自己写的基于科学出版社的朱虹老师数字图像处理一些简单的数字图像处理代码，主要包含有：K均值去噪，直方图均衡化，临近插值旋转，双线性差值放大，双线性差值旋转，中值滤波，线性展宽等代码。希望对大家有用！

数字图像代数运算：包括图像均值去噪，二次曝光，背景相减 参考博客：http://blog.csdn.net/xiaowei_cqu/article/details/7610665

文件中包含非局部均值去噪算法，可以直接运行，文件采用matlab语言所写。

非本地手段 介绍 在这个项目中，我以幼稚的方式并使用积分图像实现了非局部均值过滤。 这些文件中都对这两种方法进行了解释： 非本地均值降噪 用于块匹配的积分图像 描述 非局部均值算法用于去除图像中的噪点。 我们输入了三件事： 我们要去噪的图像 大小为kxk的内核 wxw大小的窗口 对于图像中的每个像素（我们将要去噪），我们将窗口围绕其居中，通常，该窗口是相当大的，但出于性能方面的考虑，当然不如整个图像大。 然后，对于窗口中的每个像素，我们滑动一个补丁（通常为3x3或5x5），我们要去噪的像素将是图像补丁上的加权和。 整体影像改善 如果我们使用积分图像，则可以加快计算速度。 伦敦大学学院图像处理课程中的Lourdes Agapito教授的图像幻灯片 由于以下公式，我们可以加快计算速度： 图片摘自Wikipedia（ ） 如何使用代码 只需打开Matlab并为完整的图像实现运行nonL

采用matlab语言书写，算法实现非局部均值去噪原理

非局部均值去噪法存在的问题 相似性度量缺乏鲁棒性 高斯加权核各向同性性质影响 非相似像素块影响 运算量大 加权核系数选择

有关代码方法的详细信息，请参阅相应的论文“ Yue Wu，Brian Tracey，Premkumar Natarajan，Joseph P. Noonan：用于非本地均值图像降噪的James-Stein类型中心像素权重。 20(4): 411-414 (2013)" http://dx.doi.org/10.1109/LSP.2013.2247755

这是流行的 Nonlocal Means 去噪方案的快速而稳健的实现，适用于 Rician 和 Gaussian 平稳噪声。 它的工作原理是基于特征空间中的距离计算非局部权重，包括图像的局部平均值和梯度。 与原始实现相比，它可以达到 20 倍的加速因子，并提高了中低 SNR 图像的性能。 我们基于众所周知的传统方法对 Rician 噪声使用偏差校正步骤。 可以在以下参考资料中找到有关此算法的更多详细信息（如果您使用此软件进行研究，我们要求您引用）： A. Tristan-Vega、V. Garcia Perez、S. Aja-Fenandez 和 C.-F. 威斯汀， '基于MR数据的高效鲁棒非局部均值去噪显着特征匹配，计算机方法和程序生物医学，105（2）：131-44。 2012 年。 注意：此 Matlab 实现无法利用上述论文中描述的所有计算方法。 如果计算性能对您来说

今天小编就为大家分享一篇Python实现图像去噪方式(中值去噪和均值去噪)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

实现对图像进行简单的高斯去噪和椒盐去噪。 代码如下： import numpy as np from PIL import Image import matplotlib.pyplot as plt import random import scipy.misc import scipy.signal import scipy.ndimage from matplotlib.font_manager import FontProperties font_set = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=10) de