【经典文献】双边滤波

微小冷

于 2024-09-17 16:53:11 发布

阅读量1.1k

点赞数 10

分类专栏：文献阅读文章标签：双边滤波 ICCV 文献阅读 BF Bilateral

本文链接：https://blog.csdn.net/m0_37816922/article/details/142316165

版权

文献阅读专栏收录该内容

6 篇文章

订阅专栏

文章目录

ICCV 1998

1995年，Aurich和Weule提出一种非线性高斯滤波器，三年后，Tomasi和Manduchi将其用于图像平滑，并将其命名为双边滤波。

Aurich, V., & Weule, J. (1995). Non-linear Gaussian filters performing edge preserving diffusion. In Proceedings of the DAGM symposium
Tomasi, C., & Manduchi, R. (1998). Bilateral filtering for gray and color images. In Proceedings of the international conference on computer vision (pp. 839–846). New York: IEEE Press

基本思路

在1995年这篇ICCV的论文中，首先给出了传统的域滤波和范围滤波的变换形式

$h_d(\vec x) = k_d^{-1}(\vec x)\iint_{} f(\vec \xi)c(\vec \xi, \vec x)\mathrm d\vec \xi\\ h_r(\vec x) = k_r^{-1}(\vec x)\iint f(\vec \xi)s(f(\vec \xi),f(\vec x))\mathrm d\vec \xi\\$

其中 $\vec \xi$ 是 $\vec x$ 邻域中的某个像素点， $f$ 为某像素点的强度， $c(\vec \xi, \vec x)$ 是 $x$ 和 $\xi$ 的空间临近度(geometric closeness)； $s(f(\vec \xi),f(\vec x))$ 为颜色相似度(photometric similarity)。 $k_d, k_r$ 为滤波过程中用于归一化的直流分量

$k_d(\vec x) = \iint c(\vec \xi, \vec x)\mathrm d\xi,\quad k_r(\vec x) = \iint s(\vec \xi, \vec x)\mathrm d\vec \xi$

文中给出的二重积分的范围是 $\pm\infty$ ，但实际上可能仅仅局限在 $x$ 的邻域内，故而这里并未著明上下标。

将这两个滤波过程合并在一起，即可得到双边滤波的一个抽象形式

$\begin{aligned} h(\vec x) &= k^{-1}(\vec x) \iint f(\vec \xi) c(\vec \xi, \vec x) s(f(\vec \xi), f(\vec x))\mathrm d\vec \xi \\ k(\vec x) &= \iint c(\vec \xi, \vec x) s(f(\vec \xi), f(\vec x))\\ \end{aligned}$

双边高斯滤波

在这个抽象形式中， $c, s$ 这两个函数都是待定义的，文中给出了高斯形式的双边滤波

$c(\vec \xi, \vec x)=\exp\left[-\frac{1}{2}\frac{d(\vec \xi, \vec x)}{\sigma_d} \right], d(\vec \xi, \vec x)=\Vert \vec \xi-\vec x\Vert\\ s(\vec \xi, \vec x)=\exp\left[-\frac{1}{2}\frac{\delta(f(\vec \xi), f(\vec x))}{\sigma_r} \right], \delta(f_1, f_2)=\vert f_1-f_2\vert$