个传感器的噪声模型开始，并基于该模型应用降噪。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。您对这些进行统计分析以找出 1) 哪些像素始终是亮或暗的（“卡住像素”）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热，因此更嘈杂），
于 2009-10-19T18:00:00.123 回答
5
于 2009-11-12T03:45:06.147 回答
2
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本地方法。
你可以很容易地找到一些关于它的文章（然后回来为我们指出你找到的最好的）......
于 2009-10-24T08:29:42.647 回答