Guided Image Filtering --引导图像滤波 解析+图像去雾应用

论文地址以及代码：http://kaiminghe.com/eccv10/

Abstract: 这篇文章中，作者提出了一种新颖的图像滤波算法。这种方法的灵感来自于局部线性模型。本方法引入了一个导向滤波图，这个导向滤波图可以是图片本身也可以是另一个图片，然后算法利用导向滤波图的纹路来对目标图像进行滤波。这个方法类似于双边滤波器是一个边缘保留平滑算子，但是在边缘保留的表现上优于双边滤波器。此外，他还可以将导向图的结构保留到滤波的结果中，可以用来去雾、羽化等。该方法处理速度快，应是现在最快的边缘保留滤波器。

一、图像滤波的简要介绍

说在前面：关于权重与边缘保留的关系，这篇文章解释的挺清楚的：http://blog.csdn.net/baimafujinji/article/details/74750283

首先，我们定义一个线性转换的滤波器：

这个公式的意思是说，输出像素的值是输入图像p以像素j为中心的一个小窗口和其对应像素的权重相乘后的和。这是最简单的滤波器，根据不同的权重有不同的作用。例如高斯滤波器，它的权重服从二维的高斯分布。也就是说，离中心像素越近的点就拥有更高的权重。这样的滤波器拥有很好的平滑作用，但也因此会使边缘变得模糊。

再例如双边滤波器的权重，如公式（2）所示，相比起高斯滤波就更加的科学，也拥有更好的边缘保留能力。

其中k表示了窗口中的像素数目，表示了两个像素之间的空间距离，表示了两个像素之间的颜色差距，这两个是常数系数。这个权重的意思是说，空间距离越近，颜色越相近，这个像素所占的权重就越大，反之则越小。由于边缘两边的像素通常很接近，但颜色相差却比较大，这样的权重就会相对小一些，也就达到了边缘保留的目的。

二、导向图滤波

符号定义：

• I：引导图像
• p：输入图像
• q：输出图像

    公式定义：，其中，都是常数系数，要通过计算获得。

    这个公式非常简单却具有边缘保留的能力以及不逊色的平滑去噪能力。