检测图像噪音程度：
计算平方误差：
function d = mse(est,ref)d =mean( (est(:)-ref(:)).^2 ) ;
计算信号噪声比：
function d = snr(est,ref)mse = mean((ref(:)-est(:)).^2);dv = var(ref(:),1);snr = 10*log10(dv/mse);
峰度信号噪声比：
function p = psnr(est,ref)mse= mean((est(:)-ref(:)).^2 );m1 = max(abs(est(:)) );m2 = max(abs(ref(:)) );m = max(m1,m2);p = 10*log10(m^2/mse );
对方法进行检测的时候，噪音产生的方法主要有：
增加随机噪声或者增加多种随机噪声。
去噪的病态问题：
- 有多个解
- 无解
- 随着初始值变化的解
去噪：正则化，简单化
电脉冲去噪
中值滤波
白高斯去噪
高斯滤波、双边滤波、nonlocal mean 滤波
中值滤波无法解决白高斯滤波
高斯滤波：
高斯概率分布
由于高斯滤波处理之后不清楚，所以需要再对图像进行锐化处理
双边滤波：
function B = Bilateral(A,w,sigma_d,sigma_r)[X,Y] = meshgrid(-w:w,-w:w);G = exp(-(X.^2+Y.^2)/(2*sigma_d^2));% Apply bilateral filter.dim = size(A);B = zeros(dim);for i = 1:dim(1) for j = 1:dim(2) % Extract local region. iMin = max(i-w,1); iMax = min(i+w,dim(1)); jMin = max(j-w,1); jMax = min(j+w,dim(2)); I = A(iMin:iMax,jMin:jMax); % Compute Gaussian intensity weights. H = exp(-(I-A(i,j)).^2/(2*sigma_r^2)); F = H.*G((iMin:iMax)-i+w+1,(jMin:jMax)-j+w+1); B(i,j) = sum(F(:).*I(:))/sum(F(:)); endend
不是根据单个点之间相似程度，而是块与块之间的相似程度进行比较
w(p,q)表示的是块与块之间的距离，西格玛表示噪音的标准误差，h是和西格玛相关的数据集，论文中max里面的写错了，把0.0改为1.0。