高斯双边模糊_双边滤波 - Bilateral Filter

a0834a6923643d4a8a5bd517352ca4cb.png

背景

最近读到一篇关于Bilateral Filter(BF)的文章觉得写得甚好,以此总结下BF的原理与效果。基于BF有许多优秀的变种体,感兴趣的童鞋可以查看参考文献,本文只介绍基础的BF。为求更好的理解原文原意会放英文以供参考。

以下是双边滤波之所以受欢迎的一些特质:

  • The formulation is simple - each pixel is replaced by an average of its neighbors. This aspect is important because it makes it easy to acquire intuition about its behavior, to adapt it to application-specific requirements, and to implement it.
  • Fewer parameters - It depends only on two parameters that indicate the size and contrast of the features to preserve.
  • It can be used in a non-iterative manner. This makes the parameters easy to set since their effect is not cumulative over several iterations.
  • It can be computed at interactive speed even on large images thanks to efficient numerical schemes and even in real-time if graphics hardware is available.

Linear Filtering with Gaussian Blur (GB)

首先介绍一下Gaussian convolution(GC)也就是Gaussian Blur (GB),他和BF很接近但是不同的是没有保留边缘(not edge-preserving),其用于计算每一个位置的local average,相当于低通滤波(low-pass filtering)。公式如下

其中

为二维的高斯核(Gaussian kernel),来自于下式

为中心像素位置,
表示与他计算的另一个像素位置,
像素的像素值。
之间的空间距离使用·
来获取。
决定了该高斯分布的“宽度”,它的大小决定了以
为中心涵盖了多少的临近像素需要参与计算。以此计算方式图像
边缘就会被模糊掉了。如下图

bb77cdcacf54ca2a5dfb4bb040238ae2.png

Nonlinear Filtering with Bilateral Filter (BF)

BF其实也是基于权值平均的计算方式,不同的是他考虑到了图像边缘。公式如下

是一个归一化因子(normalization factor),如下

代表了对图片
进行滤波的程度。式3就表示了经过归一化后基于权值的平均结果。这里要注意两点,其一为
空间高斯(spatial Gaussian)强调space,其二为
尺度高斯(range Gaussian)强调range。空间高斯和GB一个道理,决定了控制距离,离中心点越远的像素受到影响减小。尺度距离根据像素
的像素值差距来衡量影响程度,差距愈大影响越小。Figure 4为使用BF的结果,第二三列的对比其实就展示了Figure 5在保留边缘(类似悬崖)上对平面进行的平滑模糊操作。这也就是我们会看到纹理的“重整”。但是私以为该result的参数设置不好使得人脸分块了(虽然分块内较为平滑),好的参数调整应该在保持平滑和边缘基础上避免该分块现象的出现,也就是过度要平滑。

0e28693944a4c88b70172ff5387e3077.png

9fae699df2f588abc1240707f54d42aa.png

不同参数下的效果

8ebe4ce5b32ccf3eaeb58be7c8b949dc.png

参考文献

A Gentle Introduction to Bilateral Filtering and its Applications

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值