为何我的Speckle（Lee滤波）未降噪反而增添噪声？

核心问题根源 #

你的Lee滤波实现和应用场景存在几个关键偏差，导致不仅没降噪反而引入额外噪声：

1. 滤波适用场景不匹配 #

Lee滤波是专门为处理SAR图像的乘性斑点噪声设计的，而普通RGB图像的噪声多为加性高斯噪声，直接套用该滤波算法效果会严重偏离预期，甚至产生伪影。

2. 实现中的关键错误 #

• 噪声方差计算错误：你使用np.var(img)计算全局方差，但Lee滤波需要的是单独的噪声方差（而非包含图像纹理的全局方差）。全局方差包含了图像本身的细节方差，会让权重计算完全错误，最终导致滤波后保留甚至放大噪声。
• 数据类型溢出：OpenCV读取的RGB图像是uint8类型（取值0-255），计算img**2时会超出该范围，触发自动截断，导致数据失真，这也是噪声增加的直接原因之一。
• 窗口尺寸过大：15x15的窗口对于普通RGB图像来说过于庞大，过度平滑会破坏图像细节，再加上错误的权重计算，会产生块状伪影，视觉上表现为噪声增加。

修正方案 #

方案一：换用适合RGB图像的降噪算法 #

如果目标是处理普通RGB图像的加性噪声，建议直接使用更匹配的滤波：

• 高斯滤波：cv2.GaussianBlur(currImg, (5,5), 0)
• 双边滤波：cv2.bilateralFilter(currImg, 9, 75, 75)（保留边缘的同时降噪）
• 非局部均值滤波：cv2.fastNlMeansDenoisingColored(currImg, None, 10, 10, 7, 21)

方案二：修正Lee滤波（仅针对乘性噪声场景） #

如果确实需要处理乘性噪声（比如SAR图像），按以下步骤修正：

1. 修正滤波函数：

import numpy as np
from scipy.ndimage.filters import uniform_filter

def lee_filter(img, size, noise_variance):
    # 转换为浮点型避免计算溢出
    img_float = img.astype(np.float32)
    # 计算局部均值和局部方差
    local_mean = uniform_filter(img_float, size)
    local_sqr_mean = uniform_filter(img_float ** 2, size)
    local_var = local_sqr_mean - local_mean ** 2
    # 计算权重，避免除以0并限制权重范围
    weights = local_var / (local_var + noise_variance)
    weights = np.clip(weights, 0, 1)
    # 计算滤波结果并转回原数据类型
    filtered = local_mean + weights * (img_float - local_mean)
    return filtered.astype(img.dtype)

2. 正确应用滤波：

import cv2
import os

currImg = cv2.imread(os.path.join(currPath, f'{i}.png'))
# 拆分通道并转换为浮点型
channels = [currImg[:, :, c].astype(np.float32) for c in range(3)]
# 假设噪声方差为10（需根据实际噪声情况调整，可从图像均匀区域估计）
filtered_channels = [lee_filter(chan, 5, 10) for chan in channels]
# 合并通道并转回uint8
currImg_filtered = np.stack(filtered_channels, axis=2).astype(np.uint8)
cv2.imwrite(os.path.join(newPath, f'{i}.png'), currImg_filtered)

内容的提问来源于stack exchange，提问作者SkarmArri