立体匹配——引导滤波

基本原理

在GF中，有一个引导图像I和一个需要过滤的图像，两者之间并非要完全不同，也就是说它们可以是相同的图像。w$k$是为像素k构建的一个滤波窗口，q是输出像素的值。在这里，我们认为q和I在每个窗口满足线性变换，则公式表达为：

式中a$k$，b$k$为每个窗口中的线性系数，在不同的窗口中有不同的取值。同时由于▽q = a▽I,还可以保证滤波过程中q和I在边缘处保持一致。
它们的值是通过最小化成本函数E(a$k$,b$k$)获得的，该成本函数被定义如下：

式中，$ϵ$是用来约束较大的a$k$的正则化参数，a$k$，b$k$的最佳值计算如下

在这里，式中的乘法运算为矩阵间的元素积运算，$\mu$$k$为滤波窗口的均值，|w|为每个窗口中所有点的数目，$\overline{g}$$k$同样为g在不同窗口中计算得到的均值。
然而$ϵ$是固定的，这会引起在图像某些区域的处理出现不适应性。针对于像素处于图像边缘处或者平滑区域的不同，对于a$k$，b$k$的取值也不同，因此需要选择不同的$ϵ$。首先在平滑区域，为了使得到的视差图能够在该区域取得更好的平滑效果，就需要利用$ϵ$完成对a$k$的较大约束，因此就需要根据窗口内信息自适应选择较大的$ϵ$；而边缘区域，我们需要保留视差图的边缘，所以a$k$的取值则越偏大越好，此时$ϵ$选择越小越好。

具体步骤

步骤1：在每个局部小窗口中分别计算a$k$和b$k$。（在计算每个窗口的线性系数时，我们可以发现一个像素会被多个窗口包含，也就是每个像素都由多个线性函数所描述，所以就引出了步骤2）。
步骤2：在所有的局部窗口中对所有点的a$k$和b$k$求平均。