目录
基本原理
一、BM3D算法的详解
编辑
二、python中的应用
总结
基本原理
图像做块间匹配，把多张相似的2D图像块组成3D组，对3D组进行域变换，利用域变换上系数的稀疏性，进行滤波，然再逆向3D域变换，得到滤波后的图像块，放回原来的位置，每个像素可能得到多次滤波的结果，最后进行加权得到降噪的图像。
一、BM3D算法的详解
（1）本文只是对python中BM3D的库进行讲解，该算法的详细介绍请参观以下文章：
传统图像降噪算法之BM3D原理详解_峡谷相对论的博客-CSDN博客https://blog.csdn.net/qq_33552519/article/details/108632146（2）其中BM3D所需要的库可以从以下网址下载，也可以用：pip install bm3d
通过稀疏三维变换域协同滤波实现图像和视频去噪 |块匹配和三维滤波（BM3D）算法及其扩展 (tuni.fi)https://webpages.tuni.fi/foi/GCF-BM3D/（3）其中下载后会有 tar.gz 的一个压缩文件把它解压后安装把 install 换成自己的路径就好了
pip install F:\edge下载文件（2）\bm3d_python_package_3.0.9.tar\dist\bm3d-3.0.9
二、python中的应用
调用bm3d的库
import bm3d（1）第一个实例化函数是用于 彩色图像去噪的：
import bm3d
bm3d.bm3d_rgb(z=,sigma_psd=,profile=,colorspace=)参数：
z: 噪声图像，3个通道（MxNx3）
sigma_psd: 噪声PDS,噪声PSD是指单位噪声频率（而不是光学频率）的平均功率 MxN或MxNx3(不同的PSDs对应不同的通道） 或者 噪声标准偏差，float，或[float，float，float]3个不同的标准。
profile: BM3D的设置:BM3DProfile对象或字符串，('np'， 'refilter'， 'vn'， 'vn_old'， 'high'， 'deb')
colorspace: 'YCbCr'或'opp'用于选择颜色变换
return：去噪后的彩色图像，大小与z相同
（2）第二个实例化函数 执行正则化，然后去噪
import bm3d
bm3d.bm3d_deblurring()参数：
z:噪声模糊的图像。MxN或MxNxC，其中C是通道数
sigma_psd:噪声标准偏差，float，要么是长度C的float列表
psf:空间域模糊点扩散函数。
profile: BM3D的设置:BM3DProfile对象或字符串，('np'， 'refilter'， 'vn'， 'vn_old'， 'high'， 'deb')
return:去噪，去模糊图像，大小与z相同
(3) 第三个实例化函数 对z执行BM3D去噪:硬阈值，维纳滤波或两者兼有。
import bm3d
bm3d.bm3d()参数：
z：嘈杂的图像。MxN或MxNxC，其中C是通道数。对于多通道图像，块匹配在第一个通道上执行。
sigma_psd: 噪声PDS,噪声PSD是指单位噪声频率（而不是光学频率）的平均功率 MxN或MxNx3(不同的PSDs对应不同的通道） 或者 噪声标准偏差，float，要么是长度C的float列表。
profile: BM3D的设置:BM3DProfile对象或字符串，('np'， 'refilter'， 'vn'， 'vn_old'， 'high'， 'deb')
stage_arg:确定是执行硬阈值分割还是维纳滤波
BM3DStages.ALL_STAGES:共同执行
BM3DStages.HARD_THRESHOLDING：只执行硬阀值
ndarray, z的大小:以stage_arg作为先导，执行维纳过滤。
blockmatches:元组(HT, Wiener)，可以是任意值
False:不为phase保存blockmatches
True:为phase保存blockmatches
return:（1）去噪图像，与z大小相同:if blockmatches == (False, False)
（2）去噪图像，blockmatch数据:如果blockmatches中的任何一个元素为True文章来源：https://www.toymoban.com/news/detail-605136.html
总结
大家们尽量看吧，我也是刚刚接触。文章来源地址https://www.toymoban.com/news/detail-605136.html
到了这里，关于关于图像去噪的BM3D算法python库讲解的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
