一,原理
双边滤波和各项异性扩散滤波有点类似,经常把他们俩放在一起讨论。
通俗点说,就是用一个mask, mask中心点(OpenCV中叫anchor)对准当前要处理的点,双边滤波不仅要把当前点与mask覆盖点的值产生关系,还要与mask中点与当前点的距离产生关系,二者关系乘积作为mask权值,然后然后把mask覆盖的像素值和权值相乘,加在一起然后除以权值之和。
具体的公式请参考大神妹子博客,要想深究原理去看作者paper吧!
二,代码
#include <opencv2\core\core.hpp>
///**********************************************
//*by 垚
//*Windows7 +Visual studio 2010
//*功能 -- 双边滤波
//*input_img -- 【输入】
//*output_img -- 【输出】
//*sigmaR -- 【输入】拉普拉斯方差
//*sigmaS -- 【输入】高斯方差
//*d -- 【输入】半径
//***********************************************/
void bilateralBlur(cv::Mat &input_img, cv::Mat &output_img, float sigmaS, float sigmaR,int length)
{
// Create Gaussian/Bilateral filter --- mask ---
int i, j, x, y;
int radius = (int)length/2;//半径
int m_width = input_img.rows ;
int m_height= input_img.cols ;
std::vector<float> mask(length*length);
//定义域核
for(i = 0; i < length; i++)
{
for (j = 0; j < length; j++)
{
mask[i*length + j] = exp(-(i*i + j*j)/(2 * sigmaS*sigmaS));
}
}
float sum = 0.0f, k = 0.0f;
for(x = 0; x < m_width; x++)
{
unsigned char *pin = input_img.ptr<unsigned char>(x);
unsigned char *pout = output_img.ptr<unsigned char>(x);
for(y = 0; y < m_height; y++)
{
int centerPix = y;
for(i = -radius; i <= radius; i++)
{
for(j = -radius; j <= radius; j++)
{
int m = x+i, n = y+j;
if(x+i > -1&& y+j > -1 && x+i < m_width && y+j < m_height)
{
unsigned char value = input_img.at<unsigned char>(m, n);
//spatial diff
float euklidDiff = mask[(i+radius)*length + (j + radius)];
float intens = pin[centerPix]-value;//值域核
float factor = (float)exp(-0.5 * intens/(2*sigmaR*sigmaR)) * euklidDiff;
sum += factor * value;
k += factor;
}
}
}
pout[y] = sum/k;
sum=0.0f;
k=0.0f;
}
}
}
三,实验结果
四,参考
1,Matlab代码