Bilateral Filter：一种保边平滑滤波器

        最近刚刚在组会上讲过这篇论文，于是打算记录下一些自己对它的理解，既是方便自己日后查看，也希望供大家交流学习。

        "Bilateral Filter"一词出自<Bilateral  Filtering  for  Gray and Color Images>这篇文章当中，作者对其的描述是"smooths images while preserving edges"，即在对图像进行平滑滤波的同时又能够保持边缘清晰。这个特点来自于Bilateral Filter的定义，既考虑到了geometric closeness（几何邻近性，即像素点之间的距离），又考虑到了photometric similarity（光学相似性，即像素值之间的距离）。需要注意的是，对于彩色的图像，我们在计算photometric similarity的时候，应该将3个颜色通道同时考虑，否则，单独处理可能会导致颜色失真。

        在引出Bilateral Filter这个名词之前，作者还介绍了两种滤波方式：

        1.Domain Filtering：传统的滤波方法，在计算权重的时候只考虑周围像素点离中心像素点的距离。

        2.Range Filtering：这是作者提出的一种新的滤波方式，在计算权重时只考虑图像的灰度或颜色。（单独作用可能使图像的color map失真）

        下面用图简单解释一下这两种滤波方式的差异，假设左边的是原始图像，右边的是滤波后的图像。首先，我们考虑Domain Filtering，在计算滤波后图像的A点的像素值时，原图像中的各点的影响权重取决于它们到原图像中A点的几何距离。即：B和C点的权重是一样的，即使B和C点的像素值相差很大，也不会造成影响。而Range Filtering则不然，就算B和C点到A点的距离一致，哪个点的像素值与A点相差比较小，哪个点的影响权重就比较大。（这种方式相当于对原图像的色彩直方图进行了重新的加权平均，直接用文字表述可能不太直观，在后面我会给出处理结果进行对比。）

                                                            

        将两者结合在一起考虑，就得到了Bilateral Filter。从上面可以看出，Bilateral Filter的定义很简单，只要我们分别定义好两种距离(geometric closeness, photometric similarity)，就可以根据这两种距离得出相应的Bilateral Filter。

        下面给出以上三种滤波器的数学表示：

        1.Domain Filter

                                                       

        其中，k的作用是归一化，使各权重因子的和为1。x代表中心像素点，f