为什么各向异性扩散在图像处理中有用？

我正在研究各向异性扩散以及Perona和Malik提出的两个系数。

我想知道在图像处理中扩散的用途是什么？为什么各向异性扩散很重要，通常在哪个领域使用？

Perona和Malik的各向异性扩散算法是基于偏导数方程（PDE）的去噪的开创性工作。

它将像素强度的扩散定律应用于图像的平滑纹理。阈值函数用于防止在边缘发生扩散，因此可以保留图像中的边缘。（例如，与高斯模糊滤镜不同。）如果您要去除噪声，但又不想使图像的边缘平滑，例如，如果您想使用这些边缘对图像进行分割，而无需被噪音打扰。

已经在它的基础上进行了许多努力，以改进或扩展它。

现在，在哪里使用它，我的文化有限。我可以举两个

• 生命科学领域（我工作的地方）中的图像分析：您可以从显微镜中获得的图像非常嘈杂，并且在大多数情况下，这是通过构造获得的。这些数据的自动图像分析通常涉及分割，有时您需要基于PDE的算法进行分割。

• 视频游戏！例如，尝试播放质量效应（至少是第一个）。