如何在不破坏边缘的情况下从图像中去除高斯噪声？

在不破坏边缘的情况下消除高斯噪声的最佳滤波器是什么？我正在使用具有加性高斯噪声的标准Lena图像，并且想在应用各向异性扩散之前进行降噪。我不想对中值进行滤波，因为边缘变得模糊了。我尝试了自适应过滤，但效果不理想。

您可能需要考虑更高级的技术。这是有关边缘保留降噪的两篇最新论文：

• 通过最佳色彩空间投影 [彩色]进行边缘保留的图像降噪本文通过将图像分解为“最佳”色彩空间并执行小波收缩来保留边缘。最佳色彩空间属于亮度/色差族（请考虑L * a * b *或YCrCb）。

• 纸张边缘结构保持图像降噪：

我们的方法基于[跳跃回归分析]，包括三个主要步骤，概述如下。首先，边缘检测器在整个设计空间中检测边缘像素。其次，在给定像素的邻域中，通过简单但有效的算法从检测到的边缘像素中估算出一条分段线性曲线，以近似该邻域中的基础边缘片段。最后，通过局部线性核平滑过程（参见[35]）对估计边缘段同一侧上与给定像素相同的图像强度进行平均，以估计给定像素处的真实图像强度。

（跳转回归模型使用阶跃函数合并了不连续性。主要作者有一本关于该主题的书。）

作为起点，我将使用非线性收缩技术和某种小波变换（尽管它们并不特定于小波变换）。收缩规则从概念上讲是简单，快速且易于实施的，同时产生了出色的结果。

前提是可以在某个域中表示您想要的信号，从而使大部分能量集中在少量系数上。相反，噪声仍然散布在所有系数上（对于AWGN可能是这样）。然后，您可以“缩小”系数-根据一些非线性规则减小其值-从而与对噪声的影响相比，对信号的影响较小。

小波变换是一种很好使用的变换，因为它们擅长将能量压缩为少量系数。我个人推荐双树复数小波变换（DTCWT），因为它具有其他出色的性能。

2层在话题非常好纸是这个和这个（来自同一作者两者）。就其可读性和解释的清晰度而言，这些论文是一种真正的享受。（也有Lenna去噪的漂亮图片：）

当然，有更多的最新论文，但是与那些论文中描述的非常简单的技术相比，它们通常不会在数量上增加很多改进。

尽管每个信号处理挑战都没有一个适合所有解决方案，但是这里有一个主意：

1. 因为您要保留边缘，所以要找出边缘在图像中的位置。使用Canny边缘检测器在图像中查找边缘。
2. 扩展/填充从图像输出的边缘的边界（每个边缘的宽度可能为2-5像素），我们称其为“遮罩”
3. 翻转面罩。
4. 将蒙版应用到图像上，即，仅让非边缘的项目通过。
5. 应用消磁技术
6. 使用原始边缘蒙版获取存在边缘的图像像素值
7. 将它们放回消磁图像中

另外，您也可以将消磁技术应用于整个图像，然后将未消磁的像素重新引入图像中。