导向滤波python_暗通道先验之Guided filter导向滤波

本文详细介绍了Guided Filter的原理及Python实现,它是一种边缘保持的滤波器,通过线性模型和优化方法保留图像边缘。在去雾、去噪等图像处理任务中,Guided Filter能有效提升运算效率并保持图像细节。
摘要由CSDN通过智能技术生成

本文是阅读kaiming暗通道先验去雾博士论文的笔记第二篇。集中focus在guided filter代替MRF提高运算效率上。

第一篇见链接。

基本去噪滤波器存在的问题:各向同性滤波,比如box filter/Gaussian filter。这类滤波器在能够平滑噪声的影响的同时,也会抹去一些细节,减弱edge在图片中的表现。有时我们需要保留edge的feature,因此有一些人对edge persevering滤波进行研究。最常见的bilateral filter,效果不错,有空可以深入看一看。Guided filter同样是一种保留边缘的滤波器。

Guide filter从命名的方法就可以看出除了需要输入图片外,还需要一个guide image(导向图)。导向图

可以是一副单独的图像,也可以是需要处理的输入图像

.当引导图像就是

本身的时候,导向滤波就变成了一个Edge-perserving的滤波器

输入需要处理的图片

,导向图

,滤波输出结果

filter kernel

是导向图

的函数,与

无关。

定义:

令导向滤波器是导向图

和滤波输出

的局部线性模型。导引图像与q之间存在线性关系,这样设定是因为我们希望导引图像提供的是信息主要用于指示哪些是边缘哪些是区域,所以在滤波时,如果导引图告诉我们这里是区域,那么就将其磨平。如果导引图告诉我们这里是边缘,这在最终的滤波结果里就要设法保留这些边缘信息。只有当I和q之间是线性关系的这种引导关系才有意义。

原文链接:https://blog.csdn.net/baimafujinji/article/details/74750283

假定

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