双边滤波

双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布[1]。最重要的是，双边滤波的权重不仅考虑了像素的欧氏距离（如普通的高斯低通滤波，只考虑了位置对中心像素的影响），还考虑了像素范围域中的辐射差异（例如卷积核中像素与中心像素之间相似程度、颜色强度，深度距离等），在计算中心像素的时候同时考虑这两个权重。 公式1a,1b给出了双边滤过的操作，Iq为输入图像，Ipbf为滤波后图像：

mark下双边滤波里的两个权重域的概念：空间域（spatial domain S）和像素范围域（range domain R）,这个是它跟高斯滤波等方法的最大不同点。下面是我找到的对比说明，更好地理解双边滤波，首先是高斯滤波的情况：

然后对比再看一下双边滤波的过程：

双边滤波的核函数是空间域核与像素范围域核的综合结果：在图像的平坦区域，像素值变化很小，对应的像素范围域权重接近于1，此时空间域权重起主要作用，相当于进行高斯模糊；在图像的边缘区域，像素值变化很大，像素范围域权重变大，从而保持了边缘的信息。

为了更加形象的说明两个权重的影响，作者还给出了二维图像的直观说明:

双边滤波算法实现：

在原理部分，从双边滤波的公式就可以得到该算法的实现途径。由于直接的编码实现上述过程，其时间复杂度为O(σs2) ，比较耗时，所以后来出现了一些改进算法，比较经典的有：论文《Fast O(1) bilateral filtering using trigonometric range kernels》，提出了用Raised cosines函数来逼近高斯值域函数，并利用一些特性把值域函数分解为一些列函数的叠加，从而实现函数的加速[5，8]。
这里只对原始方法进行实现，从而有助于更加清楚的了解算法的原理。

matlab实现方法，这里也附一下核心代码：

 

1. function output &#