图像处理 - 如何同时增强精细细节和减少噪点？

Question

我正在开展一个图像处理项目，我需要增强图像中的细节，同时减少噪音。这些图像是在弱光条件下拍摄的，包含对分析至关重要的重要复杂特征。然而，它们也受到大量噪声的影响，影响后续算法的准确性。

我尝试过使用传统的去噪滤波器，例如中值滤波和高斯滤波，这有助于减少噪声，但不幸的是，它们也模糊了我想要保留的精细细节。另一方面，当我尝试使用直方图均衡或模糊掩蔽等技术来增强细节时，它往往也会放大噪声。

这是我尝试过的代码片段：

import cv2
import numpy as np

def enhance_details_and_reduce_noise(image):
    # Reducing noise
    denoised_image = cv2.medianBlur(image, 3)

    # Enhancing details
    kernel = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]]) # unsharp masking kernel
    enhanced_image = cv2.filter2D(image, -1, kernel)

    return denoised_image, enhanced_image

# Load the image
image = cv2.imread('input_image.jpg', cv2.IMREAD_GRAYSCALE)

# Process the image
denoised_image, enhanced_image = enhance_details_and_reduce_noise(image)

# Display the results
cv2.imshow('Denoised Image', denoised_image)
cv2.imshow('Enhanced Image', enhanced_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

不幸的是，这段代码并没有达到在有效降低噪声的同时增强精细细节的预期结果。输出图像要么降低了噪声，但缺乏必要的细节，要么通过放大的噪声增强了细节。

我正在寻求有关技术或算法的建议，以帮助我实现这两个目标——增强细节和减少噪音——而不会互相妥协。任何见解或替代方法将不胜感激。

Answer 1

本文提出了一种新颖且统一的框架，称为

SCENS

，用于在低光图像中同时进行对比度增强和噪声抑制。它将观察到的低光图像分解为“照明度”、“反射率”和“噪声分量”。使用二阶总广义变差来估计照明，以保持空间平滑性和整体结构，同时通过最小化反射率和场景之间的梯度残差来保持反射率的分段连续性和精细细节。 PS： 从 IEEE Xplore 数字图书馆访问全文文章通常需要订阅或会员资格。