导向图滤波

记引导图为$G$，被滤波的图像为$X$，输出图像为$Y$，导向图滤波的目标就是使得原始的输入$X$和输出$Y$尽可能相同，同时纹理部分与引导图$G$相似。

对于目标1：输入图像$X$和输出图像$Y$尽可能相似，可以用公式描述为：
$$\min \sum _{i\in W_k}|X_i-Y_i{|}^2\text{\hspace{1em}(1)}$$
对于目标2：输出图像$Y$的纹理和引导图$G$尽可能相似，用公式描述为：
$$\nabla Y=a\nabla G\text{\hspace{1em}(2)}$$
上式中如果Y为单通道图像，$G$为多通道，那么$a$为一个向量；如果$Y$和$G$通道数相同，那么$a$为标量或者对角矩阵。显然，$a$的值越小，最后的输出图像也就越平滑。

对于目标2，假设参数$a$在小范围内变化较小，近似认为是常数，可以对等式两边取定积分，从而得到：
$$Y=aG+b\text{\hspace{1em}(3)}$$
上式中参数$a$和$b$实际是与位置有关的变量，可以考虑在一个小窗口$W_k$内其为常数$a_k$和$b_k$，将上式带人到目标1中可以得到最终的优化形式为：
$$*{argmin}_{a,b}\sum _{i\in W_k}(|G_i^T{a}_k+b_k-X_i{|}^2+{\epsilon }^2{a}_k^2)\text{\hspace{1em}(4)}$$
上式中的$\epsilon$是一个用于防止参数$a$过小而引入的常数

对变量$a,b$分别求偏导得到：
$$\sum _{i\in W_k}\left(G_i(G_i^T{a}_k+b_k-X_i)+{\epsilon }^2{a}_k\right)=0\text{\hspace{1em}(5)}$$
$$\sum _{i\in W_k}\left(G_i^T{a}_k+b_k-X_i\right)=0\text{\hspace{1em}(6)}$$
解得：
$$a_k=(\overline{\mathrm{G}{\mathrm{G}}^{\mathrm{T}}}-\bar{\mathrm{G}}{\bar{\mathrm{G}}}^{\mathrm{T}}+{\epsilon }^2\mathrm{I}{)}^{-1}(\overline{\mathrm{G}\mathrm{X}}-\bar{\mathrm{G}}\bar{\mathrm{X}})\text{\hspace{1em}(7)}$$
$$b_k=\bar{\mathrm{X}}-{\bar{\mathrm{G}}}^{\mathrm{T}}{a}_k\text{\hspace{1em}(8)}$$

上式带有上划线的变量，表示在窗口$W_k$内求平均值，有时为了滤波结果更加平滑，可以在求出整张图像每个点处的$a_k,b_k$后，分别对这两个参数进行均值滤波，得到：

$${\bar{a}}_k=\frac{1}{|W_k|}\sum _{i\in W_k}{a}_i,{\bar{b}}_k=\frac{1}{|W_k|}\sum _{i\in W_k}{b}_i$$

最终的滤波公式为：
$$Y={\bar{a}}_{k}G+{\bar{b}}_k\text{\hspace{1em}(9)}$$

如果输入图像和导向图均为单通道，那么公式(7)(8)可以简化为：
$$a_k=\frac{\overline{\mathrm{G}\mathrm{X}}-\bar{\mathrm{G}}\bar{\mathrm{X}}}{\overline{{\mathrm{G}}^2}-{\bar{\mathrm{G}}}^2+{\epsilon }^2}=\frac{\mathrm{c}\mathrm{o}\mathrm{v}(\mathrm{G},\mathrm{X})}{{\sigma }_{\mathrm{G}}^2+{\epsilon }^2}\text{\hspace{1em}(10)}$$

$$b_k=\bar{\mathrm{X}}-\bar{\mathrm{G}}{a}_k\text{\hspace{1em}(11)}$$

如果导向图$G$，和输入图像$X$是同一个，那么不对$a_k,b_k$做均值滤波的导向图滤波可以写为：
$$Y=\frac{{\sigma }^{2}X+{\epsilon }^2\overline{X}}{{\sigma }^2+{\epsilon }^2},{\sigma }^2=\overline{X^2}-{\overline{X}}^2\text{\hspace{1em}(12)}$$