【图像处理】——双边滤波

【fishing-pan：https://blog.csdn.net/u013921430 转载请注明出处】

双边滤波

   高斯滤波是最常用的图像去噪方法之一，它能很好地滤除掉图像中随机出现的高斯噪声，但是在之前的博客中提到过，高斯滤波是一种低通滤波（有兴趣的点击这里，查看之前的博客），它在滤除图像中噪声信号的同时，也会对图像中的边缘信息进行平滑，表现出来的结果就是图像变得模糊，如下图所示；

  
  在平坦区域，滤波器中每个像素点的G r G_{r}Gr​ 值相近，空间距离权重G s G_{s}Gs​主导滤波效果。在边缘区域，边缘同侧的G r G_{r}Gr​ 值相近，且远大于边缘另一侧的G r G_{r}Gr​ 值，此时另一侧的像素点的权重对滤波结果几乎不影响，边缘信息得到保护。表现出了一定的自适应性。

  在平坦区域出现噪声点时，噪声点周围的信号的权值都很小，在进行归一化后，这些权值得到了提升，因此对噪声点也有滤除效果。

 

测试结果

  用自己编写的代码、OpenCV自带的双边滤波函数以及高斯滤波函数分别对一张彩色图像今进行处理，并对比了结果。

  这里出现了很奇怪的现象，所有输入参数相同时（我选取参数的是d=21；sigmaColor=10；sigmaSpace = 10；），我的函数计算的结果比OpenCV自带的 bilateralFilter 函数的处理结果更加平滑。当把 bilateralFilter 函数的sigmaColor和sigmaSpace参数调整为两到三倍的时候， bilateralFilter 函数的结果与我的计算结果相近。这种差异性的结果不应该是窗口选取方式不同导致的。具体原因，我觉得可能与 bilateralFilter 函数中方差的应用有关。但是总的来说，两个函数都对图像有一定的平滑效果，并很好地保护了边缘信息。

  本博客中只讲述了双边滤波最基础的原理以及实现过程，这种计算方法比较耗时，后续的人们做了一系列的工作，用于提升双边滤波的计算效率。大家感兴趣的可以去了解一下。

参考

1. Tomasi C, Manduchi R. Bilateral filtering for gray and color images[C]//Computer Vision, 1998. Sixth International Conference on. IEEE, 1998: 839-846.
2. He K, Sun J, Tang X. Guided image filtering[J]. IEEE transactions on pattern analysis & machine intelligence, 2013 (6): 1397-1409.