1、非局部平均去噪是空域滤波的一大突破，利用自然图像的冗馀性，基本思想是将当前像素点的灰度值与图像中与其结构相似的所有像素点加权平均得到。 如何测量结构相似的像素点，即如何确定权重系数？ 其针对每一像素点的权重，使用以该像素点为中心的图像子块(7*7或) 9与以当前像素点为中心的子块之间的mydxwz加权欧几里得距离进行计算。
参考：
33558 www.ce remade.dauphine.fr/~ pey re/MATLAB/graph/content.html
http://shijuan feng.blogbus.com/logs/221433712.html
A. Buades，B. Coll，j.m.morel " anonlocalalgorithmforimagedenoising " ieeecomputervisionandpatternrecognition 2005，vonal
自： http://blog.csdn.net/bluewind _ 1988/article/details/7945302
2、非局部平均去噪算法其实很简单，该去噪方法与mydxwz去噪和双边滤波器去噪很相似，采用一些标准，通过“周围”像素点的加权，将像素点的真实值
最左边的图表示Gauss滤波的特征，利用图像的像素点有多接近来估计权重。 中央的图说明双边滤波器除了考虑像素点自身取值的相似性之外，还考虑接近像素点与经估计的像素点之间的距离，具有越高的权重的非局部平均在一个窗口中搜索接近的图像块来分配权重例如，搜索到绿色框内的区域的区域、搜索到黄色窗口的图像块、深棕色窗口内的中心点是需要去噪的点，对最接近像素块的中心点加权组合以估计真值。
参考： http://blog.csdn.net/hit 1524468/article/details/51417696
3、非局部均值滤波器non local mean滤波器：
非局部平均滤波是Buades等人2005年提出的滤波方法。 其基本想法是根据图像的自相似性计算邻近像素的权重。
NML算法要求首先选择两个窗口，分别是相似窗口和搜索窗口。 选择相似窗用于比较两个像素的相似性，选择搜索窗用于确定计算相似像素的范围。 中心像素I与其附近的像素j的类似性权重基于两个像素的类似窗mydxwz所加权的欧式距离确定，公式如下：
与双边滤波器相比，对于非局部平均滤波，非局部平均可以基于一定大小的图像切片之间的相似性来确定两个像素的相似性，以比双边滤波器更好地识别图像中的细节。 但是，非局部平均算法的滤波器参数h很难调整，h控制衰减的速度，没有太大的衰减算法退化为平均滤波器，太小的衰减算法没有平滑效果，一般来说h参数的选择参考图像噪声的标准差
自： http://blog.csdn.net/numit/article/details/46842589