老照片翻拍去噪
家里翻出 80 年代的老胶片，用手机翻拍后全是颗粒噪点，人脸糊成一团。试过几个修图 App 的自动增强，要么把皱纹磨平，要么把噪点当细节保留。用本工具的高斯滤波做轻度降噪，再叠一层中值滤波去掉扫描时遗留的灰尘点，照片恢复成能看清眉眼的程度，没让记忆失真。
拖入 / 点击 / 粘贴图片
支持 JPG · PNG · WebP · GIF · BMP · AVIF · 单图
截图直接 CtrlV 粘贴
降 噪 算 法Choose Algorithm
高斯模糊Gaussian Blur
最快 · 整体平滑，会一并糊掉边缘与细节，适合轻噪。
中值滤波Median Filter
取邻域中值 · 专克椒盐噪点，比高斯更能保住边缘。
推荐
双边滤波Bilateral
空间×值域双权重 · 平滑噪声同时保留边缘，效果最佳。
参 数Parameters
2
窗口大小 = (2r+1)×(2r+1)。半径越大越平滑，但越慢、细节越少。
2.0
CSS blur 半径（px）。越大越糊。
40
越小越护边（仅平滑颜色相近的像素）；越大越接近普通高斯。
输 出Export · 全分辨率
92
拖入 / 粘贴图片后，
在此实时预览，并拖动中线对比原图与降噪后
在此实时预览，并拖动中线对比原图与降噪后
原图 / 降噪后 对比拖动中线
原图
降噪后
处理中…
隐私：所有降噪在浏览器 Canvas 实时完成，原图不离开本机，不上传服务器。预览在缩采样小图上计算（中值 / 双边逐像素重运算，保证不卡），导出按原图全分辨率重新计算。关闭页面即清空。
就绪 · 拖入或粘贴图片开始
第一节
关于本工具
About一张暗光照片里，噪点颗粒淹没了细节。高斯模糊会抹掉边缘，中值滤波对椒盐噪点有效但伤纹理，双边滤波则试图在去噪与保边之间找平衡。这个工具把三种算法放在一起，同一张图可以来回切换对比效果。所有处理都在浏览器本地完成，图片不会被上传到任何服务器。
使用场景
显微镜照片去噪
实验室用手机对着目镜拍细胞切片，光源不足导致 CMOS 感光噪点布满整个视野，细胞边界被噪点淹没。自动降噪软件把噪点和细胞壁一起模糊掉。用本工具的双边滤波，设置空间半径 5、颜色阈值 30，只平滑背景噪点，保留细胞边缘的锐度，后续用 ImageJ 做面积统计时误差从 15% 降到 3%。
监控截图提嫌疑人
便利店调出凌晨监控，嫌疑人经过摄像头时背光，画面暗部全是彩色噪点，人脸区域只有几个像素。用高斯滤波先去掉彩色噪点，再用中值滤波保留边缘轮廓，最后导出 2 倍放大图。虽然没法直接识别身份，但警察能看清下巴轮廓和眼镜框形状，排除了三个长相相似的路人，缩小了排查范围。
扫描件文字增强
把一份 90 年代油印的会议纪要扫描成 PDF，纸张泛黄且油墨洇开，文字边缘被噪点粘连，OCR 识别率只有 40%。用中值滤波（核大小 3x3）先消除扫描件上的灰尘点，再用高斯滤波（半径 1.5）柔化油墨扩散的边缘，处理后 OCR 识别率提升到 92%，只差 3 个生僻字需要人工核对。
天文摄影去热噪
用单反拍猎户座星云，30 秒长曝光后画面布满红蓝热噪点，星点被噪点淹没。后期软件的去噪功能会把暗星也抹掉。用本工具的双边滤波，颜色空间设为 0.8（只去掉孤立彩色噪点），空间半径 4，保留星点的点扩散函数形状。处理后照片里原本被噪点盖住的 M42 星云核心区重新可见，能数出 7 颗伴星。
第二节
使用指南
Getting Started使用步骤
- 1上传图片后，在「降噪算法」下拉框选择高斯、中值或双边滤波，界面立即显示算法说明
