图像的平滑与锐化代码matlab_图像平滑“四合一”，结构边缘全保留

From: Arxiv 编译：T.R

图像平滑是计算机视觉与图形学中的重要手段，但对于不同的任务来说图像平滑的需求不尽相同，有时候甚至大相庭径。而目前大多数的图像处理手段都是固定的操作无法满足不同的处理需求。

为了解决多样性的平滑需求以适应不同的任务，来自上海交大、阿德莱德以及大连理工的研究人员们提出了一种新型的优化框架以实现多样化甚至是相反的平滑需求，通过引入非常灵活的截断huber惩罚函数为新方法带来了丰富的图像平滑能力。

图像平滑

计算机视觉和图形学领域的很多问题都可以归结为图像平滑问题来处理，但不同任务对于平滑特征的需求则各不相同甚至天差地别。根据不同任务对所需的平滑特性，研究人员将图像平滑分为了四个类别，如下图所示。

第一类要求算法可以平滑细节同时保留较强的边缘，在减弱边缘幅度的同时避免模糊或锐化。这一类的代表任务是图像细节增强和高动态范围色调映射。在这些任务中边缘模糊会造成光晕，而图像锐化则容易引起梯度反转。

第二类则主要用于对剪切画压缩中人工痕迹的移除、图像抽线和铅笔化草图生成。与第一类不同的是，这些任务需要在平滑细节的基础上对强边缘进行锐化，同时边缘的强度不允许衰减。这主要是图像边缘会由于压缩产生模糊，在复原时需要对边缘进行锐化处理。锐化后的边缘有益于视觉效果的提升。

第三类任务是引导图像滤波方法，主要包含了引导深度上采样、no flash 滤波等。引导图像和目标图像间结构的不连续性会造成平滑图像的边缘模糊和人工纹理痕迹，这种缺陷需要通过特别设计的平滑操作进行处理。同时平滑图像也需要锐化边缘以适应低分辨率的深度图和非flash图像中的噪声，以处理随之而来的边缘模糊。

第四类图像平滑任务需要能进行多尺度的操作，例如图像纹理去除就是其中的代表。这类任务需要平滑图像中的小结构(即使包含强烈的边缘也需要进行平滑)，但需要适宜地保留较大尺度边缘(即使这些边缘较弱也要保留)。这类任务与先前三个需要保存强边缘