超级去噪：百科应用案例

我们在生活中经常遇到的问题就是拍出的照片有很多噪声。

这些彩色方块称为噪声，因为它们干扰我们拍照的效果。噪声的存在太讨厌了！

为什么在这里要将其定义为一个回归问题呢？接下来，我们来具体看一下噪声到底是什么。在解释噪声之前，我想解释一下什么是像素。聪明的小读者应该听说过三原色。实际上，我们看到的彩色都是由三原色组成的。

那么我们现在的问题是，这为什么是回归问题呢？别着急，接着往下看。

聪明的读者应该已经猜到如何来表示图案了。下面用几个例子来说明。

我们发现，用于表示颜色的数值都是连续的，因此其是一个广义上的回归问题。那么接下来的问题是，噪声是怎么来的呢？我们将噪声放大，来研究一下细节。

给各位读者几分钟时间观察上图，是否发现了产生噪声的原因呢？没发现不要紧，我们来给大家略做指点。

这就是我们视觉上看上去有噪声的原因。而噪声产生的根本原因则是照相机在照相过程中无法具体确定当前位置是什么数值。那么应如何去除噪声呢？我们对这个点周围的点的数值计算平均值就可以了。这种计算又叫作模糊，其作用就是消除噪声。(www.xing528.com)

整个过程就类似我们已知某一子像素点周围的像素值，然后预测这个点应该取什么值。这是一个很完整的回归问题。

回归模型：

未知处值=参数1×已知值1+参数2×已知值2+…+参数8×已知值8

如果我们可以猜到每个参数都是0.125，那么这个模型就成了一个非常简单的平均滤波模型。

平均滤波模型：

未知处值=0.125×已知值1+0.125×已知值2+…+0.125×已知值8