基于加权最小二乘法的保边缘平滑滤波器（WLS）

引言

陆陆续续在计算摄影学接触了不少保边滤波器，其重要性自不必说，可以用在图像的增强，图像抽象画，高动态范围图像压缩，图像色调映射等。

今天介绍的WLS(最小二乘滤波器）即使其中一种，论文全称《Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation》，作者Z. Farbman等，发表在ACM SIGGRAPH 2007。
这篇文章是基于最优化理论，代码是公开，点此下载。当然有更好的滤波器不断出现。但是这篇文章核心代码只有十几行左右，数学功底深厚，方法比较去值得研究和学习之用。这篇文章只是我看此论文一个笔录，不正确之处欢迎指正。

算法

设计一个保边滤波器可以看做是两个矛盾的目标的结合体。对于一副输入图像$g$，我们目标图像$u$一方面我们希望其尽可能近似$g$，与此同时$u$除了在$g$一些边缘梯度变化比较大的地方外应该越平滑越好。形式上，我们寻求最小化下列目标函数的解。

$$\sum\limits_{\rm{p}} {({{({u_p} - {g_p})}^2} + \lambda ({a_{x,p(g)}}{{(\frac{{\partial u}}{{\partial x}})}^2}) + {a_{y,p(g)}}{{(\frac{{\partial u}}{{\partial {\rm{y}}}})}^2}))} \quad (1)$$
这里，下标 $p$代表像素点空间位置。目标函数第一项 $(u_p - g_p)^2$代表输入图像 $u$和输出图像 $g$越相似越好，第二项是正则项，通过最小化 $u$的偏导，使得输出图像 $g$越平滑越好。平滑项的权重分别是 $a_x$和