图像平滑是计算摄影学一门基础重要的工具,其作用是拂去不重要的细节,保留较大的图像边缘,主要应用于边缘检测,JPEG压缩图像人工伪迹去除,非真实绘制等领域。
图像平滑大体上可以分为两类:基于局部和基于全局方法,基于局部的方法像有名 双边滤波, 各向异性扩散,将图像分成一些局部块进行处理;全局方法比如全变分( Total Variation)和最小二乘滤波( Weighted Least Square),同时处理整幅图像,可以达到全局最优的目的。
以往的方法,拂去图像中去对图像细节部分也会对图像中大的边缘进行惩罚,这样也会导致图像中大的边缘减弱或丢失,因此徐立等人提出使用图像L0范数平滑,该滤波器是一种基于稀疏策略的全局平滑滤波器。
本文是对香港中文大学徐立等人所做的《Image Smoothing via L0 Gradient Minimization》的读后笔录,也可以看成是论文的翻译吧。使用图像梯度L0范数平滑图像,具有以下优点:
- 通过去除小的非零梯度,抚平不重要的细节信息
- 增强图像显著性边缘
图像梯度L0范数最小化
L0范数可以理解为向量中非零元素的个数。
图像梯度L0范数可以如下表示
c(f):=#{
p|∣∣fp−fp−1∣∣≠0}
这里 p 和
#{
p|∣∣fp−fp−1∣∣≠0}=#{
p|∣∣α(fp−fp−1)∣∣≠0}
这还不是我们的目标函数,只是一个约束条件。
图像梯度最小化平滑
一维信号
先以一维信号为例,输入信号 g ,输出信号
minf∑p(fp−gp)2s.t.c(f)=k
左边使得输入信号与输出信号尽可能接近,右边非零约束梯度个数为 k 。下图依次是