ノイズ除去

詳細説明

関数
void	cv::denoise_TVL1 (const std::vector< Mat > &observations, Mat &result, double lambda=1.0, int niters=30)
	主双対 (Primal-dual) アルゴリズムは、特殊な種類の変分問題 (すなわち、ある汎関数を最小化する関数を見つける問題) を解くためのアルゴリズムである。画像のノイズ除去は特に変分問題として捉えることができるため、主双対アルゴリズムをノイズ除去に利用でき、ここで実装されているのはまさにそれである。
void	cv::cuda::fastNlMeansDenoising (const GpuMat &src, GpuMat &dst, float h, int search_window=21, int block_size=7, Stream &stream=Stream::Null())
void	cv::cuda::fastNlMeansDenoising (InputArray src, OutputArray dst, float h, int search_window=21, int block_size=7, Stream &stream=Stream::Null())
	Non-local Means Denoisingアルゴリズム http://www.ipol.im/pub/algo/bcm_non_local_means_denoising を用い、いくつかの計算上の最適化を加えて画像のノイズ除去を行う。ノイズはガウシアンホワイトノイズを想定している。
void	cv::fastNlMeansDenoising (InputArray src, OutputArray dst, const std::vector< float > &h, int templateWindowSize=7, int searchWindowSize=21, int normType=NORM_L2)
	Non-local Means Denoising アルゴリズム http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/ をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウス性白色ノイズを想定している。
void	cv::fastNlMeansDenoising (InputArray src, OutputArray dst, float h=3, int templateWindowSize=7, int searchWindowSize=21)
	Non-local Means Denoising アルゴリズム http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/ をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウス性白色ノイズを想定している。
void	cv::cuda::fastNlMeansDenoisingColored (const GpuMat &src, GpuMat &dst, float h_luminance, float photo_render, int search_window=21, int block_size=7, Stream &stream=Stream::Null())
void	cv::cuda::fastNlMeansDenoisingColored (InputArray src, OutputArray dst, float h_luminance, float photo_render, int search_window=21, int block_size=7, Stream &stream=Stream::Null())
	カラー画像向けに改変したfastNlMeansDenoising関数。
void	cv::fastNlMeansDenoisingColored (InputArray src, OutputArray dst, float h=3, float hColor=3, int templateWindowSize=7, int searchWindowSize=21)
	カラー画像向けに改変したfastNlMeansDenoising関数。
void	cv::fastNlMeansDenoisingColoredMulti (InputArrayOfArrays srcImgs, OutputArray dst, int imgToDenoiseIndex, int temporalWindowSize, float h=3, float hColor=3, int templateWindowSize=7, int searchWindowSize=21)
	カラー画像シーケンス向けに fastNlMeansDenoisingMulti 関数を改変したもの。
void	cv::fastNlMeansDenoisingMulti (InputArrayOfArrays srcImgs, OutputArray dst, int imgToDenoiseIndex, int temporalWindowSize, const std::vector< float > &h, int templateWindowSize=7, int searchWindowSize=21, int normType=NORM_L2)
	連続する画像が短い時間間隔で撮影されたシーケンス (例えば動画) 向けに fastNlMeansDenoising 関数を改変したもの。このバージョンの関数はグレースケール画像向け、または色空間を手動で操作する場合向けである。詳細は [46] を参照 (オープンアクセスはこちら)。
void	cv::fastNlMeansDenoisingMulti (InputArrayOfArrays srcImgs, OutputArray dst, int imgToDenoiseIndex, int temporalWindowSize, float h=3, int templateWindowSize=7, int searchWindowSize=21)
	連続する画像が短い時間間隔で撮影されたシーケンス (例えば動画) 向けに fastNlMeansDenoising 関数を改変したもの。このバージョンの関数はグレースケール画像向け、または色空間を手動で操作する場合向けである。詳細は [46] を参照 (オープンアクセスはこちら)。
void	cv::cuda::nonLocalMeans (const GpuMat &src, GpuMat &dst, float h, int search_window=21, int block_size=7, int borderMode=BORDER_DEFAULT, Stream &stream=Stream::Null())
void	cv::cuda::nonLocalMeans (InputArray src, OutputArray dst, float h, int search_window=21, int block_size=7, int borderMode=BORDER_DEFAULT, Stream &stream=Stream::Null())
	簡略化を一切行わない純粋なnon local meansノイズ除去を実行する。そのため高速ではない。

関数詳解

denoise_TVL1()

void cv::denoise_TVL1	(	const std::vector< Mat > &	observations,
		Mat &	result,
		double	lambda = 1.0,
		int	niters = 30 )

