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。欢迎引用出版物或类似算法。
最佳答案
在最基本的情况下，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。对更多像素进行平均会更多地降低噪点，但会丢失更多细节。对较少的像素进行平均会损失较少的细节，但会减少较少的噪声。
像 NeatImage 或 Noise Ninja 之类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音，并且在它看到这些像素的地方，做对更少的像素进行平均。
他们还会考虑图片的 channel 。普通数码相机的每个传感器前面都有一个滤镜。正常排列类似于 g-r-g-b(也称为拜耳模式)。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，必须“增强”画面中蓝色的亮度以进行补偿。然而，这往往会增加蓝色 channel 中的噪声。为了对此进行补偿，降噪器通常会在绿色 channel 中进行最少的平均，在红色 channel 中进行更多平均，在蓝色 channel 中进行更多平均。
高级降噪器通常会从单个传感器的噪声模型开始，然后根据该模型应用降噪。 IIRC，NeatImage 还允许您采用“暗帧”(例如，在镜头盖打开的情况下进行 30 秒曝光)以更好地了解您的确切传感器的确切噪声特性，并将其考虑在内(我知道 Noise Ninja 允许那，如果内存服务 NeatImage 也一样)。通常，要使其发挥最佳效果，您需要从五个暗框开始。您对这些进行统计分析以找到 1) 哪些像素始终亮或暗(“卡住像素”)和 2) 您可以在噪声中找到的任何一致模式，以便您可以直接消除这些模式(例如，传感器靠近处理的部分可能会变暖，因此比其他部分更嘈杂)，以及 3)即使没有真正的模式(例如，一些传感器显示亮度噪声，其他传感器主要显示色度噪声)，噪声的类型和变化程度也是如此。
关于algorithm - Neatimage 使用哪种算法对图像进行去噪？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1589054/