簡單的演算法描述如下，對於一幅n*m大小灰度影象，用
及
加性去噪後的結果為：
其中：
式（4）中σ為使用者輸入的引數。
上述公式是針對灰度影象進行的，對於常見的rgb彩色圖，只要對r/g/b三通道分別進行處理就ok了。
有了上述基礎，經過個人的摸索，對於磨皮應用，這個演算法的兩個引數（1）半徑可取：max(src->width, src->height) * 0.02， 使用者輸入的σ可取10 + denoiselevel * denoiselevel * 5，其中denoiselevel 為磨皮的程度引數，範圍從1到10，越大磨皮越厲害。
以上來自
效果圖：
對於邊界的處理：
可通過copymakeborder函式進行擴充套件
具體參考：
核心**：
void lmv(uint8 * img, int width, int height, int n, int m,double theat)
}}
傳統去噪 小波去噪
通過短波實現噪音消除，與高斯去噪的基本原理一致。小波變換具有如下特點 低熵性，小波係數的稀疏分布，使得影象變換後的熵降低 多解析度，由於採用了多解析度的方法，可以刻畫訊號的非平穩特徵 去相關性，小波變換可以對訊號進行去相關，且雜訊在變換後具有白化趨勢，所以小波域比時域更利於去噪 對於小波去噪問題的本...
python opencv濾波去噪
利用均值濾波去除雜訊，python版opencv的安裝不再贅述 左邊是原圖，右邊是濾波之後的結果 附 import cv2 生成8000個噪點 a random.randint 0 499 b random.randint 0 499 img01 a,b 255 cv2.imshow origina...
NLM去噪理解
參考 a non local algorithm for image denoising 參考部落格 內含 彩色影象 對於影象，我們設 v i u i n i 其中 v i 為帶雜訊的所觀測到的影象，u i 為真實不帶雜訊的影象，n i 是畫素點 i 的雜訊擾動。如下給出乙個帶雜訊的影象 其中 i ...