3D降噪，视频实时降噪利器
视频去噪方法按照处理域的不同可Ｗ分为空间域、小波域、频域、时域、时－空域去噪等。但是，这样的分类方法并不是非常严格，不同域之间的去噪方法会发生重叠现象，或者一种去噪方法会或涉及多个处理域。
时域去噪和时－空域去噪进行详细的介绍，这两种方法是根据滤波处理域的维度来进行区分的，时域去噪为一维滤波，时－空域去噪为Ｈ维滤波。由于视频序列中的物体会存在运动现象，当依靠时域信息进行滤波时，需要找到运动物体在不同峽中相对应的像素，否则在滤波操作后会引入更多的失真信息。
运动补偿即是一种在视频序列中寻找对应像素的方法，视频去噪方法可Ｗ根据是否有运动估计进行进一步细分。
3D降噪原理是对图像中的运动物体采取2D降噪，静止部分（称为背景）采取3D降噪以防止运动物体模糊（blur）。
1）第一步为运动估计
在参考帧（为前一帧已经过降噪的图像）中搜索和当前帧中16*16当前块相近的参考块，其中最相近的块为匹配块。 根据匹配块，获得运动向量（motion vector）。
为减小计算，一般仅在以当前块为中心的一个小范围内搜索参考块，如在20*20的小范围内。
2）滤波模式判断
设置两个门限值： - 参考块和当前块差值残差阈值TH1 （通常为一个较小的值，如 5 ~ 20之间） - 运动向量阈值TH2 （该阈值通常在+/-1 ~ +/- 3）
a）若每一像素点处的残差小于TH1，且参考块和当前块的运动向量值小于TH2，则可认为当前块为背景，即非运动物体。滤波策略是：使能2D滤波，同时使能3D滤波。3D滤波即当前块和参考块的平均。 b）若残差大于TH1，则，判断为非背景，只使用2D滤波。 c）若残差小于TH1，但运动向量大于TH2，则判断为非背景，只使用2D滤波（因背景几乎是不动的）。
3）梯度计算、边缘判断和快效应改善
计算水平和垂直方向相邻像素的差值，获得一个梯度矩阵。 比较两个方向的梯度大小。若梯度超过设定的阈值，则以值较大的一个方向来计算该点的像素值： pxl_new =( (a+4pxl_old+4c + d)/10 + e )/2
