双边滤波器

1.双边滤波

双边滤波很有名，使用广泛，简单的说就是一种同时考虑了像素空间差异与强度差异的滤波器，因此具有保持图像边缘的特性。

先看看我们熟悉的高斯滤波器

其中W是权重，i和j是像素索引，K是归一化常量。公式中可以看出，权重只和像素之间的空间距离有关系，无论图像的内容是什么，都有相同的滤波效果。

再来看看双边滤波器，它只是在原有高斯函数的基础上加了一项，如下

其中 I 是像素的强度值，所以在强度差距大的地方（边缘），权重会减小，滤波效应也就变小。总体而言，在像素强度变换不大的区域，双边滤波有类似于高斯滤波的效果，而在图像边缘等强度梯度较大的地方，可以保持梯度。

一、原理

     双边滤波（Bilateral filter）是一种可以去噪保边的滤波器。之所以可以达到此效果，是因为滤波器是由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个由像素差值决定滤波器系数。

 原理示意图如下：

     双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合，

          

     权重系数w(i,j,k,l)取决于 定义域核

          

     和 值域核

          

     的乘积

          

二、C++实现

     2.1 OpenCV调用方法：

[cpp]  view plain  copy

1. cvSmooth(m_iplImg, dstImg, CV_BILATERAL, 2 * r + 1, 0, sigma_r, sigma_d);  

     2.2 MATLAB版代码：

      http://www.mathworks.com/matlabcentral/fileexchange/12191-bilateral-filtering/content/Bilateral%20Filtering/bfilter2.m

调用方法参见资料[1]     

     2.3 C++代码

     

[cpp]  view plain  copy

1. void CImageObj::Bilateral_Filter(int r, double sigma_d, double sigma_r)  
2. {  
3.     int i, j, m, n, k;  
4.     int nx = m_width, ny = m_height;  
5.     int w_filter = 2 * r + 1; // 滤波器边长  
6.   
7.     double gaussian_d_coeff = -0.5 / (sigma_d * sigma_d);  
8.     double gaussian_r_coeff = -0.5 / (sigma_r * sigma_r);  
9.   
10.     double** d_metrix = NewDoubleMatrix(w_filter, w_filter);  // spatial weight  
11.     double r_metrix[256];  // similarity weight  
12.   
13.     // copy the original image  
14.     double* img_tmp = new double[m_nChannels * nx * ny];  
15.     for (i = 0; i < ny; i++)  
16.         for (j = 0; j < nx; j++)  
17.             for (k = 0; k < m_nChannels; k++)  
18.             {  
19.                 img_tmp[i * m_nChannels * nx + m_nChannels * j + k] = m_imgData[i * m_nChannels * nx + m_nChannels * j + k];  
20.             }  
21.   
22.     // compute spatial weight  
23.     for (i = -r; i <= r; i++)  
24.         for (j = -r; j <= r; j++)  
25.         {  
26.             int x = j + r;  
27.             int y = i + r;  
28.   
29.             d_metrix[y][x] = exp((i * i + j * j) * gaussian_d_coeff);  
30.         }  
31.   
32.     // compute similarity weight  
33.     for (i = 0; i < 256; i++)  
34.     {  
35.         r_metrix[i] = exp(i * i * gaussian_r_coeff);  
36.     }  
37.   
38.     // bilateral filter  
39.     for (i = 0; i < ny; i++)  
40.         for (j = 0; j < nx; j++)  
41.         {  
42.             for (k = 0; k < m_nChannels; k++)  
43.             {  
44.                 double weight_sum, pixcel_sum;  
45.                 weight_sum = pixcel_sum = 0.0;  
46.   
47.                 for (m = -r; m <= r; m++)  
48.                     for (n = -r; n <= r; n++)  
49.                     {  
50.                         if (m*m + n*n > r*r) continue;  
51.   
52.                         int x_tmp = j + n;  
53.                         int y_tmp = i + m;  
54.   
55.                         x_tmp = x_tmp < 0 ? 0 : x_tmp;  
56.                         x_tmp = x_tmp > nx - 1 ? nx - 1 : x_tmp;   // 边界处理，replicate  
57.                         y_tmp = y_tmp < 0 ? 0 : y_tmp;  
58.                         y_tmp = y_tmp > ny - 1 ? ny - 1 : y_tmp;  
59.   
60.                         int pixcel_dif = (int)abs(img_tmp[y_tmp * m_nChannels * nx + m_nChannels * x_tmp + k] - img_tmp[i * m_nChannels * nx + m_nChannels * j + k]);  
61.                         double weight_tmp = d_metrix[m + r][n + r] * r_metrix[pixcel_dif];  // 复合权重  
62.   
63.                         pixcel_sum += img_tmp[y_tmp * m_nChannels * nx + m_nChannels * x_tmp + k] * weight_tmp;  
64.                         weight_sum += weight_tmp;  
65.                     }  
66.   
67.                 pixcel_sum = pixcel_sum / weight_sum;  
68.                 m_imgData[i * m_nChannels * nx + m_nChannels * j + k] = (uchar)pixcel_sum;  
69.                   
70.             } // 一个通道  
71.   
72.         } // END ALL LOOP  
73.   
74.     UpdateImage();  
75.     DeleteDoubleMatrix(d_metrix, w_filter, w_filter);  
76.     delete[] img_tmp;  
77. }  

性能方面，跟OpenCV处理速度有差距，有兴趣的，可以自己研究OpenCV版本的源代码

三、效果图

四、参考资料

     资料[4]是MIT的学习资料，最全面，包括课件、论文、代码等，涵盖原理、改进、应用、与PDE的联系等等，最值得一看。

[1]  双边滤波器的原理及实现[ Rachel-Zhang]

[2] 【OpenCV】邻域滤波：方框、高斯、中值、双边滤波

[3]  Bilateral Filtering(双边滤波) for SSAO

[4]  MIT学习资料