一、增强算法基本原理
1.增强算法过程概述
算法基本思想是基于图像的分层处理,首先使用自适应引导滤波器对原始图像进行分层处理。原始图像通过引导滤波器得到背景基图,原始图像与背景基图相减得到细节图层,再分别对细节图层核背景图层进行处理再进行线性叠加得到最终输出图像。
2.引导滤波算法原理
2.1引导滤波特点
高斯滤波考虑了像素间的距离关系,会模糊边缘;双边滤波同时考虑了像素间的距离关系以及相似度关系,对于边缘有一定的保护(边缘同侧相似度高)。引导滤波同样是保边滤波,由于直接判断梯度,细节的保护上比双边滤波要好一点。
2.2引导滤波算法内容
![](https://img-blog.csdnimg.cn/img_convert/3251274794bf8945d5680e2cac102fef.png)
图1所示为引导滤波基本原理图,其中p代表原图像素值,I代表引导图,a、b代表计算输出图像的线性参数。引导滤波用到了局部线性模型,该模型认为,某函数上一点与其邻近部分的点成线性关系,一个复杂的函数就可以用很多局部的线性函数来表示,当需要求该函数上某一点的值时,只需计算所有包含该点的线性函数的值并做平均即可。
梯度变化就是边缘的地方,同一个图像原图和滤波后的图梯度应该保持一致,才能有效的保护边缘。所以引导图意义在于告诉我们,哪里是平滑区域,哪里是边缘区域,求得a、b就可以得到滤波输出。
在保留图像细节边沿的同时使噪声越小越好,利用最小二乘法最小化噪声平方和即可计算出a、b。