导向滤波(Guided Image Filtering)的一些性质
加权和
q i = ∑ j W i j ( I ) p j (1) \textbf{q}_i = \sum_j W_{ij}(\textbf{I})p_j \tag{1} qi=j∑Wij(I)pj(1)
q \textbf{q} q是滤波后的图像, I \textbf{I} I是引导图像, p \textbf{p} p是需要滤波的图像, i i i和 j j j是像素索引,滤波核是引导图像 I \textbf{I} I的函数,和需要滤波的图像 p \textbf{p} p无关。加粗表示向量。
局部线性模型
导向滤波假设对于图像局部区域,滤波后的图像是引导图像的线性变换:
q i = a k I i + b k , ∀ i ∈ ω k (2) \textbf{q}_i = a_k\textbf{I}_i + b_k ,\forall i\in\omega_k \tag{2} qi=akIi+bk,∀i∈ωk(2)
q \textbf{q} q是滤波后的图像, I \textbf{I} I是引导图像, ω k \omega_k ωk是包含 i i i像素的图像块, a k a_k ak和 b k b_k bk是线性变换系数, 加粗表示向量。
由假设, ▽ q = a k ▽ I \bigtriangledown \textbf{q} = a_k\bigtriangledown \textbf{I} ▽q=ak▽I,这保证滤波后的图像 q q q有边缘当且仅当引导图像 I I I有边缘,所以导向滤波是保护边缘的。
目标函数
导向滤波希望滤波后的图像和滤波前的图像在2-范数下接近,所以通过求解下列最小二乘问题得到和:
min
a
k
,
b
k
∑
i
∈
ω
k
(
(
a
k
I
i
+
b
k
−
p
i
)
2
+
ε
a
k
2
)
(3)
\min_{a_k,b_k} \sum_{i\in \omega _k}((a_k\textbf{I}_i+b_k-\textbf{p}_i)^2+\varepsilon a_k^2) \tag{3}
ak,bkmini∈ωk∑((akIi+bk−pi)2+εak2)(3)
ε
\varepsilon
ε是正则参数,防止过大。
局部线性模型的进一步分析
图像局部块重叠带来的影响
考虑整幅图像,对于像素
i
i
i,存在多个图像块包含它,每个图像块对应一组线性系数和,通过求平均:
q
i
=
1
∣
ω
∣
∑
k
:
i
∈
ω
k
(
a
k
I
i
+
b
k
)
=
a
i
‾
I
i
+
b
i
‾
(4)
\textbf{q}_i = \frac{1}{|\omega| }\sum_{k:i\in \omega _k}(a_k\textbf{I}_i+b_k)=\overline{a_i}\textbf{I}_i+\overline{b_i} \tag{4}
qi=∣ω∣1k:i∈ωk∑(akIi+bk)=aiIi+bi(4)
其中
∣
ω
∣
|\omega|
∣ω∣ 是像素块中像素的数量,可以看到,对不同的
i
,
i
′
∈
ω
k
i,i'\in\omega_k
i,i′∈ωk,
(
a
‾
i
,
b
‾
i
)
(\overline a_i,\overline b_i)
(ai,bi)不一定等于
(
a
‾
i
′
,
b
‾
i
′
)
(\overline a_{i'},\overline b_{i'})
(ai′,bi′),将
(
4
)
(4)
(4)式写成向量形式有:
q
=
a
⋅
I
+
b
(5)
\textbf{q} = \textbf{a} \cdot \textbf{I} + \textbf{b} \tag{5}
q=a⋅I+b(5)
向量
a
=
(
a
‾
i
)
,
b
=
(
b
‾
i
)
,
i
∈
ω
k
\textbf{a}=(\overline a_i),\textbf{b}=(\overline b_i),i\in\omega_k
a=(ai),b=(bi),i∈ωk。
统计角度分析
高方差区域
根据式
(
2
)
(2)
(2)和
(
3
)
(3)
(3),可以理解为将
{
I
i
,
i
∈
ω
k
}
\{ \textbf{I}_i,i\in\omega_k \}
{Ii,i∈ωk}和
{
p
i
,
i
∈
ω
k
}
\{ \textbf{p}_i,i\in\omega_k \}
{pi,i∈ωk}进行线性回归,对于包含强边缘的局部图像块,如果均值
μ
(
p
)
>
>
σ
(
p
)
\mu(\textbf{p})>>\sigma(\textbf{p})
μ(p)>>σ(p),那么
a
k
≈
1
a_k \approx 1
ak≈1,
b
k
≈
0
b_k \approx 0
bk≈0,相应地
a
‾
k
≈
1
\overline a_k \approx 1
ak≈1,
b
‾
k
≈
0
\overline b_k \approx 0
bk≈0。
此时有:
▽
q
=
▽
a
⋅
I
+
a
⋅
▽
I
+
▽
b
\bigtriangledown \textbf{q} = \bigtriangledown \textbf{a} \cdot \textbf{I} + \textbf{a} \cdot \bigtriangledown \textbf{I} + \bigtriangledown \textbf{b}
▽q=▽a⋅I+a⋅▽I+▽b
又因线性系数是通过平均得到的,
所以,
▽
a
≈
0
\bigtriangledown \textbf{a} \approx \textbf{0}
▽a≈0,
▽
b
≈
0
\bigtriangledown \textbf{b} \approx \textbf{0}
▽b≈0
▽
q
≈
a
▽
I
\bigtriangledown \textbf{q} \approx a\bigtriangledown \textbf{I}
▽q≈a▽I 。
所以,滤波后的图像
q
\textbf{q}
q有边缘当且仅当引导图像
I
\textbf{I}
I有边缘这个性质在
μ
(
p
)
>
>
σ
(
p
)
\mu(\textbf{p})>>\sigma(\textbf{p})
μ(p)>>σ(p)条件下是近似成立的。