- 2拖动「强度」滑块（0-100），预览区实时更新降噪效果，右侧显示当前参数值
- 3勾选「保留细节」复选框后，算法自动降低边缘模糊，预览区高反差区域纹理更清晰
- 4点击「对比原图」按钮，预览区在原图和降噪结果间切换，松开按钮恢复当前效果
- 5确认效果后点击「导出」按钮，浏览器自动下载处理后的图片文件，文件名含降噪参数标签
输入输出示例
| 输入 | 输出 | 说明 |
|---|---|---|
| 一张带有明显高斯噪声（σ=25）的灰度照片（512×512像素） | 高斯滤波（核大小5×5）处理后，噪声被均匀模糊，细节略有损失；中值滤波（核大小3×3）保留边缘但噪声残留；双边滤波（d=9, σ_color=75, σ_space=75）在平滑噪声的同时较好保留了边缘轮廓 | 常规：三种算法在同一张典型噪声图上的效果对比，展示各自特性——高斯平滑、中值抗椒盐、双边保边 |
| 一张干净无噪的纯色渐变图（从黑到白，无任何噪点） | 高斯滤波（核大小3×3）使渐变变得更平滑，无明显副作用；中值滤波（核大小3×3）几乎无变化；双边滤波（d=9, σ_color=50, σ_space=50）在渐变过渡区出现轻微带状伪影 | 边界：无噪声输入下，滤波算法可能引入不期望的伪影，尤其双边滤波在平滑渐变时需调参 |
| 一张包含大量椒盐噪声（密度0.1）的彩色照片（1920×1080像素） | 中值滤波（核大小5×5）几乎完全去除椒盐噪声，色彩保留较好；高斯滤波（核大小5×5）噪声被模糊但仍有黑/白点残留；双边滤波（d=9, σ_color=100, σ_space=100）噪声去除不彻底，边缘保留但色彩出现轻微偏移 | 常规：椒盐噪声是典型场景，中值滤波效果最佳，高斯和双边对此类噪声效果有限 |
| 一张只有1×1像素的极小图片（单像素，RGB值(128,128,128)） | 所有滤波算法输出均为(128,128,128)，无变化 | 边界：极小图片下，滤波核可能大于图片尺寸，工具需正确处理（降级为无操作或复制像素） |
| 一张带有文字（白底黑字）的扫描文档图片，添加了轻微高斯噪声（σ=10） | 高斯滤波（核大小3×3）文字边缘变模糊，可读性下降；中值滤波（核大小3×3）文字边缘保持清晰，背景噪声被抑制；双边滤波（d=9, σ_color=50, σ_space=50）文字边缘清晰度优于高斯但略逊于中值，背景噪声平滑 | 易错：用户可能期望降噪后文字更清晰，但高斯滤波会牺牲锐度；中值或双边更适合文档场景 |
| 一张带有周期性条纹噪声（如摩尔纹）的照片 | 高斯滤波（核大小5×5）条纹被模糊但仍可见；中值滤波（核大小5×5）条纹部分被破坏但产生块状伪影；双边滤波（d=9, σ_color=75, σ_space=75）条纹基本保留，无明显改善 | 易错：三种滤波均非专为周期性噪声设计，用户可能误以为降噪工具能去除摩尔纹，实际效果有限 |
| 一张高噪（σ=50）的夜景照片，暗部区域几乎全黑 | 高斯滤波（核大小7×7）暗部噪声被平滑但细节丢失严重，亮部边缘模糊；中值滤波（核大小5×5）暗部出现色块，亮部边缘保留；双边滤波（d=9, σ_color=150, σ_space=100）暗部噪声残留较多，亮部边缘保留较好 | 边界：高噪声+暗部场景下，算法容易产生色块或细节丢失，需用户权衡降噪强度与细节保留 |
常见错误对照
1.降噪强度过高导致图像模糊
✗ 错误
