双边滤波出现梯度翻转的原因

最新推荐文章于 2024-04-24 16:34:36 发布
最新推荐文章于 2024-04-24 16:34:36 发布
阅读量1.3k 收藏 2
点赞数 1
分类专栏： 图像知识点 文章标签： 计算机视觉 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37716917/article/details/126029032
版权
本文介绍了双边滤波的工作原理，它结合空域和值域信息进行滤波。在图像边缘，由于值域的影响，双边滤波可能导致梯度翻转现象。以 Lena 图为例，当值域σ较小，滤波会增强边缘，从而在视觉上形成深色边缘轮廓，造成梯度反转的错觉。
摘要由CSDN通过智能技术生成

一、介绍双边滤波

双边滤波需要同时考虑空域信息和值域信息。其基本思想是：在图像的值域上做传统滤波器在空域中的滤波。空域滤波对空间上邻近的点进行加权平均，加权系数随着距离的增加而减少；值域滤波则是对像素值相近的点进行加权平均，加权系数随着值差的增大而减少。即对窗口内的数值进行值域的划分，然后对与中心点接近值域范围内再按照空域滤波的原则进行滤波处理。

       因此双边滤波器的空域公式表示为：

其中f(x)为输入图像，h(x)为输出图像，表示中心点x和的空间关系，Kd为归一化参数，该值与图像内容无关，在相同的位置值是固定的。

双边滤波器的值域公式表示为&#

最低0.47元/天 解锁文章
茛苕叶
关注
专栏目录
[Python图像处理] 四十三.Python图像形态学处理万字详解（腐蚀膨胀、开闭运算、梯度顶帽黑帽运算）
杨秀璋的专栏
07-31 1万+
数学形态学是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：腐蚀和膨胀、开运算和闭运算、图像顶帽运算和图像底帽运算、骨架抽取、形态学梯度、Top-hat变换等。万字长文整理，希望对您有所帮助。该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~
Bilateral Filtering(双边滤波) for SSAO
热门推荐
BugRunner的专栏
01-01 5万+
1. 简介 图像平滑是一个重要的操作，而且有多种成熟的算法。这里主要简单介绍一下Bilateral方法（双边滤波），这主要是由于前段时间做了SSAO，需要用bilateral blur 算法进行降噪。Bilateral blur相对于传统的高斯blur来说很重要的一个特性即可可以保持边缘（Edge Perseving），这个特点对于一些图像模糊来说很有用。一般的高斯模糊在进行采样时主要考虑了像素
双边滤波原理浅析
TracelessLe的专栏
01-16 2405
前言 双边滤波（Bilateral filtering）是一种结合了图像像素空间位置关系和像素值大小的非线性组合的保边滤波算法，无需迭代计算，操作简单。从原理上讲，图像领域的滤波通常意义是希望去除噪声，使图像更加平滑。而传统的均值滤波、高斯滤波等只考虑空域，认为临近像素应该拥有相近的特性，这种假设在图像中的Edge处则不满足，如果仍用这种方式滤波则必定会导致边缘被模糊掉。为了达到保边效果，双边滤波通过结合空域和值域，在保证滤波效果的同时保持了边缘。对于双边滤波实际的应用场景，部分情况下可以用于人脸磨皮美颜。
双边滤波器（一）
XYLiu的专栏
05-03 1万+
双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。 双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一
梯度反转
weixin_40695631的博客
03-31 823
参考文章： https://zhuanlan.zhihu.com/p/75470256 https://daipuweiai.blog.csdn.net/article/details/104478550
梯度翻转层GRL
weixin_36670529的博客
02-18 4261
损失函数(loss function)是用来估量模型的预测值与真实值的不一致程度，它是一个非负函数，记为一般来说，损失函数越小，模型的鲁棒性越好。损失函数分为经验风险损失函数和结构风险损失函数。经验风险损失函数表示预测值与真实值之间的差异，结构风险损失函数是指经验风险损失函数加上正则化。 一般形式为： ...
学习笔记整理——对于双边滤波与引导滤波的一些浅显的理解
wxz1120171495的博客
07-06 9049
1、引导滤波的个人理解  引导滤波实际上是假设一像素k为中心的窗口存在局部线性关系，通过对局部线性关系求导可以判断哪些边缘需要保留，给出的a，b两个参数则是以像素k为窗口的周围的权重的均值2、引导滤波的优点引导滤波相对于双边滤波最大的优点在于算法的复杂度与窗口的大小无关，对于处理较为大型的图片时，在效率上有明显的提升同时，引导滤波可以很好地克服双边滤波中出现的梯度翻转的现象，因为假设前提便是存在线...
图像滤波(Image Filtering)
ONEFPGA的博客
06-13 3535