Python:
	cv.denoise_TVL1(	observations, result[, lambda_[, niters]]	) ->	None

#include <opencv2/photo.hpp>

主双対 (Primal-dual) アルゴリズムは、特殊な種類の変分問題 (すなわち、ある汎関数を最小化する関数を見つける問題) を解くためのアルゴリズムである。画像のノイズ除去は特に変分問題として捉えることができるため、主双対アルゴリズムをノイズ除去に利用でき、ここで実装されているのはまさにそれである。

なお、この実装は2013年7月のブログ記事 [204] から取られたものであり、その記事には (やや一般化された) すぐに使える Python のソースコードも含まれていた。その後、そのコードは2013年7月末に Vadim Pisarevsky によって OpenCV を用いて C++ に書き直され、最終的に後の作者たちによって若干の調整が加えられた。

ここで扱うアルゴリズムの詳細な議論と根拠は [51] に見られるが、[204] に従ってここで概略をなぞっておくのも意味があるだろう。まず、1バイトのグレーレベル画像を、ピクセルの矩形領域 (ある \(m,\;n\in\mathbb{N}\) に対する集合 \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) と見なせる) から \(\{0,1,\dots,255\}\) への関数と考える。ノイズの乗った画像を \(f_i\) と表すことにすると、この見方のもとでは、同じサイズのある画像 \(x\) が与えられたとき、それがどれだけ悪いかを次の式で測ることができる

\[\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\]

ここで \(\|\|\cdot\|\|\) は \(L_2\) ノルムを表す。見ての通り、第1項は画像が滑らかである (理想的には勾配が0、すなわち定数である) ことを望むという主張であり、第2項は結果が得られた観測値に近いことを望むという主張である。\(x\) を関数として扱うなら、これがまさに最小化したい汎関数であり、ここで主双対 (Primal-Dual) アルゴリズムの出番となる。

引数

observations	この配列には、復元対象となる画像のノイズが付加されたバージョンを1つ以上含める必要がある。
result	ここにノイズ除去された画像が格納される。必要に応じて自動的に確保されるため、記憶領域を事前に確保する必要はない。
lambda	上記の式における \(\lambda\) に対応する。これを大きくすると、平滑化された (ぼけた) 画像が、ディテールのある (ただしノイズが多い場合がある) 画像よりも優先的に扱われる。大まかに言えば、これを小さくすると結果はよりぼけるが、より深刻な外れ値が除去される。
niters	アルゴリズムが実行する反復回数。当然ながら反復回数は多いほど良いが、この記述を定量的に詰めるのは難しいため、まずはデフォルト値を使い、結果が不十分なら増やせばよい。

fastNlMeansDenoising() [1/4]

void cv::cuda::fastNlMeansDenoising ( const GpuMat & src, GpuMat & dst, float h, int search_window = 21, int block_size = 7, Stream & stream = Stream::Null() )

inline

Python:
	cv.cuda.fastNlMeansDenoising(	src, h[, dst[, search_window[, block_size[, stream]]]]	) ->	dst

#include <opencv2/photo/cuda.hpp>

この関数の呼び出しグラフ:

fastNlMeansDenoising() [2/4]

void cv::cuda::fastNlMeansDenoising	(	InputArray	src,
		OutputArray	dst,
		float	h,
		int	search_window = 21,
		int	block_size = 7,
		Stream &	stream = Stream::Null() )

Python:
	cv.cuda.fastNlMeansDenoising(	src, h[, dst[, search_window[, block_size[, stream]]]]	) ->	dst

#include <opencv2/photo/cuda.hpp>

Non-local Means Denoising アルゴリズム http://www.ipol.im/pub/algo/bcm_non_local_means_denoising をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウス性白色ノイズを想定している。

引数

src	入力の8ビット1チャンネル、2チャンネルまたは3チャンネルの画像。
dst	src と同じサイズおよび型を持つ出力画像。
h	フィルタの強度を調整する引数。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保たれるがノイズもある程度残る
search_window	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。search_window が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
block_size	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
stream	非同期呼び出し用の Stream。

この関数はグレースケール画像に適用することを想定している。カラー画像については FastNonLocalMeansDenoising::labMethod を参照。

参照

fastNlMeansDenoising

fastNlMeansDenoising() [3/4]

void cv::fastNlMeansDenoising	(	InputArray	src,
		OutputArray	dst,
		const std::vector< float > &	h,
		int	templateWindowSize = 7,
		int	searchWindowSize = 21,
		int	normType = NORM_L2 )

