特征保持
-
基于非局部均值NLM的图像去噪系统
本项目基于MATLAB平台开发，旨在实现并优化先进的非局部均值（Non-Local Means, NLM）图像滤波算法。该算法突破了传统局部滤波仅依赖邻域像素的局限，充分利用自然图像中广泛存在的冗余性和自相似性特征。主要功能包括：1. 图像预处理与噪声模拟：系统支持读取多种格式的图像，并可人为添加不同强度的高斯白噪声以模拟真实受噪环境；2. 块匹配与相似度计算：算法遍历图像中的每一个像素，定义以该像素为中心的图像块（Patch），并在设定的搜索窗口内寻找具有相似结构的图像块。通过计算图像块之间的加权欧氏距离来精确度量像素间的相似性；3. 权重分配与图像重构：根据相似度结果计算权重，与中心块结构越相似的邻域块获得的权重越大。最终通过对搜索区域内所有像素进行加权平均来确定目标像素的灰度值，从而在有效去除噪声的同时，最大程度地保留图像的边缘、纹理和细节信息；4. 结果可视化与评估：提供去噪前后图像的对比显示，计算并输出峰值信噪比（PSNR）和结构相似性（SSIM）等客观评价指标，用于量化分析算法的去噪性能。
