---

一、函数介绍

“快速非局部平均去噪” 是消除图像噪声的，在这里也放到了图像平滑这一单原来介绍。这个函数名气不大，不像前面那些函数应用广泛。根据网上专家的介绍，它是利用整幅图像进行去噪，以图像块为单位在图像中寻找相似区域，再对这些区域求平均，能够比较好地去掉图像中存在的高斯噪声。因此函数执行要消耗更多的时间,但是结果很好。

1.FastNlMeansDenoising()函数

灰度图进行快速非局部平均去噪时，使用FastNlMeansDenoising()函数，官方定义如下：

public static void FastNlMeansDenoising(
	IInputArray src,  // 输入图像
	IOutputArray dst, // 输出图像
	float h = 3f, // 灰度图过滤器强度。h值高可以很好的去除噪声,但也会把图像的细节抹去。
	int templateWindowSize = 7, // 相似性权重计算窗口大小(奇数，推荐值为 7)
	int searchWindowSize = 21 // 搜索窗口大小，建议是相似性权重计算窗口大小的3-5倍
)

2.FastNlMeansDenoisingColored()

彩色图像进行快速非局部平均去噪时，使用FastNlMeansDenoisingColored()函数，官方定义如下：

public static void FastNlMeansDenoisingColored(
	IInputArray src,  // 输入图像
	IOutputArray dst, // 输出图像
	float h = 3f, // 灰度图过滤器强度。h值高可以很好的去除噪声,但也会把图像的细节抹去。
	float hColor = 3f, // 彩色图像过滤器强度。h值高可以很好的去除噪声,但也会把图像的细节抹去。
	int templateWindowSize = 7, // 相似性权重计算窗口大小(奇数，推荐值为 7)
	int searchWindowSize = 21 // 搜索窗口大小，建议是相似性权重计算窗口大小的3-5倍
)

二、举例

1.原始素材

原始素材定义为srcMat，如下：

还是这张熟悉的向日葵图像，里面有白色和黑色的斑点作为椒盐噪声。

2.灰度图FastNlMeansDenoising()快速非局部平均去噪

代码如下：

Mat tempMat = srcMat.Clone();
Mat dstMat = new Mat();
int h = 20; // 灰度图滤器强度
int templateWindowSize = 7; // 相似性权重计算窗口大小(奇数，推荐值为 7)
int searchWindowSize = 21; // 搜索窗口大小，相似性权重计算窗口大小的3-5倍
CvInvoke.CvtColor(tempMat, tempMat, ColorConversion.Bgr2Gray);
CvInvoke.FastNlMeansDenoising(tempMat, dstMat, h, templateWindowSize, searchWindowSize);

代码执行结果如下：

输出结果是一个灰度图，里面绝大多数的的椒盐噪声已经去除掉了，但是在我的笔记本电脑上，代码执行时间用了0.2秒左右，比较慢。

3.彩色图像FastNlMeansDenoisingColored()快速非局部平均去噪

代码如下：

Mat tempMat = srcMat.Clone();
Mat dstMat = new Mat();
int h = 20; // 灰度图滤器强度
int hColor = 20; // 彩色图滤器强度
int templateWindowSize = 7; // 相似性权重计算窗口大小(奇数，推荐值为 7)
int searchWindowSize = 21; // 搜索窗口大小，相似性权重计算窗口大小的3-5倍
CvInvoke.FastNlMeansDenoisingColored(tempMat, dstMat, h, hColor, templateWindowSize, searchWindowSize);

执行结果是：

基本上椒盐噪声也全部去掉了，代码执行时间在0.45秒左右。

注意，在彩色图像去噪时，传入FastNlMeansDenoisingColored()函数的h参数和hColor参数都要设置。

---

原创不易，请勿抄袭。共同进步，相互学习。