Image 有人能帮我分析一下Guy bilboa的全变差过滤器上的代码吗

在total variation filter上发现了这段非常有趣的代码

这段代码使用的附加函数非常混乱，但去噪效果要比我迄今为止尝试过的所有过滤器好得多

我自己找到了代码：）

他的附加功能“tv”使用ROF模型去噪，这是20年来的一个主要研究课题。有关当前方法的摘要，请参阅

简而言之，ROF背后的思想是通过求解一个惩罚图像总变化（即梯度的l1范数）的优化，用一个分段常数图像近似给定的噪声图像

其性能良好的原因是，您可能正在使用的其他去噪方法是通过高斯卷积平滑图像（即惩罚梯度的l2范数（即求解图像上的热方程））来进行去噪。虽然计算速度很快，但通过平滑进行去噪会模糊边缘，从而导致图像质量差。l1范数优化保留边

还不清楚盖伊是如何用你链接的代码解决电视问题的。他引用了原始的ROF论文，所以他可能只是使用了原始的方法（梯度下降法），这是非常缓慢的收敛。我建议您尝试一下这个代码/论文：因为它可能比您正在使用的.m文件快

---

此外，正如评论中提到的，使用非局部方法可以获得更好的去噪效果（即更高的信噪比）。但是，非局部均值算法的工作时间要长得多，因为它需要在整个图像中搜索相似的面片并根据它们计算权重。

如果您正在寻找最先进的去噪方法，我建议您尝试。它胜过电视方法，非常容易理解和实现。谢谢老兄！！目前了解sameDoes的非本地方式，请按照我描述的方式执行以下操作，请帮助？如果我有一个像素（p，q），我必须计算与之对应的去噪像素的值，我会取所有与之相似的像素的加权平均值吗？我说得对吗？没错。有趣的部分是如何计算像素相似度。我使用tv过滤器得到的结果比非局部均值过滤器的结果要好得多。非局部均值非常依赖于实现。试试这个：我想我试过mathworks中给出的一个例子，因为非本地方法是一种邻里处理方法，它确实比tvm需要更多的时间。是的，运行非本地方法肯定需要更长的时间。通常这种额外的计算成本会产生更好的图像，但我想你正处在一个电视表现良好的位置。是的，我添加了一个标准偏差为20的高斯噪声，我得到了更好的PSNR比