图像水平梯度和竖直梯度代码_[图像处理算法] 基于L0梯度最小化的图像平滑

论文：商汤CEO徐立还在港中文时发的Image Smoothing via L0 Gradient Minimization

图像平滑可以是去噪或者图像块风格化，一般的平滑方法是用一些平滑卷积核（比如高斯模糊核、均匀滤波等）滤波，这些方法模糊牺牲图像的的边缘。本文提出一种基于梯度的平滑方法，在保留较大的梯度（图像边缘）同时去除较小的梯度（去噪、平滑）。

论文中的Fig.3（上图）以一维信号为例，传统方法方法滤波的同时会模糊梯度较大的边缘，而文中方法保留了图像边缘，同时平滑了梯度较小的地方。

问题建模

代表平滑后图像，

为原图，

为梯度算子，

为正则化系数。

将梯度的L0范数作为正则化项，希望使得平滑后图像与原图尽量接近的同时降低梯度不为0的点的数量。

文中采用的优化方法是half-quadratic splitting，具体步骤如下：

1）首先构造两个辅助变量

，

分别代表

的横向梯度与纵向梯度，那么问题可以改写为

2）原问题是二次的，比较容易求解全局最小值，文中采用频域方法求解子问题1：固定

，

求

。

其中

是频谱共轭，

是delta函数频谱。

3）子问题2：固定

求

具体的推导和证明略。

总结一下：本文的想法很好，并且给出了优化问题的闭式解，实现过程也很简单，最后给出的结果比较好。论文也提供了代码，加上注释只有几十行，在论文的PDF版本中有超链接直接指向代码，感兴趣的朋友可以前往下载。