平滑滤波器模板尺寸与平滑效果的关系_作业5 双边滤波器

一、实验原理

双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。
双边滤波器的好处是可以做边缘保存（edge preserving），一般用高斯滤波去降噪，会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

下图是双边滤波的原理示意图：

在双边滤波器中，输出像素的值依赖于邻域像素值的加权值组合：

而加权系数w(i,j,k,l)取决于空域核和值域核的乘积。(i,j)，(k,l)分别指两个像素点的坐标。

其中空域核表示如下（如图）：

值域核表示为：

两者相乘后，就会产生依赖于数据的双边滤波权重函数：

d函数是根据像素距离选择权重，距离越近权重越大，这一点和方框滤波，高斯滤波方式相同。而r函数则是根据像素的差异来分配权值。如果两个像素值越接近，即使相距较远，也比差异大而距离近的像素点权重大。正是r函数的作用，使得边缘，即相距近但差异大的像素点的特性得以保留。

二、实验任务

三、实验步骤

3.1 下面是我自己用函数实现的双边滤波器。

参数：

• 第一个参数，image，输入图像，即源图像，需要单通道图像。
• 第二个参数，diameter，表示在过滤过程中每个像素邻域的直径。
• 第三个参数，sigma_i，颜色空间滤波器的sigma值。这个参数的值越大，就表明该像素邻域内有更宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
• 第四个参数，sigma_s, sigmaSpace坐标空间中滤波器的sigma值，坐标空间的标注方差。他的数值越大，意味着越远的像素会相互影响，从而使更大的区域足够相似的颜色获取相同的颜色。

3.2 实验结果对比。

原图

灰度图

参数设置：7, 20.0, 20.0，结果如下：

系统自带滤波器

自己设计滤波器

可以看opencv出自带的的双边滤波器滤波效果很好，既滤除了噪声，同时保留了边缘，自己设计的滤波器效果差一些

参数设置：7，120.0，120.0

自带滤波器

自己设计滤波器

可以看出随着sigma参数增大，图像开始变得模糊。

参数设置：10, 20.0, 20.0

自带滤波器

自己设计滤波器

参数设置：20，20.0，20.0

自带滤波器

自己设计滤波器

滤波器尺寸d：大于20程序运行将较慢，d 是像素邻域，直径可以看出随着diameter参数增大，sigma参数不变的话，对图像影响较小。

参数设置：20，200.0，200.0

自带滤波器

自己设计滤波器

如果diameter与sigma值同时变大，图像将被平滑，更加模糊。

3.3实验代码：

https://github.com/zigangzhao-ai/Bilateral-filter