高噪声图像的边缘还挺难搞清楚的，用各向异性滤波来就比较合适。这个方法最大优点是——能去噪，还能保边缘。嗯，用MATLAB来搞这套挺顺手的，函数多、工具全、显示结果也方便，写个脚本跑一跑，图像干净不少。

Perona-Malik 扩散是整个算法的核心，它的思路也不复杂：像素变化主要看梯度，边缘处扩散慢，平滑区扩散快。你只要搞定几个参数，比如迭代次数、时间步长啥的，就能自己调出想要的去噪效果。

整个流程其实也还挺清晰的：imread加载图片 → 灰度预 → 写扩散系数函数 → 循环跑迭代 → imshow看效果。配套的.m脚本一般都封装好了，直接改参数或换张图就能用。

图像结构复杂的时候，比如医学图像或遥感照片，这个方法尤其靠谱，不会像均值滤波那样搞得一团糊。想深入一点的话，可以看看这几个扩展资源：稳定正方案实现、遥感图像、还有MATLAB 代码综述。

如果你经常高噪图像，尤其是那种有点纹理又有边缘的图，建议试试这个方法，调参数麻烦点但效果确实不错。