Algorithm Neatimage使用哪种算法去噪图像？

Neatimage使用哪种算法去除照片中的噪声和颗粒？我知道这是专有软件，但可能有人有想法。欢迎参考出版物或类似算法。

最基本的是，降噪通常使用像素平均。当然，问题是简单的平均会丢失细节。平均更多像素会减少更多噪声，但会丢失更多细节。平均更少的像素会丢失更少的细节，但会减少噪声

像NeatImage或Noise Ninja这样的东西会自适应地进行像素平均化——例如，它会首先扫描足够多的像素上发生的变化，这些变化不太可能是噪声，在它看到这些变化的地方，对较少的像素进行平均化

他们还将考虑图片的频道。普通数码相机在每个传感器前面都有一个过滤器。正常的排列方式类似于g-r-g-b（又名拜耳模式）。在典型情况下，绿色滤光片比红色或（特别是）蓝色滤光片透射更多的光。为了保持最终图片中的颜色平衡，图片中蓝色的亮度必须“增强”以进行补偿。然而，这往往会增加蓝色通道中的噪声。为了补偿这一点，降噪器通常会在绿色通道中进行相当小的平均，在红色通道中进行更多的平均，在蓝色通道中进行更多的平均

---

高级降噪器通常从单个传感器的噪声模型开始，并基于该模型应用降噪。IIRC，NeatImage还允许您使用“暗帧”（例如，在镜头盖打开的情况下进行30秒曝光），以获得准确传感器的准确噪声特性的更好地图，并考虑到这一点（我知道噪声忍者允许这样做，如果内存可用，NeatImage也可以）。通常情况下，为了使其发挥最佳效果，您需要从五个暗框开始。您可以对这些图像进行统计分析，以发现1）哪些像素始终是亮的或暗的（“卡住的像素”），以及2）您可以在噪声中找到的任何一致模式，从而可以直接消除这些图像（例如，处理附近的传感器部分可能比其他部分更热，因此噪声更大），3）即使在没有模式的情况下（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。

我认为所有三大类（噪声软件、整洁图像、噪声忍者）都应用了某种小波去噪。
原因很简单，所有非本地方法都太慢，无法实现。
虽然DXO的原始转换器使用非本地方式

---

你可以很容易地找到一些关于这方面的文章（并回来为我们指出你找到的最好的东西）

这篇文章看起来很有希望：

---

它简要地讨论了NeatImage的算法，这将是一个很好的起点。

谢谢Jerry。我认为它在实验室或类似的颜色空间内部工作（它有单独的色度和亮度噪声设置）。我还看到Neatimage使用一块图像来评估噪声参数。目前还不清楚它是如何使用这些信息的，但结果相当不错。实际上，他们假装使用了其他信息（）。但不要具体说明。我希望对NR更了解的人能猜到。他们说的比“经典”更好，所以他们可能会使用“高级”小波技术。噪声忍者声称它使用“第二代”小波。我还是会赌小波，它还是很模糊的。我想知道更多的技术细节。这就是“我们已经以一种适合我们的用例的方式对小波进行了调整，可能还会在上面添加一些其他的过滤器。”谢谢你，Leonard。这篇论文似乎确实很有用。谢谢