Python:
	cv.fastNlMeansDenoising(	src[, dst[, h[, templateWindowSize[, searchWindowSize]]]]	) ->	dst
	cv.fastNlMeansDenoising(	src, h[, dst[, templateWindowSize[, searchWindowSize[, normType]]]]	) ->	dst

#include <opencv2/photo.hpp>

Non-local Means Denoising アルゴリズム http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/ をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウス性白色ノイズを想定している。

引数

src	入力の8ビットまたは16ビット (NORM_L1の場合のみ) の1チャンネル、2チャンネル、3チャンネルまたは4チャンネルの画像。
dst	src と同じサイズおよび型を持つ出力画像。
templateWindowSize	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
searchWindowSize	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
h	フィルタの強度を調整する引数の配列。すべてのチャンネルに適用される1つの引数か、dst のチャンネルごとに1つずつ指定する。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保たれるがノイズもある程度残る
normType	重みの計算に用いるノルムの種類。NORM_L2 または NORM_L1 のいずれか。

この関数はグレースケール画像に適用することを想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の高度な使い方として、異なる色空間でカラー画像を手動でノイズ除去することもできる。このようなアプローチは fastNlMeansDenoisingColored で用いられており、画像を CIELAB 色空間に変換した上で、異なる h パラメータで L 成分と AB 成分を別々にノイズ除去している。

fastNlMeansDenoising() [4/4]

void cv::fastNlMeansDenoising	(	InputArray	src,
		OutputArray	dst,
		float	h = 3,
		int	templateWindowSize = 7,
		int	searchWindowSize = 21 )

Python:
	cv.fastNlMeansDenoising(	src[, dst[, h[, templateWindowSize[, searchWindowSize]]]]	) ->	dst
	cv.fastNlMeansDenoising(	src, h[, dst[, templateWindowSize[, searchWindowSize[, normType]]]]	) ->	dst

#include <opencv2/photo.hpp>

Non-local Means Denoising アルゴリズム http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/ をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウス性白色ノイズを想定している。

引数

src	入力の8ビット1チャンネル、2チャンネル、3チャンネルまたは4チャンネルの画像。
dst	src と同じサイズおよび型を持つ出力画像。
templateWindowSize	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
searchWindowSize	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
h	フィルタの強度を調整する引数。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保たれるがノイズもある程度残る

この関数はグレースケール画像に適用することを想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の高度な使い方として、異なる色空間でカラー画像を手動でノイズ除去することもできる。このようなアプローチは fastNlMeansDenoisingColored で用いられており、画像を CIELAB 色空間に変換した上で、異なる h パラメータで L 成分と AB 成分を別々にノイズ除去している。

fastNlMeansDenoisingColored() [1/3]

void cv::cuda::fastNlMeansDenoisingColored ( const GpuMat & src, GpuMat & dst, float h_luminance, float photo_render, int search_window = 21, int block_size = 7, Stream & stream = Stream::Null() )

inline

Python:
	cv.cuda.fastNlMeansDenoisingColored(	src, h_luminance, photo_render[, dst[, search_window[, block_size[, stream]]]]	) ->	dst

#include <opencv2/photo/cuda.hpp>

この関数の呼び出しグラフ:

fastNlMeansDenoisingColored() [2/3]

void cv::cuda::fastNlMeansDenoisingColored	(	InputArray	src,
		OutputArray	dst,
		float	h_luminance,
		float	photo_render,
		int	search_window = 21,
		int	block_size = 7,
		Stream &	stream = Stream::Null() )

Python:
	cv.cuda.fastNlMeansDenoisingColored(	src, h_luminance, photo_render[, dst[, search_window[, block_size[, stream]]]]	) ->	dst

#include <opencv2/photo/cuda.hpp>

カラー画像向けに fastNlMeansDenoising 関数を改変したもの。

引数

src	入力の8ビット3チャンネルの画像。
dst	src と同じサイズおよび型を持つ出力画像。
h_luminance	フィルタの強度を調整する引数。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保たれるがノイズもある程度残る
photo_render	float h と同様だが、こちらはカラー成分用。ほとんどの画像では値10で色ノイズを除去するのに十分であり、色を歪めることもない
search_window	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。search_window が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
block_size	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
stream	非同期呼び出し用の Stream。

この関数は画像を CIELAB 色空間に変換し、与えられた h パラメータを用いて L 成分と AB 成分を FastNonLocalMeansDenoising::simpleMethod 関数で別々にノイズ除去する。

