图像处理中的经典滤波算法(下)

图像处理中有两篇滤波算法论文我认为是比较实用且有新颖性，今天就在这里将论文的主要思想介绍一下，这两种算法非常容易与其他算法结合，更主要是学习里面蕴含的思想。
注意：线性滤波器的线性组合仍是线性滤波器。

1. Guided Filter[1]

一开始看到有Guided 这个词，就容易想到，它是由外部的某些已知条件来引导滤波器发挥作用达到滤波的效果。其实，这是一个非常直观的操作：希望参考图像能够给我们提供某种信息来得到一个结果，比如说利用特征信息来保留原有的特征而尽量平滑原图。He Kaiming等人把这种很直接的认识转化为了数学语言，并用简单的方法实现，也是该论文工作对我最大的启发–工作要越简单越有效。
作者首先介绍双边滤波器和基于优化的滤波器：双边滤波器能够达到保边去噪的效果，是后面用来进行对比的一个算法。基于优化的滤波器通常优化一个二次的代价函数（optimize a quadratic cost function）来求解线性系统，很多基于优化的滤波算法与直接用一个滤波器有一定关联。
由此引出，设引导图为I，原图为p，输出图为q，Guided filter的表达式为：

$$q_i=a_kI_i+b_k,\ \ i\in window \ pixels\qquad(1)$$

对于一个滤波器来说，邻域信息怎么利用是最重要的，本文利用图像内窗口的局部线性模型来确保输出q跟I有类似的边缘信息，即用$aI+b$来拟合回归得到q，所以要求解系数$a_k,b_k$，采用这样的一个代价函数：

E(ak,bk)=∑