Open Image Denoise，一个开源的图像去噪库

如今 有很多专注于图像的应用程序和库在最著名的软件中，我们有 Photoshop、GIMP、Krita、Paint 等，尽管很明显前两个是最完整的。

但 对于特定的工作案例，没有必要使用那么多资源 对于其中任何一项的执行，例如仅裁剪图像、更改大小、外观、格式、处理一些小的调整等等。

重点是我最近遇到了一个 优秀的图书馆 这引起了我的注意，因为它是 专注于去噪 在图像中，最重要的是它是开源的，并且是与英特尔携手开发的。

当我们谈论图像中的噪声时，不，它不是指声音/音频（如果我们谈论图像就没有意义），但数字噪声是：

输入设备产生的数字图像中亮度或颜色的随机变化基本上是那些与颜色不匹配的“颗粒”或像素。 

回到我们今天要讨论的库的要点是 «Open Image Denoise»，它开发了一组过滤器来消除使用光线追踪渲染系统准备的图像中的噪声。

关于开放图像降噪

打开图像去噪 正在作为更大的 oneAPI 渲染工具包项目的一部分进行开发 旨在开发用于科学计算的软件可视化工具，包括 Embree 光线追踪库、GLuRay 逼真渲染系统、OSPRay 分布式光线追踪平台和 OpenSWR 软件光栅化系统。

该项目的目标是 提供优质、高效、易用的去噪功能 可用于提高光线追踪结果的质量。 基于更短的光线追踪周期的结果，建议的过滤器允许获得与更昂贵和更慢的详细渲染过程的结果相当的最终质量水平。

Open Image Denoise 滤除随机噪声，例如蒙特卡洛数值积分射线追踪 (MCRT)。 为了在此类算法中实现高质量的渲染，需要跟踪大量的光线； 否则，明显的伪影会以随机噪声的形式出现在生成的图像中。

使用开放图像降噪 允许减少几个数量级所需的计算量 在计算每个像素时。 因此，最初可以更快地生成含噪图像，然后使用快速降噪算法将其降低到可接受的质量。 使用合适的设备，所提出的工具甚至可以用于交互式光线追踪和动态降噪。

Open Image Denoise 最近收到了它的新版本 2.0，其中以下变化很突出：

• 支持使用 GPU 加速降噪操作。 通过 SYCL、CUDA 和 HIP 系统实现了对 GPU 卸载的支持，这些系统可与基于 Intel Xe 架构、AMD RDNA2、AMD RDNA3、NVIDIA Volta、NVIDIA Turing、NVIDIA Ampere、NVIDIA Ada Lovelace 和 NVIDIA Hopper 的 GPU 一起使用。
• 添加了一个新的缓冲区管理 API，它允许您选择存储类型、复制主机数据以及从 Vulkan 和 Direct3D 12 等图形 API 导入外部缓冲区。
• 添加了对异步执行模式的支持（oidnExecuteFilterAsync 和 oidnSyncDevice 函数）。
• 添加了一个 API，用于向系统中存在的物理设备发送请求。
• 添加了 oidnNewDeviceByID 函数以根据物理设备 ID（例如 UUID 或 PCI 地址）创建新设备。
• 添加了 SYCL、CUDA 和 HIP 的可移植性功能。
• 添加了新的设备扫描选项（systemMemorySupported，
• ManagedMemorySupported，externalMemoryTypes）。
• 添加了一个参数来设置过滤器的质量级别。

打开图像去噪 可用于各种类型的设备，从笔记本电脑和 PC 到集群节点. 该实现针对各种类别的 64 位 Intel CPU 进行了优化。 如果想知道运行Open Image Denoise的要求和安装方法，可以参考 以下链接。

代码是用 C++ 编写的，并在 Apache 2.0 许可下发布。