计算机视觉——加权最小二乘（WLS）滤波器

最新推荐文章于 2024-12-31 13:28:03 发布

Vic时代

最新推荐文章于 2024-12-31 13:28:03 发布

阅读量1.4w

点赞数 10

分类专栏：计算机视觉

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/VictoriaW/article/details/71171813

版权

本文介绍了加权最小二乘（WLS）滤波器在图像处理中的应用，特别是在人脸试妆的Digital Face Makeup by Example论文中的使用。文章重点解读了算法的实现代码，通过数学模型展示如何将光照层分解为结构层和细节层，同时提供了Matlab代码示例来计算Laplacian矩阵，解释了平滑权重在实际编程中的处理方式。

摘要由CSDN通过智能技术生成

Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation
Zeev Farbman, Raanan Fattal, Dani Lischinski, Richard Szeliski
Acm Transactions on Graphics , 2008

在关于人脸试妆的论文Digital Face Makeup by Example中，采用了本文提到的weighted least square(WLS)算法把光照层分解为结构层和细节层。这里不着重介绍本文的算法，重点解读此算法的实现代码。

给定一幅图片g（大小为N*M），想要得到新的图片u，并且一方面满足和g类似，一方面又尽可能的平滑。这个问题的数学模型：

min u \sum p ((u p - g p) 2 + λ (a x, p (g) (\partial u \partial x) 2 p + a y, p (\partial u \partial y) 2 p)), (1)

$\min_u \sum_p \left( (u_p-g_p)^2+\lambda\left( a_{x, p}(g)\left(\frac{\partial u}{\partial x}\right)^2_p+a_{y,p}\left( \frac{\partial u}{\partial y}\right) ^2_p\right)\right), \tag1$
其中

p $p$ 表示像素的位置，

ax $a_x$ 和

ay $a_y$ 控制着不同位置上的平滑程度。
表达式(

最低0.47元/天解锁文章

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。