高斯滤波中 sigma 设为 10，双边滤波中 sigmaColor 和 sigmaSpace 都设为 50✓ 修复
高斯滤波 sigma 设为 1.5，双边滤波 sigmaColor=10、sigmaSpace=10高斯滤波 sigma 控制邻域权重衰减速度，值越大平滑越强、细节丢失越多；双边滤波 sigmaColor 控制颜色差异容忍度，过大则边缘保护失效，整图变模糊。
2.中值滤波核大小设为偶数
✗ 错误
中值滤波核大小设为 4×4✓ 修复
中值滤波核大小设为 3×3 或 5×5中值滤波需要奇数核才能确定中心像素；偶数核没有明确中心，算法会退化为非标准行为，导致结果不可预测。
3.输入图像本身已严重过曝或欠曝
✗ 错误
对一张全白或全黑的 JPEG 图像应用降噪✓ 修复
先调整曝光/对比度，使图像有足够细节后再降噪降噪算法依赖邻域像素的统计差异；若图像动态范围极窄（如全白），所有像素值接近，降噪无法区分信号与噪声，反而可能引入伪影。
4.对 JPEG 压缩伪影使用高斯滤波
✗ 错误
用高斯滤波处理 JPEG 压缩产生的 8×8 块状伪影✓ 修复
先用去块效应滤波（如 deblocking filter），或改用双边滤波并调高 sigmaColorJPEG 块状伪影是空间周期性结构，高斯滤波是低通平滑，无法消除块边界，反而会模糊块内细节；双边滤波可保留边缘同时平滑块边界。
5.双边滤波参数不匹配图像分辨率
✗ 错误
对 4000×3000 大图使用 sigmaSpace=5✓ 修复
对 4000×3000 大图使用 sigmaSpace=50 或更高sigmaSpace 控制空间邻域半径（像素单位）；低分辨率图用 5 足够，高分辨率图需要更大值才能覆盖足够多邻域像素，否则降噪效果微弱。
6.多次重复降噪同一张图
✗ 错误
对同一张图连续应用 3 次高斯滤波✓ 修复
一次性调高 sigma 值，或改用一次双边滤波多次低强度滤波等效于一次高强度滤波，但会累积舍入误差和边缘退化；单次正确参数比多次试错更高效且结果可预期。
7.忽略彩色图像的通道独立性
✗ 错误
对 RGB 三通道图像直接应用单通道中值滤波✓ 修复
对 RGB 三个通道分别应用中值滤波后合并，或使用支持多通道的工具中值滤波默认处理单通道灰度图；直接应用会将 RGB 视为单通道，导致颜色通道混叠，产生色偏。
第三节
工作原理
How It Works核心公式
I'(x,y) = (1/W_p) * Σ_{i=-k}^{k} Σ_{j=-k}^{k} I(x+i, y+j) * G_s(i,j) * G_r(|I(x+i,y+j) - I(x,y)|)
变量说明
I'(x,y)降噪后像素值I(x,y)原图中心像素值I(x+i,y+j)邻域像素值G_s(i,j)空间域高斯权重G_r(Δ)值域高斯权重W_p归一化因子，所有权重之和k邻域半径，如 k=2 即 5×5 窗口
示例
以 3×3 窗口（k=1）、σ_s=1.5、σ_r=30 处理灰度图中心像素 I(2,2)=100，邻域像素 I(1,1)=150。空间权重 G_s(-1,-1)=exp(-(1²+1²)/(2×1.5²))≈0.641，值域权重 G_r(50)=exp(-50²/(2×30²))≈0.249，组合权重=0.641×0.249≈0.160。遍历 9 个邻域，计算加权和 Σ=100×1.0×1.0（中心自身）+ 150×0.641×0.249 + … ≈ 100 + 23.9 + … = 约 145.2，归一化因子 W_p=1.0 + 0.160 + … ≈ 1.48，最终 I'(2,2)=145.2/1.48≈98.1，比原值 100 更接近邻域均值，实现降噪。
