大家好，又见面了，我是你们的朋友全栈君。
BM3D的学习与Matlab的实现
BM3D是2007年TIP的文章，题目是《Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering》。最近想尝试一下图像去噪，看看能否应用到项目中，顺便测试了一下效果，结果不是太理想，主要问题是时间，去噪效果还是可以的。担心以后找起来（实现）麻烦，就当做个笔记了。
1、论文篇
(1) http://www.cs.tut.fi/~foi/GCF-BM3D/
(2) 《Comments on “Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering”》
(3) 《An Analysis and Implementation of the BM3D Image Denoising Method》
2、代码下载
(1) Github搜索BM3D：https://github.com/search?q=BM3D&type=Repositories，选择Matlab版本
(2) 官网：http://www.cs.tut.fi/~foi/GCF-BM3D/（含源码与测试图）
(3) 官网demo：http://demo.ipol.im/demo/l_bm3d/
3、原理（感谢下面几位博主的奉献）
(1) BM3D(Block-Matching and 3D filtering)读后感
(2) 图像去噪算法原理-待完善
4、工程实现（以Matlab为例）
(1) 先看官网的demo，具体步骤如下：
(2) 运行官网提供的代码BM3D.m文件：
先上结果，这是论文中的结果，效果确实好：
(3) 自己测试一张图像时：
测试代码：
%% demo
clear all;clc;close all;
img = imread('noise.png'); % 测试图像，可更改
if length(size(img)) > 2
img = rgb2gray(img);
end
figure(1),imshow(img);
y = im2double(img);
% randn('seed',0);
sigma=25/255;
z=y+sigma*randn(size(y));
y_est = BM3DSAPCA2009(z,sigma);
figure(2),imshow(y_est);
disp('end!');
%% performance evaluation
PSNR = 10*log10(1/mean((y(:)-y_est(:)).^2));
disp(['PSNR = ',num2str(PSNR)])
if exist('ssim_index')
[mssim ssim_map] = ssim_index(y*255, y_est*255);
disp(['SSIM = ',num2str(mssim)]);
end这张图的运行时间64s！！！没办法，效果确实是好，但是时间真心不短，（又想马儿想得快，又想马儿不吃草，哈哈）。BM3D的复杂之处在于，首先找相似块，其次是采用了两次block-wise estimate，复杂度相比NLM翻了1倍，且含有域变换操作，具体原理见上面的博客链接。类似其中一位博友所说，尽管计算机性能已经成百上千倍地提高，还是远不能满足很多算法的实时计算的需求，这很大程度上限制了这些算法的使用范围：用户无法处理一张照片需要等待长达几分钟的时间，因此，距离真正意义上的实用还是有一段距离。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/133866.html原文链接：https://javaforall.net
![社区版pycharm flask封装接口[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
