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。