用户输入
本地处理
输出结果
第五节
常见问题
Q & A问这个图片降噪工具怎么用？我上传了照片没反应。＋
答
上传图片后，需要先在「降噪算法」下拉框中选择一种算法（高斯、中值或双边滤波），然后点击「开始降噪」按钮。处理时间取决于图片大小和算法复杂度，大图（如 4000×3000 像素）可能需要几秒到十几秒，请耐心等待处理完成，不要重复点击。如果页面一直无响应，可以尝试换一张较小的图片（2000 像素以内）测试。
问高斯、中值、双边滤波这三种降噪算法有什么区别？我该选哪个？＋
答
简单说：高斯滤波适合去除均匀的、类似白噪声的噪点（如传感器热噪），但会模糊边缘；中值滤波对「椒盐噪声」（黑白点）效果最好，边缘保留比高斯好一些；双边滤波在降噪同时能较好地保留边缘细节，适合人像或需要纹理的场景。如果图片噪点均匀且不介意轻微模糊，选高斯；如果有很多黑白杂点，选中值；如果既要降噪又要保留细节，选双边。
问为什么降噪后图片变模糊了？＋
答
降噪本质是平滑图像，算法会去除噪点，但也会抹掉部分细节和边缘。高斯滤波的模糊效果最明显，双边滤波相对保留更多细节。如果觉得模糊，可以尝试：1) 换用双边滤波算法；2) 调整算法参数（如果有参数调节选项）；3) 如果原图噪点很少，降噪幅度过大反而得不偿失。建议先用默认参数试，再根据结果微调。
问这个工具支持哪些图片格式？能处理 RAW 文件吗？＋
答
工具基于浏览器端处理，支持常见的 JPEG、PNG、WebP、BMP 等格式。不支持 RAW 格式（如 CR2、NEF、ARW），因为浏览器无法直接解码 RAW 文件。如果手头是 RAW 文件，需要先转换成 JPEG 或 PNG 再上传。另外，GIF 动画只处理第一帧，透明 PNG 的透明区域可能会被填充为白色。
问我的图片有版权，上传到这里安全吗？会不会存到服务器上？＋
答
本工具是纯前端实现（FE），所有图像处理都在浏览器本地完成，图片不会上传到任何服务器。即使断网也能正常使用（首次加载后）。处理完成后，浏览器内存中的图片数据会被自动释放，关闭页面即清除。可以放心处理包含敏感信息的图片。
问降噪后图片大小反而变大了，正常吗？＋
答
正常。降噪处理本身不压缩文件，输出格式默认与输入相同（如 JPEG 输出 JPEG），但部分算法（如双边滤波）会生成更多颜色过渡区域，导致 PNG 等无损格式的文件体积增大。如果希望缩小文件，可以在降噪后另存为 JPEG 格式并调整压缩质量（80-90% 通常兼顾画质和体积）。
问为什么我用手机拍的照片降噪效果不明显？＋
答
现代手机拍照时已经内置了较强的降噪和锐化处理，尤其是夜景模式。如果照片本身噪点很少，再用本工具降噪效果自然不明显。本工具更适合处理：1) 低端摄像头或老相机拍的有明显噪点的照片；2) 在极暗环境下用专业模式拍摄的 RAW 转 JPEG 图片；3) 屏幕截图或扫描件中的颗粒感。
问降噪后图片出现彩色条纹或色块，是工具坏了吗？＋
答
不是工具问题。这通常是因为原图压缩过度（如 JPEG 质量 10% 以下）产生了色块和伪影，降噪算法会把这些伪影当作「噪点」处理，反而放大缺陷。这种情况建议先不降噪，或者用专门的「去压缩伪影」工具处理。如果原图本身是高质量（JPEG 质量 90% 以上），降噪不会出现这种问题。
隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。