在具体写图像滤波方法之前，先给出图像滤波的一般性目标阐述和经典应用。图像通常有一个直观(intuition)特征: 图像往往由多块组成，各块内像素相似且过渡缓慢，块与块相邻部分称作边缘(Edge)。 图像滤波希望实现的是图像块内平滑降噪、去细节，并最大程度保留图像边缘。 图像滤波具备去除噪音、去除图像细节、保持图像边缘的能力，因此被广泛使用。 以下是MIT-A Gentle Introduction to Bilateral Filtering and its Applications收录的一些比较有趣的应
C++ openCV图像的卷积与滤波
花语月的喵喵
07-05 1710
图像的滤波均值滤波高斯滤波中值滤波双边滤波图像的卷积插入链接与图片图像的滤波
GRL 梯度翻转层
最新发布
m0_71605721的博客
04-24 2460
​​​​​​​。
关于梯度翻转层GRL的理解
lyy的博客
01-29 5287
最近在看迁移学习中的DANN算法和DAAN算法，二者都用到了GRL层，是一种梯度翻转层，这里主要想讲一下梯度翻转层为什么有用。 以DANN为例，倘若梯度翻转层不存在，那么，算法在迭代过程中，在减少Ly的时候，Gf层的各个卷积层的参数会趋向于减少Ly损失，提高标签分类精度；在减少Lg的时候，Gf层的各个卷积层的参数会趋向于减少Lg损失，也就是使得源数据和目标数据通过Gf层后的区别愈加明显，即提高域分类精度，这不是我们想要的，我们的目标是让区别越来越小，从而达到生成的目标数据特征和源数据特征相似，从而缩小边缘.
图像滤波【一】：从高斯滤波到引导滤波
X_Jiner的博客
02-24 5977
前言：最近在做一个图像的作业， 要求python实现双边滤波和引导双边滤波。 可以使用opencv，numpy。不能用opecv增强库(ximageproc之类的就用不了啦)， 这里记录一下学习心得。 查资料过程中，最无法理解的一个概念是双边滤波有一个弊端：梯度反转 (gradient reveral ) 。找了很多文章和问答都没看到解释清楚的答案，最后还是无奈找到何凯文大神的会议PPT，似乎看懂了一点。 图像滤波系列高斯滤波 Guassion Filter图像滤波器/卷积核【互相关 cross-cor.
滤波算法
T5A_318的博客
11-03 286
引导滤波/导向滤波 通过一张引导图，对初始图像p（输入图像）进行滤波处理，使得最后的输出图像大体上与初始图像P相似，但是纹理部分与引导图相似。（让输出图像中每个点的像素梯度与引导图相似） 引导滤波（导向滤波）的目的是，保持双边滤波的优势（有效保持边缘，非迭代计算），而克服双边滤波的缺点（设计一种时间复杂度为 O(1) 的快速滤波器，而且在主要边缘附近没有梯度的变形） 引导滤波（导向滤波）不仅能实现双边滤波的边缘平滑，而且在检测到边缘附近有很好的表现，可应用在图像增强、HDR压缩、图像抠图及图像去雾等场
【图像处理】双边滤波算法(bilateral filter)和导向滤波算法(guided filter)
一路嵌行的博客
04-13 3913
一、双边滤波算法（Bilateral Filter） 1、原理 高斯滤波是以距离为权重，设计滤波模板作为滤波系数，只考虑了像素间的空间位置上的关系，因此滤波的结果会丢失边缘的信息。 高斯滤波的缺陷如下图所示：平坦区域正常滤波，图像细节没有变化，而在突变的边缘上，因为只使用了距离来确定滤波权重，导致边缘被模糊。 在高斯基础上，进一步优化，叠加了像素值的考虑，因此也就引出了双边滤波，一种非线性滤波，滤波效果对保留边缘更有效。 空间距离：当前点距离滤波模板中心点的欧式距离。 灰度距离：当前点距离滤波模板中心点
双边滤波（Bilateral filter）
06-04 2947
1. 双边滤波（BF）强大的双边滤波器可平滑平坦区域，同时保持边缘锐化。因此，它可作为一个自动的卡通化或图画滤波器，其缺点是效率低（即该滤波器运行的时间要按秒，甚至分钟而不是毫秒来计算）。那么如何卡通化一副图像时，还可接受其运行时间。最重要的技巧就是在低分辨率下使用双边滤波，这会得到与高分辨率下相似的效果，但运行速度更快。可将分辨率较少为原图像的四分之一（将图像的宽和高各减少二分之一）。
图像处理：双边滤波的原理和解析
dlvector的博客
06-28 945
1.原理 公式如上，对高斯滤波进行了优化，前面部分是原来的高斯滤波，空间权重，离中心点越近，权重越大，越接近1，边缘权重越小，越接近0。 新增加的项，是从灰度值来做权重参考的，灰度值离中心权重值越大，权重越小，乘以一个趋于0的数字；当灰度值离中心权重值越大，乘以一个越接近于1的数字。 如下图所示： 上面的图，是从右往左看的，右边是输入图像，左边是输出图像。 第一行： 当图像在变化程度平缓的区域时，邻域中的像素值(RGB值)差距相差不大。此时wr无限接近于1，因此此时的双边就是普通的高斯滤波，达到对图像平
图像滤波---双边滤波和引导滤波的基本原理
hairuiJY
07-19 2354
为了等快遗忘时候再复习一遍，感谢大神总结：http://blog.csdn.net/pi9nc/article/details/26592377 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。
C语言实现的双边滤波源码详解
然而，双边滤波也有其局限性，比如在处理纹理较为复杂或者边缘较为密集的图像时，可能会出现所谓的'蜡笔画效应'，即图像呈现出一种蜡笔涂抹后的视觉效果。 在C语言实现中，双边滤波的算法可能需要考虑以下几点优化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值