你上傳的那篇 PDF 論文（標題是 "Image Denoising by Sparse 3D Transform-Domain Collaborative Filtering"，也就是著名的 BM3D 論文）確實是在講一種影像降噪演算法，甚至可以說是目前經典的影像降噪方法之一。這篇論文不是單純介紹三種演算法，而是主要在介紹 BM3D（Block-Matching and 3D Filtering） 這一個核心演算法，但它可以分成 三個步驟或模組化的處理流程，所以你會感覺像是三段不同的技術結合起來。

🔍 這篇 BM3D 論文到底在說什麼？

它的目標是：

✨ 在有雜訊的圖片中，把雜訊去掉，同時保留圖像的細節和邊緣。

🔧 這個演算法主要包含三大核心技術：

1. ✅ Block Matching（區塊比對）
   • 把圖片切成一個一個小區塊（patches）
   • 在整張圖上尋找跟某個 patch 相似的 patch
   • 把這些相似區塊堆疊成一個 3D 的小立方體
2. ✅ Collaborative Filtering in 3D
   • 對這個 3D 立方體做3D 轉換（例如 DCT、Wavelet）
   • 然後用thresholding（像是 shrinkage） 把雜訊濾掉
   • 接著再把它反轉回來（inverse transform）
3. ✅ Aggregation（加總回原圖）
   • 因為每個 pixel 可能被處理過很多次（出現在不同 patch 裡）
   • 所以最後要把所有處理過的結果平均起來，融合成最終的去噪影像

✨ 為什麼這麼做有效？

因為「在 2D 上降噪」可能會模糊邊緣

→ 但「在 3D 相似區塊上一起處理」，就能讓相似結構加強、雜訊抵消

→ 所以 BM3D 有 強大的邊緣保留能力！

🎯 實際用途？

你跑這個演算法之後，如果你給它一張有雜訊的圖片，它會幫你輸出一張乾淨的版本。常見應用：

• 攝影影像去噪
• 醫學影像（例如 MRI）去除掃描雜訊