请详细描述非局部均值算法

非局部均值算法（Non-local Means，NLM）是一种基于相似度的图像降噪算法。其主要思想是将图像中的每个像素点看作是整个图像中的一个样本，通过计算其与其他所有像素点之间的相似度，来对其进行降噪处理。

具体来说，对于每个像素点x，NLM算法首先在以x为中心的一个固定大小的窗口内寻找与其相似的像素点。这里的相似度可以通过计算两个像素点之间的欧氏距离或者灰度值的差异等方式来衡量。然后，针对每个相似的像素点y，NLM算法会计算它们之间的距离d，以及它们之间的相似度w。根据这些距离和相似度信息，NLM算法就可以计算出像素点x的非局部均值，即：

f(x) = 1/Z * ∑w(y) * g(y)

其中，Z是一个归一化因子，确保所有相似的像素点的权重和为1；g(y)表示像素点y的灰度值；w(y)表示像素点y与像素点x之间的相似度。

通过这种方式，NLM算法可以在保留图像细节的前提下，有效地去除图像中的噪声。不过，由于计算非局部均值需要对整张图像进行遍历，因此该算法的计算复杂度较高，不适用于实时处理和大规模图像处理。