圖像降噪和圖像濾波的區別是什麼？

12-31

為了完成畢業論文，最近在學習圖像處理，但是被裡面的幾個概念搞糊塗了，圖像降噪，圖像去噪和圖像濾波的區別是啥？還是說圖像濾波只是圖像降噪的一部分？

圖像降噪和圖像去噪，聽上去好像是一回事，就是image denoising吧。

圖像濾波應該是Image filtering。

他們之間的關係，我試著總結如下：

1）降噪（denoising）有很多方法，其中部分，特別是比較傳統的部分，可以很明顯地歸類於是通過濾波（filtering）來實現的，比如Wienner Filtering（維納濾波，多謝@Dog Mad指正），小波濾波（Wavelet，就是一個濾波器組Filter bank）之類的。

但是由於傳統的很多濾波方法，對於特定圖像來說並沒有最優的表達和適應，所以目前更多的adaptive的方法取得了更好的效果。參見我以前的關於傅里葉濾波不足的回答：

傅里葉變換的不足有哪些？有哪些改進的方法？ - Bihan Wen 的回答

2）由於目前降噪技術（我只了解research方面的情況，在工業界很多並沒有投入使用）的進步，很多非濾波的過程也參與進來，比如利用一些機器學習，優化，或者概率模型的方法，很多取得了更佳優異的表現。比如Adaptive Sparse Coding的方法（稀疏學習之類的，參見我以前對於稀疏表達的回答：稀疏表達的意義在於？為什麼稀疏表達得到廣泛的應用？ - Bihan Wen 的回答），還有基於Gaussian Mixture Model的降噪方法。

3）Image Filtering不光可以應用於降噪，而可以應用於很多很多圖像處理相關的應用。降噪是圖像處理裡面的圖像恢復的一種問題。除此以外還有很多非恢復類應用，比如圖像增強（參加我以前的回答：圖像增強與圖像恢復有何異同？ - Bihan Wen 的回答）。總體來說，圖像降噪只是圖像處理的一個應用而已。

謝邀！沒有深入仔細地研究過，說一點自己的理解。

如 @Bihan Wen 所說，圖像降噪，圖像去噪，是一個意思，就是Image denoising；圖像濾波就是image filtering。

簡單地講，image filtering是圖像降噪的一種方法，但不是image filtering的唯一用途。

用於圖像去噪的濾波技術有，例如各種bilateral filtering以及nonlocal的濾波方法等，但是圖像去噪不是image filtering唯一的應用場合。例如考慮基於卷積的圖像濾波，就可以做邊緣檢測，圖像銳化等操作。此外，圖像濾波過濾的不一定是雜訊，例如，我們可以設計一些特定的濾波演算法，過濾的是小尺度的圖像結構，同時大尺度圖像結構得到保持。

對於圖像去噪技術，在學術研究領域，BM3D演算法是基準。近年來有不少演算法能在性能上超越BM3D，其中相當一部分是引入了學習的概念。例如@Bihan Wen 所提到的基於稀疏表示的演算法。本人也做過圖像降噪演算法的研究，這裡又要厚顏無恥給自己最新的文章打一個廣告了(CVPR2015 oral presentation):

http://arxiv.org/abs/1503.05768

On learning optimized reaction diffusion processes for effective image restoration

對已一般意義的圖像去噪問題，這個演算法的效果是最好的，而且運算速度也是最快的。求關注！！

我是這樣去理解的，圖像濾波是手段，圖像降噪是目的。一般來講，圖像降噪可以採取很多方法，濾波是其中的一個手段，但也有空域去噪方法，還可以採用卷積模板。同樣，濾波這種手段可以實現很多功能，包括但不限於圖像降噪。比如圖像增強，形態識別，邊緣檢測。當然這也不是絕對的界限。