文章主页: http://kaiminghe.com/eccv10/
导向滤波背景
在图像处理的历史中, 最常用的是LTI (Linear translation-invariant) filters,(包括 mean, Gaussian, Laplacian 和 sobel算子等一些滤波算子)。这类filters的特点是空间不变性及与图像内容无关。但是有时候,我们会想到从guide image上获取先验信息, 从而进行保边滤波或者细节增强等操作。
导向滤波思想
主要核心:. 假设滤波后的图像是导向图像的线性变换。
导向滤波在一方面可以达到双边滤波(bilteral filter)的效果,但是不会有biateral filter的 gradient reversal artifacts。另一方面可以使得输出结构化,不至于过于smooth。
复杂度: 导向滤波的复杂度是O(N), 而双边滤波在kernel radius为r的时候,复杂度是O(Nr^2)。
关于双边滤波及导向滤波区别
双边滤波如右边所示,根据range kernel和spatial kernel实现出一个保边的kernel。导向滤波则先假设输出是导向图的线性变换, 同时也是输入图去噪的结果。
Guided Filter 推导
Guide Filter是一种局部线性模型(Local Linear Model)。给定引导图 I I I, 输出图为 q q q, 那么在像素k为中心的window( w k w_k wk),中, q q q的边缘即是 I I I的边缘, 所以可得
∇ q = ∇ I + b k \nabla q = \nabla I + b_k ∇q=∇I+bk
进一步推导, 对两边进行积分:
为了求解系数a和b,因此需要对输入进行约束, 我们假设滤波输出是输入减去一些噪声成分,给定输入 p p p