【图像处理】导向滤波Guided Image Filtering

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$I$, 输出图为$q$, 那么在像素k为中心的window($w_k$),中，$q$的边缘即是$I$的边缘， 所以可得
$$\nabla q=\nabla I+b_k$$
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$p$࿰