Resumo Non-Local Means

Resumo - A non-local algorithm for image denoising, Buades, A.
Welinton Andrey Contato
04/05/2015

O algoritmo se baseia na ideia de que as imagens possuem características que se repetem em várias partes, sendo assim possível utilizar esses valores para realizar a filtragem, extrapolando os limites locais. O algoritmo basicamente realiza um média ponderada de todos os pixels da imagem, ou de uma janela em questão, para estimar o valor estimado de um pixel i (Buades et al., 2005).

Figura 1: Esquema do NL-Means. Extraido de Buades et al. (2005)
A Figura 1 representa o esquema de funcionamento do algoritmo Non-Local Means. Nesta imagem é possível verificar que o pixel p possui grande semelhança com os pixels q1 e q2, esta semelhança é dada de acordo com a distância entre a vizinhança do pixels em questão com os demais pixels da janela limitante. Porém, ele não possui semelhança com o pixel q3. Sendo assim, o peso será maior nos pixels em que a vizinhança é semelhante e em contrapartida será menor nos pixels que conterem uma vizinhança diferente.
Para a execução do algoritmo alguns parâmetros são necessários, sendo eles: tamanho da janela, tamanho do patch ou vizinhança e valor do parâmetro de filtragem ou fator de decaimento h. O tamanho da janela representa o limite de busca por pixels com vizinhança similares ao pixel em questão, Buades et al. (2005) sugere que o valor da janela seja 21x21 pixels. O tamanho do patch

1

representa a vizinhança do pixel em análise, sendo que o tamanho de sua vizinhança é igual ao dos outros pixels dentro da janela de busca, Buades et al. (2005) sugere o tamanho da vizinhança como
7x7. O fator de decaimento h representa o quanto uma imagem será filtrada, sendo que quanto menor o valor de h menor a filtragem, quanto maior o valor maior será filtragem do ruído e também a perda de detalhes, como texturas.

Figura 2: Exemplo da janela de busca e dos patch da vizinhança.
A Figura 2 ilustra o uso da janela de busca e das vizinhanças. Em