参照

fastNlMeansDenoisingColored

fastNlMeansDenoisingColored() [3/3]

void cv::fastNlMeansDenoisingColored	(	InputArray	src,
		OutputArray	dst,
		float	h = 3,
		float	hColor = 3,
		int	templateWindowSize = 7,
		int	searchWindowSize = 21 )

Python:
	cv.fastNlMeansDenoisingColored(	src[, dst[, h[, hColor[, templateWindowSize[, searchWindowSize]]]]]	) ->	dst

#include <opencv2/photo.hpp>

カラー画像向けに fastNlMeansDenoising 関数を改変したもの。

引数

src	入力の8ビット3チャンネルの画像。
dst	src と同じサイズおよび型を持つ出力画像。
templateWindowSize	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
searchWindowSize	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
h	輝度成分のフィルタ強度を調整する引数。h の値を大きくするとノイズは完全に除去されるが画像のディテールも失われ、小さくするとディテールは保たれるがノイズも一部残る
hColor	h と同様だが、こちらはカラー成分用。ほとんどの画像では値10で色ノイズを除去するのに十分であり、色を歪めることもない

この関数は画像を CIELAB 色空間に変換し、与えられた h パラメータを用いて L 成分と AB 成分を fastNlMeansDenoising 関数で別々にノイズ除去する。

fastNlMeansDenoisingColoredMulti()

void cv::fastNlMeansDenoisingColoredMulti	(	InputArrayOfArrays	srcImgs,
		OutputArray	dst,
		int	imgToDenoiseIndex,
		int	temporalWindowSize,
		float	h = 3,
		float	hColor = 3,
		int	templateWindowSize = 7,
		int	searchWindowSize = 21 )

Python:
	cv.fastNlMeansDenoisingColoredMulti(	srcImgs, imgToDenoiseIndex, temporalWindowSize[, dst[, h[, hColor[, templateWindowSize[, searchWindowSize]]]]]	) ->	dst

#include <opencv2/photo.hpp>

カラー画像シーケンス向けに fastNlMeansDenoisingMulti 関数を改変したもの。

引数

srcImgs	入力となる8ビット3チャンネル画像のシーケンス。すべての画像は同じ型とサイズでなければならない。
imgToDenoiseIndex	srcImgs シーケンス内で、ノイズ除去対象とする画像のインデックス
temporalWindowSize	対象画像のノイズ除去に使用する周辺画像の枚数。奇数でなければならない。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が、srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
dst	srcImgs の画像と同じサイズ・型を持つ出力画像。
templateWindowSize	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
searchWindowSize	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
h	輝度成分のフィルタ強度を調整する引数。h の値を大きくするとノイズは完全に除去されるが画像のディテールも失われ、小さくするとディテールは保たれるがノイズも一部残る。
hColor	h と同様だが、こちらはカラー成分用。

この関数は画像を CIELAB 色空間に変換し、与えられた h パラメータを用いて L 成分と AB 成分を fastNlMeansDenoisingMulti 関数で別々にノイズ除去する。

fastNlMeansDenoisingMulti() [1/2]

void cv::fastNlMeansDenoisingMulti	(	InputArrayOfArrays	srcImgs,
		OutputArray	dst,
		int	imgToDenoiseIndex,
		int	temporalWindowSize,
		const std::vector< float > &	h,
		int	templateWindowSize = 7,
		int	searchWindowSize = 21,
		int	normType = NORM_L2 )

Python:
	cv.fastNlMeansDenoisingMulti(	srcImgs, imgToDenoiseIndex, temporalWindowSize[, dst[, h[, templateWindowSize[, searchWindowSize]]]]	) ->	dst
	cv.fastNlMeansDenoisingMulti(	srcImgs, imgToDenoiseIndex, temporalWindowSize, h[, dst[, templateWindowSize[, searchWindowSize[, normType]]]]	) ->	dst

#include <opencv2/photo.hpp>

連続する画像が短い時間間隔で撮影されたシーケンス (例えば動画) 向けに fastNlMeansDenoising 関数を改変したもの。このバージョンの関数はグレースケール画像向け、または色空間を手動で操作する場合向けである。詳細は [46] を参照 (オープンアクセスはこちら)。

