#1 楼
您可能需要考虑更高级的技术。以下是有关边缘保留去噪的两篇最新论文：通过最佳色彩空间投影来保留边缘的图像去噪[彩色]该论文通过将图像分解为“最佳”来保留边缘。色彩空间并执行小波收缩。最佳色彩空间属于亮度/色差族（请考虑L * a * b *或YCrCb）。
保留图像去噪的边缘结构从本文出发：
>我们的方法基于[跳跃回归分析]，包括三个主要步骤，概述如下。首先，通过边缘检测器在整个设计空间中检测边缘像素。其次，在给定像素的邻域中，通过简单但有效的算法从检测到的边缘像素中估算出一条分段线性曲线，以近似该邻域中的基础边缘片段。最后，通过局部线性核平滑处理（参见[35]）对估计边缘段同一边上观察到的图像强度（如给定像素）求平均，以估算图像的真实图像强度。给定的像素。
（跳跃回归模型使用阶跃函数合并不连续性。主要作者有一本关于该主题的书。）
#2 楼
作为起点，我将使用非线性收缩技术和某种小波变换（尽管它们并不特定于小波变换）。收缩规则从概念上讲是简单，快速且易于实现的，同时还能产生出色的结果。前提是可以在某个域中表示所需信号，从而将大部分能量集中在很小的范围内。系数数。相反，噪声仍然散布在所有系数上（对于AWGN可能是这样）。然后，您可以“缩小”系数-根据一些非线性规则减小系数的值-这样，与对噪声的影响相比，对信号的影响就较小。
小波变换很好可以转换使用，因为它们擅长将能量压缩为少量系数。我个人建议使用双树复数小波变换（DTCWT），因为它具有其他出色的特性。
关于这个主题的两篇非常好的论文（都来自同一作者）。就其可读性和解释的清晰度而言，这些论文是一种真正的享受。 （也有Lenna被去噪的漂亮图片：）
当然有较新的论文，但与那些论文中描述的非常简单的技术相比，它们通常不会在数量上带来很大的改进。 >
评论
$ \ begingroup $
这些论文没有专门讨论边缘保留问题。它们是关于通用图像降噪的。
$ \ endgroup $
–埃姆雷
2012年4月20日19:47
$ \ begingroup $
小波本质上在保留边缘方面具有优势。自然图像的本质是大多数显着信息都在边缘中，因此将边缘作为一种特殊情况进行讨论是多余的。自然图像由边缘定义。
$ \ endgroup $
–亨利·戈默索尔（Henry Gomersall）
2012年4月20日在21:56
$ \ begingroup $
传统小波是否在保留边缘方面特别好，这是有争议的。这个问题是大量扩展背后的动机之一，其中包括山脊，子束，曲线和轮廓波。
$ \ endgroup $
–埃姆雷
2012年4月20日在22:18
$ \ begingroup $
的确，小波确实存在问题，这就是为什么我建议使用香草小波以外的东西的原因。尽管可能有人暗示我对DTCWT有偏见，但这并非没有充分的理由。这些论文都显示出令人印象深刻的边缘保留。就像本文一样（请参见图8和9-与嘈杂的图像进行比较）。
$ \ endgroup $
–亨利·戈默索尔（Henry Gomersall）
2012年4月20日在22:27
#3 楼
尽管每一个信号处理挑战都没有一个适合所有人的解决方案，但这里有一个主意：因为您要保留边缘以找出它们在图像中的位置。使用Canny边缘检测器在图像中查找边缘。
对图像输出的边缘的边界进行扩展/填充（每个边缘的宽度可能为2-5像素），我们称其为“遮罩”。
反转遮罩。
将蒙版应用于图像，即，仅让非边缘的项目通过。
应用消磁技术
使用原始边缘蒙版获取存在边缘的图像像素值
或者，将它们放回到消磁图像中，也可以对整个图像应用消磁技术，然后将未消磁像素重新引入图像中。
评论
付出一些努力，您尝试了什么？实际上，我有一个被高斯噪声破坏的标准lena图像。我想在应用各向异性扩散之前消除噪声。我不想进行中值滤波，因为边缘模糊。输入一些信息。
stackoverflow.com/questions/8619153/…可能会帮助您
并不是一个真正的答案，但是我发现与此主题相关的各种论文之间存在这种联系-尝试在不消除边缘信息的情况下消除噪声。
能否请您发布一些图像和输出，以便我们更好地理解（不令人满意的）结果会是什么样？例如，为什么不使用各向异性扩散对图像进行降噪？