引数

srcImgs	入力となる8ビットまたは16ビット (NORM_L1 使用時のみ) の1チャンネル、2チャンネル、3チャンネルまたは4チャンネル画像のシーケンス。すべての画像は同じ型とサイズでなければならない。
imgToDenoiseIndex	srcImgs シーケンス内で、ノイズ除去対象とする画像のインデックス
temporalWindowSize	対象画像のノイズ除去に使用する周辺画像の枚数。奇数でなければならない。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が、srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
dst	srcImgs の画像と同じサイズ・型を持つ出力画像。
templateWindowSize	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
searchWindowSize	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
h	フィルタの強度を調整する引数の配列。すべてのチャンネルに適用される1つの引数か、dst のチャンネルごとに1つずつ指定する。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保たれるがノイズもある程度残る
normType	重みの計算に用いるノルムの種類。NORM_L2 または NORM_L1 のいずれか。

fastNlMeansDenoisingMulti() [2/2]

void cv::fastNlMeansDenoisingMulti	(	InputArrayOfArrays	srcImgs,
		OutputArray	dst,
		int	imgToDenoiseIndex,
		int	temporalWindowSize,
		float	h = 3,
		int	templateWindowSize = 7,
		int	searchWindowSize = 21 )

Python:
	cv.fastNlMeansDenoisingMulti(	srcImgs, imgToDenoiseIndex, temporalWindowSize[, dst[, h[, templateWindowSize[, searchWindowSize]]]]	) ->	dst
	cv.fastNlMeansDenoisingMulti(	srcImgs, imgToDenoiseIndex, temporalWindowSize, h[, dst[, templateWindowSize[, searchWindowSize[, normType]]]]	) ->	dst

#include <opencv2/photo.hpp>

連続する画像が短い時間間隔で撮影されたシーケンス (例えば動画) 向けに fastNlMeansDenoising 関数を改変したもの。このバージョンの関数はグレースケール画像向け、または色空間を手動で操作する場合向けである。詳細は [46] を参照 (オープンアクセスはこちら)。

引数

srcImgs	入力となる8ビットの1チャンネル、2チャンネル、3チャンネルまたは4チャンネル画像のシーケンス。すべての画像は同じ型とサイズでなければならない。
imgToDenoiseIndex	srcImgs シーケンス内で、ノイズ除去対象とする画像のインデックス
temporalWindowSize	対象画像のノイズ除去に使用する周辺画像の枚数。奇数でなければならない。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が、srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
dst	srcImgs の画像と同じサイズ・型を持つ出力画像。
templateWindowSize	重みを計算するために用いるテンプレートパッチのサイズ (ピクセル単位)。奇数でなければならない。推奨値は7ピクセル
searchWindowSize	指定ピクセルの加重平均を計算するために用いるウィンドウのサイズ (ピクセル単位)。奇数でなければならない。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間が増える。推奨値は21ピクセル
h	フィルタ強度を調整する引数。h の値を大きくするとノイズは完全に除去されるが画像のディテールも失われ、小さくするとディテールは保たれるがノイズも一部残る

nonLocalMeans() [1/2]

void cv::cuda::nonLocalMeans ( const GpuMat & src, GpuMat & dst, float h, int search_window = 21, int block_size = 7, int borderMode = BORDER_DEFAULT, Stream & stream = Stream::Null() )

inline

Python:
	cv.cuda.nonLocalMeans(	src, h[, dst[, search_window[, block_size[, borderMode[, stream]]]]]	) ->	dst

#include <opencv2/photo/cuda.hpp>

この関数の呼び出しグラフ:

nonLocalMeans() [2/2]

void cv::cuda::nonLocalMeans	(	InputArray	src,
		OutputArray	dst,
		float	h,
		int	search_window = 21,
		int	block_size = 7,
		int	borderMode = BORDER_DEFAULT,
		Stream &	stream = Stream::Null() )

Python:
	cv.cuda.nonLocalMeans(	src, h[, dst[, search_window[, block_size[, borderMode[, stream]]]]]	) ->	dst

#include <opencv2/photo/cuda.hpp>

いかなる簡略化も行わずに純粋な non local means ノイズ除去を実行するため、高速ではない。

引数

src	ソース画像。CV_8UC1、CV_8UC2、CV_8UC3 のみサポートする。
dst	出力画像。
h	Filter カラーのフィルタ強度を調整する sigma。
search_window	探索ウィンドウのサイズ。
block_size	重みの計算に使用するブロックのサイズ。
borderMode	境界の種類。詳細は borderInterpolate を参照。現在は BORDER_REFLECT101 、BORDER_REPLICATE 、BORDER_CONSTANT 、BORDER_REFLECT 、BORDER_WRAP がサポートされている。
stream	非同期版のための Stream。

参照

fastNlMeansDenoising